Eine genaue Vorhersage der Toxizität und Potenz von Verbindungen wie N-Nitrosaminen ist von entscheidender Bedeutung. Die von verschiedenen Gesundheitsbehörden entwickelten CPCA-Rechner (Carcinogenic Potency Categorization Approach) wurden zur Ableitung von Werten für die zulässige Aufnahmemenge für N-Nitrosaminverbindungen verwendet. Die Integration von Read-Across-Methoden in den CPCA-Arbeitsablauf ist jedoch ein Schritt nach vorn. Hier untersuchen wir den Nutzen der Read-Across-Unterstützung für N-Nitrosamine und wie sie den Standard-CPCA-Rechnern einen Mehrwert bietet.
leer
Read-Across ist eine leistungsstarke Technik zur predict der Eigenschaften einer datenarmen Zielverbindung durch Vergleich mit bekannten Eigenschaften strukturell und biologisch ähnlicher datenreicher Verbindungen, den so genannten Analoga. Die lokale Ähnlichkeit (d. h. die Ähnlichkeit der dekorierten Substrukturen in verschiedenen Verbindungen) spielt eine entscheidende Rolle bei der Bewertung der Eignung der ausgewählten Analoga und erhöht somit die Genauigkeit der entsprechenden Read-Across-Vorhersagen. Durch die Konzentration auf die strukturellen Merkmale von N-Nitrosaminen in der lokalen chemischen Umgebung der N-Nitroso-Gruppe können Read-Across-Methoden Analoga mit hoher Relevanz identifizieren. Dieser Ansatz der lokalen Ähnlichkeit stellt sicher, dass die Vorhersagen auf Verbindungen beruhen, die wichtige strukturelle und funktionelle Merkmale mit der Zielverbindung gemeinsam haben.
Zusätzlicher Nutzen für CPCA-Rechner:
- Gezielte Vorhersagen: Read-across, mit Schwerpunkt auf lokaler Ähnlichkeit, bietet zusätzliches Vertrauen in Vorhersagen für N-Nitrosamine. CPCA-Rechner verwenden einen allgemeinen Ansatz, der die Nuancen spezifischer chemischer Strukturen möglicherweise nicht vollständig erfasst.
- Datenintegration: Read-Across-Methoden integrieren verschiedene Arten von Daten, einschließlich Stoffwechsel, physikalisch-chemische Eigenschaften und allgemeine biologische Ähnlichkeit. Dieser umfassende Ansatz unterstützt robuste Vorhersagen.
- Kontextspezifische Bewertungen: Während sich CPCA-Rechner auf vordefinierte Algorithmen stützen, ist bei der Unterstützung durch Read-Across ein Expertenurteil erforderlich, das differenziertere und kontextspezifische Bewertungen ermöglicht.
Da sie genauere und zuverlässigere Vorhersagen liefern, verschiedene Datentypen integrieren und Expertenurteile einbeziehen, sind Read-Across-Methoden eine wertvolle Ergänzung zu den Standard-CPCA-Rechnern.
Als Teil unserer Version 2025 ist das CPCA-Tool von Leadscope jetzt in die Funktion "Read-across" integriert!
- Dies erweitert die zugängliche Funktionalität des CPCA-Rechners, der von den Gesundheitsbehörden weltweit definiert wurde, um eine tiefergehende Analyse von N-Nitrosaminverbindungen zu ermöglichen.
- Die lokale Ähnlichkeitsanalyse bietet eine zusätzliche Methodik für die Analyse von Analoga, die ein größeres Vertrauen in die berechneten zulässigen Aufnahmewerte ermöglicht.
Bitte kontaktieren Sie uns, um mit einem Experten zu sprechen, oder erfahren Sie hier mehr über unsere Lösungen.
