机器学习和“组学”进入监管毒理学领域

JRC 的欧盟动物试验替代参考实验室 ( EURL ECVAM ) 委托其科学咨询委员会 ( ESAC ) 评估两种基因组过敏原快速检测 (GARD) 测试方法的科学有效性。该EASC意见 现在可用,并且在附件包括ESAC工作组的详细结果。

 

GARD 测试方法利用机器学习算法(支持向量机)处理基因组数据,以识别可诱发皮肤过敏的化学物质 (GARDskin) 并区分强和弱敏化剂 (GARDpotency),如全球协调系统所述用于化学品分类和标签。

 

这是机器学习算法第一次被独立审查用于监管毒理学领域。使用测试开发人员提供的代码、解释和数据,ESAC 能够验证算法并重现处理步骤,将原始数据转换为 GARDskin 和 GARDpotency 的预测,”JRC 科学家兼审查协调员 Silvia Casati 解释说。

 

ESAC 得出结论,GARDskin 可以通过证据权重方法促进皮肤致敏危害的识别。根据监管环境,使用 GARDskin 获得的阳性结果可单独用于识别皮肤致敏物。然而,通过该测定获得的阴性结果本身可能不足以证明识别非致敏物,因此应与其他证据一起考虑。

 

ESAC 认为目前关于 GARDpotency 的信息不足以推荐将其用于监管目的以评估皮肤致敏化学品的效力。ESAC 目前不支持使用 GARDpotency 测试来区分 Cat 1A 和 1B 致敏物,原因是重现性和预测能力不足,以及验证研究的设计存在问题。

首页    QSAR资讯    法规动态    机器学习和“组学”进入监管毒理学领域