研究人員編寫了一個程序用于比較不同化學物質的結構和毒性效應，從而有可能根據新化學物質與已知化學物質的結構相似程度來預測它們的毒性。

從化妝品到藥品，化學家每年都要制造出新的化學物質。但是，將這些化學物質引入產品中也引發了對其潛在危險的質疑。它們會刺激皮膚嗎?眼睛呢?他們會破壞DNA嗎?

為了識別這些可能的風險，公司經常在動物身上測試化學物質。但這些動物試驗既昂貴又耗時，而且結果還并不總是可靠。此外，許多消費者對他們最喜歡的產品在動物身上測試感到不安，比如老鼠、兔子和豚鼠。

但我們也許能夠在不犧牲預測問題能力的前提下避免動物實驗。因為研究人員已經開發出一種計算機程序，可以比動物實驗更好地預測新化學物質的毒性效應。

該方法依賴于科學家們建立的一個數據庫，其中包括毒物學登記處記錄的80多萬項動物試驗的結果，涉及約1萬種化學物質。

這樣的數據庫使專家能夠通過將未經測試的化學品與類似的化學品進行比較來預測其危險性，這一過程被稱為“解讀”，是動物實驗的主要替代方法。但這個過程是非常主觀的。不同的人可能會根據他們熟悉的化合物選擇不同的比較化學品，他們甚至可能得出相反的結論。

因此，為了消除這種主觀性，研究人員設計了一個程序，讓它在數據庫上為他們進行解讀程序。他們的方法使用機器學習算法來比較不同化學物質的結構和毒性效應。其結果是一種化學結構和性質的地圖，使他們能夠根據一種新化學物質在地圖上的位置來預測其潛在的毒性作用。

這種方法使科學家能夠比一些最常用的動物試驗更準確地預測一種化學物質的危險。他們的研究結果發表在《毒理學科學》雜志上。[Thomas Luechtefeld等人，毒理學大數據的機器學習使解讀結構活性關系(RASAR)優于動物試驗重現性]

該軟件由共同贊助這項研究的承銷商實驗室提供商業使用。鑒于計算機程序不需要錢或時間來進行動物實驗，這種虛擬毒物學篩查應該對公司和動物愛好者都具有吸引力。

-Deboki Chakravarti

本文來源前瞻網，轉載請注明來源！（圖片來源互聯網，版權歸原作者所有）