利用人類數據評估皮膚致敏性電腦預測模型的整體表現



分享給LINE好友!


更新日期:2021-01-27

       過敏性接觸性皮炎(Allergic contact dermatitis)或是皮膚過敏的臨床表現是一種主要的職業危害。雖然現有多種評估皮膚致敏性(skin sensitisation)的測試方法,但最具優勢的可能是能快速分析與低成本的電腦預測模型(in silico modeling)。目前已經有多種皮膚致敏性電腦預測模型被開發,然而大多只針對動物實驗的結果進行了測試,例如小鼠局部淋巴結細胞增殖分析法(local lymph node assay, LLNA);就化學物質篩選和法規管理的層面來說,用於預測人類的皮膚致敏性仍具有不確定性。

       美國與歐洲動物實驗替代方法研究中心(Center for alternatives to animal testing, CAAT & CAAT-Europe)近日於「動物實驗替代方法期刊」(Alternatives to Animal Experimentation, ALTEX)發表研究,利用2種人類數據集(data set)評估8種皮膚致敏性電腦預測模型(in silico models)的整體表現。使用的人類數據集分別是來自2014年Basketter等人之研究論文中的高度彙整數據集,以及危害物質資料庫(Hazard Sustance Database, HSDB)的篩選層級數據集。而評估的目標模型則包括:Toxtree、PredSkin、OECD QSAR Toolbox、REACHAcross™、丹麥QSAR數據庫,TIMES-SS,以及Derek Nexus等。


8種皮膚致敏性電腦預測模型 (來自原文表1)

       CAAT研究團隊將每種化學物質在兩種人類數據集中的皮膚致敏性數據,分別與8種皮膚致敏性電腦預測工具的預測結果進行比較,以評估模型的覆蓋範圍(coverage)、準確性(accuracy)、敏感性(sensitivity)、特異性(specificity)以及優化功能(optimization features),例如準確性概率(probability of accuracy)與適用領域(applicability domain)等。儘管具有廣泛的敏感性和特異性,但是這些預測模型在預測人類皮膚致敏性的準確度(大約70-80%)通常與LLNA相似。此外,這些模型對相同化合物的預測相近,並未出現不同的預測,這代表若將這些模型組合運用可能會更具有優勢性。


8種模型對於2種人類數據集的敏感性與特異性 (來自原文圖6)

       雖然目前皮膚致敏性電腦預測模型可在篩選化學物質時可提供準確的預測,但仍有進一步改善的必要性,未來才能可靠地應用於法規管理。

原文連結:
Evaluation of the global performance of eight in silico skin sensitization models using human data (ALTEX 38(1): 033-048, 2021)

編譯:鄭獻仁 博士/兼任助理教授
校稿:林嬪嬪 研究員