Améliorer l'évaluation des risques liés aux N-nitrosamines avec Read-across : Un complément précieux aux calculateurs standard de l'ACPC 

In Silico Insider : Candice Johnson, PhD

Il est essentiel de prédire avec précision la toxicité et la puissance de composés tels que les N-nitrosamines. Les calculateurs de l'approche de catégorisation de la puissance cancérigène (CPCA), développés par diverses autorités sanitaires, ont été utilisés pour dériver des valeurs de dose acceptable pour les composés de n-nitrosamines. Cependant, l'intégration des méthodologies de lecture croisée dans le flux de travail de la CPCA constitue un pas en avant. Nous explorons ici l'utilité de la prise en charge de la lecture croisée pour les N-nitrosamines et la manière dont elle apporte une valeur ajoutée aux calculateurs CPCA standard. 

Améliorer l'évaluation des risques liés aux N-nitrosamines avec Read-across : Un complément précieux aux calculateurs standard de l'ACPC 

La lecture croisée est une technique puissante utilisée pour predict propriétés d'un composé cible pauvre en données en le comparant aux propriétés connues de composés riches en données structurelles et biologiques similaires, appelés analogues. La similarité locale (c'est-à-dire la similarité des sous-structures décorées dans différents composés) joue un rôle crucial dans l'évaluation de l'adéquation des analogues sélectionnés et améliore ainsi la précision des prédictions read-across correspondantes. En se concentrant sur les caractéristiques structurelles des N-nitrosamines dans l'environnement chimique local du groupe N-nitroso, les méthodes de lecture croisée peuvent identifier des analogues très pertinents. Cette approche de similarité locale garantit que les prédictions sont basées sur des composés qui partagent des caractéristiques structurelles et fonctionnelles clés avec le composé cible 

Valeur ajoutée aux calculateurs CPCA

  • Des prédictions ciblées : La lecture croisée, qui met l'accent sur la similarité locale, offre une confiance supplémentaire dans les prédictions pour les N-nitrosamines. Les calculateurs CPCA utilisent une approche généralisée, qui peut ne pas saisir toutes les nuances de structures chimiques spécifiques.
  • Intégration des données: Les méthodes de lecture croisée intègrent différents types de données, notamment le métabolisme, les propriétés physico-chimiques et la similarité biologique globale. Cette approche globale permet d'obtenir des prédictions fiables.
  • Évaluations spécifiques au contexte : Alors que les calculateurs CPCA s'appuient sur des algorithmes prédéfinis, l'aide à la lecture croisée fait appel au jugement d'experts, ce qui permet des évaluations plus nuancées et spécifiques au contexte.

En fournissant des prédictions plus précises et plus fiables, en intégrant divers types de données et en faisant appel au jugement d'experts, les méthodes de lecture croisée constituent un complément précieux aux calculateurs CPCA standard.

Dans le cadre de notre version 2025, l'outil CPCA de Leadscope est maintenant intégré dans la fonction 'Read-across' ! 

  • Il élargit les fonctionnalités accessibles au calculateur CPCA défini par les autorités sanitaires du monde entier afin de permettre une analyse plus approfondie des composés de n-nitrosamine. 
  • L'analyse de la similarité locale fournit une méthodologie supplémentaire pour l'analyse des analogues, permettant une plus grande confiance dans les valeurs de consommation acceptable calculées.  

Améliorer l'évaluation des risques liés aux N-nitrosamines avec Read-across : Un complément précieux aux calculateurs standard de l'ACPC

N'hésitez pas à nous contacter pour parler à un expert ou pour en savoir plus sur nos solutions ici.

Candice Johnson, PhD

Candice Johnson, PhD, est chercheur principal chez Instem. Elle est co-auteur de plusieurs publications évaluées par des pairs décrivant la mise en œuvre d'approches in silico et de méthodologies permettant d'obtenir la confiance dans les prédictions in silico. Ses travaux s'étendent à de nouvelles applications des approches in silico et soutiennent l'avancement de méthodes alternatives. Elle s'intéresse particulièrement à l'application d'outils informatiques pour soutenir les évaluations toxicologiques, par exemple dans l'évaluation des substances extractibles et lixiviables.

Partager cet article