透過大數據與機器學習,機器在預測毒性已能比動物實驗準確

作者 | 發布日期 2018 年 07 月 17 日 21:00 | 分類 Big Data , 生物科技 , 醫療科技 follow us in feedly

我們都聽過這種動物實驗:將化學物質物滴入兔子眼睛確認刺激性,或是餵食老鼠化學物質來確定致命劑量。為了避免商品內含的化學物質對人體造成危害,這些動物實驗某種程度來說是必須的,但真的沒有辦法用其他方式取代這類型實驗嗎?



美國約翰霍普金斯大學(JHU)團隊的研究顯示,透過結合大型化學數據庫的資訊,高級演算法可預測新化學物質的毒性反應,準確度甚至超過昂貴的標準動物實驗,論文 11 日已在《Toxicological Sciences》期刊公布。

其實傳統動物實驗不僅群眾道德觀感不佳,企業付出的成本也非常昂貴。JHU 毒理學家、論文合著者 Thomas Hartung 便指出,過去一款新殺蟲劑可能需要 30 次獨立動物實驗,並讓贊助研究的企業花費近 2,000 萬美元。

傳統動物實驗的高額成本和道德觀感下,市面消費產品所含近 10 萬種化學物質中只有一小部分通過全面測試,而這種新型態基於電腦的預測方法,未來可應用於更多種類的化學物質,導致更廣泛的安全評估。

當作動物實驗的替代方案,過去研究人員會進行一種稱為「讀取」(read-across)的過程,透過相似結構的已知化學物質特性來預測新化合物可能有的毒性,但這種處理方式除了需要專家評估,監管機構也設定較高標準來控管,同時傾向要求進行動物研究。

為了改良並自動化「讀取」過程,研究團隊利用歐洲化學品管理局(ECHA)向企業收集的物質數據,建立全球最大、機器可讀取的毒理學數據庫,包含近 80 萬次獨立的動物測試得出的近 1 萬種化學物質資訊。

整理 ECHA 數據時,團隊發現其中有巨大的動物浪費──有些相同的化學物質其實已以同樣方式進行了數十次動物實驗,為了提供研究人員更好的方法去評估,團隊也運用機器學習和雲端計算能力,開發出軟體能為化學物質描繪「地圖」,讓研究者可基於附近相似化合物的毒性反應來評估可能情況。

據了解,團隊開發出的演算法可準確預測成千上萬種化學物質,在吸入性傷害(inhalation)到對水生生態系統影響等九種常見毒性測試準確率達 87%,也就是與過去動物實驗結果有 87% 相符;相較之下,在同樣動物身上重複的毒性測試實驗還只有 81% 準確率。

由於軟體實際上是以自動化方式模擬毒理學家評估新化學物質的情況,Hartung 認為,自動化方法明顯優於傳統的動物測試,數千種不同化學物質和測試的數據提供了非常可靠的評估,對毒理界來說可說是大新聞。

美國食藥局(FDA)和環保局(EPA)已進行正式評估,確定這項技術是否可取代目前用於確保食藥品、消費產品內化學物質安全性的多數動物實驗。團隊也已用來協助一些大型公司,確定產品是否含有潛在的有毒化學物質。

在監管機構能接受電腦預測結果代替動物研究以前,大概還會需要等好幾年,畢竟評估更複雜的危害方面,像是化學物質是否導致癌症或影響生育能力時,動物實驗仍難以取代。但德國知名化學公司巴斯夫(BASF)毒物學家 Bennard van Ravenzwaay 認為,這篇論文引出大數據的另一種可能用途,「我完全相信這將成為未來毒理學的支柱」。

(首圖來源:shutterstock)