利用電腦預測工具預測呼吸致敏化合物



分享給LINE好友!


更新日期:2021-01-11

       化學物質引發呼吸過敏(respiratory sensitisation)是一種免疫反應過程,臨床上主要表現為職業性哮喘(occupational asthma),佔成人哮喘病例的六分之一。然而這個比例可能是被低估的,原因是未被充分診斷​​。由於嚴重影響健康,職業性哮喘導致大約三分之一的人失業。儘管呼吸致敏的患病率(盛行率)很高,但由於目前仍未有已驗證的疾病研究模型,且其致病機制仍尚未被完全理解。因此,無法有效預測與評估呼吸致敏仍是管理機構與業界的重大挑戰。目前呼吸致敏的危害結局路徑(Adverse Outcome Pathway, AOP)仍不完整。僅已確定了部分關鍵事件(key events),並且可與皮膚致敏性(dermal sensitization)中性質明確的AOP重疊。因此,利用動物實驗(in vivo)、化學試驗(in chemico)與電腦分析方法(in silico)評估皮膚致敏性的指標,也會被管理機構默認用來代替呼吸致敏性指標,以評估化學物質的安全性。

將離散致敏性(紅)與非致敏性(綠)化合物數據集依化學結構相似性繪製群組對映圖

       於此研究中,由動物試驗替代方法研究中心(Center for Alternatives to Animal Testing, CAAT)組成的研究團隊先確認了一組已知人類呼吸致敏物的數據集,並用於研究兩組模型的準確性,分別是Toxtree -設計用來預測皮膚致敏的結構警示模型(structural alert model),以及英國職業與環境衛生中心(Centre for Occupational and Environmental Health, COEH)的模型-專門針對職業性哮喘。當兩個模型均具有合理的準確度時,COEH模型達到了最高平衡準確度76%;當兩組模型達到共識時,總體的準確性為87%。然而這兩個模型仍存有部分差異:Toxtree對於某些結構警示與某些類別性質明確的皮膚致敏物具有卓越的性能;而COEH模型在辨識缺少已知皮膚致敏資訊的致敏物則具有很高的準確性。整體而言,兩個模型均達到了可觀的準確性。但是,這兩個模型仍未解決效力(potency)與數據質量(data quality)的問題。因此,未來的後續研究必須優先考慮與克服這些問題,才能獲得進展。

原文連結:
Mapping Chemical Respiratory Sensitization: How Useful Are Our Current Computational Tools?, Chem. Res. Toxicol., 2020.

編譯:鄭獻仁 博士/兼任助理教授
校稿:林嬪嬪 研究員