Het gebruik van dieren om de toxiciteit van chemicaliën te testen kan op een dag achterhaald raken dankzij een goedkope, high-speed algoritme ontwikkeld door onderzoekers van Rutgers en andere universiteiten.

Toxiciteitstesten - het bepalen van de hoeveelheid blootstelling aan een chemische stof die onveilig is voor mensen - is van vitaal belang voor de veiligheid van miljoenen werknemers in verschillende industrieën. Maar van de 85 000 verbindingen die worden gebruikt in consumentenproducten, de meeste zijn niet uitgebreid getest op veiligheid. Dier proeven, naast haar ethische bezwaren, kan te kostbaar en tijdrovend zijn om aan deze behoefte te voldoen, volgens de studie gepubliceerd in Perspectieven voor de gezondheid van het milieu .

"Er is een dringende wereldwijde behoefte aan een nauwkeurige, kosteneffectieve en snelle manier om de toxiciteit van chemicaliën te testen, om de veiligheid te waarborgen van de mensen die ermee werken en van de omgevingen waarin ze worden gebruikt, " zei hoofdonderzoeker Daniel Russo, een promovendus aan het Rutgers University-Camden Center for Computational and Integrative Biology. "Dierproeven alleen kunnen niet aan deze behoefte voldoen."

Bij eerdere pogingen om dit probleem op te lossen, werden computers gebruikt om niet-geteste chemicaliën te vergelijken met structureel vergelijkbare verbindingen waarvan de toxiciteit al bekend is. Maar die methoden waren niet in staat om structureel unieke chemicaliën te beoordelen - en werden verward door het feit dat sommige structureel vergelijkbare chemicaliën zeer verschillende niveaus van toxiciteit hebben.

De door Rutgers geleide groep overwon deze uitdagingen door een uniek algoritme te ontwikkelen dat automatisch gegevens uit PubChem haalt, een database van de National Institutes of Health met informatie over miljoenen chemicaliën. Het algoritme vergelijkt chemische fragmenten van geteste verbindingen met die van niet-geteste verbindingen, en gebruikt meerdere wiskundige methoden om hun overeenkomsten en verschillen te evalueren om de toxiciteit van een niet-geteste chemische stof te voorspellen.

"Het algoritme ontwikkeld door Daniel en het Zhu-laboratorium ontgint enorme hoeveelheden gegevens, en onderscheidt relaties tussen fragmenten van verbindingen uit verschillende chemische klassen, exponentieel sneller dan een mens zou kunnen, " zei co-auteur Lauren Aleksunes, een universitair hoofddocent aan de Ernest Mario School of Pharmacy van Rutgers en het Rutgers Environmental and Occupational Health Sciences Institute. "Dit model is efficiënt en biedt bedrijven en regelgevers een hulpmiddel om prioriteit te geven aan chemicaliën die mogelijk uitgebreider op dieren moeten worden getest voordat ze in de handel worden gebruikt."

Om het algoritme te verfijnen, de onderzoekers begonnen met 7, 385 verbindingen waarvan toxiciteitsgegevens bekend zijn, en vergeleek het met gegevens over dezelfde chemicaliën in PubChem. Vervolgens testten ze het algoritme met 600 nieuwe verbindingen. Voor verschillende groepen chemicaliën het door Rutgers geleide algoritme had een slagingspercentage van 62 tot 100 procent bij het voorspellen van hun niveau van orale toxiciteit. En door relaties tussen sets chemicaliën te vergelijken, ze werpen licht op nieuwe factoren die de toxiciteit van een chemische stof kunnen bepalen.

Hoewel het algoritme alleen bedoeld was om het toxiciteitsniveau van de chemicaliën te beoordelen bij orale inname, de door Rutgers geleide onderzoekers concluderen dat hun strategie kan worden uitgebreid om andere soorten toxiciteit te voorspellen.

"Hoewel de volledige vervanging van dierproeven nog steeds niet haalbaar is, dit model zet een belangrijke stap in de richting van het voldoen aan de behoeften van de industrie, waarin voortdurend nieuwe chemicaliën worden ontwikkeld, en voor milieu- en ecologische veiligheid, " zei de corresponderende auteur Hao Zhu, een universitair hoofddocent scheikunde aan Rutgers-Camden en het Rutgers and Environmental and Occupational Health Sciences Institute.