化学物質の安全性を確保するためには、急性経口毒性を正確に評価する能力が必要である。急性経口毒性の計算機による予測を強化する最も効果的な方法の一つは、実験データの大規模データベースの力を活用することである。このアプローチにより、インシリコモデルの精度が向上し、動物実験を追加する必要性が減少する。ここでは、急性経口毒性予測をadvance せるために、データの豊富さとメカニズムの理解がどのように相互作用しているかを探り、GHSおよびCLPカテゴリーをpredict ために設計された新しいモデルおよび更新されたモデルを紹介する。
データの豊富さは、インシリコモデルの 性能において極めて重要な役割を果たす。大量の高品質データが利用可能であれば、基礎となるメカニズムが完全に理解されていなくても、統計モデルはパターンを特定し、正確な予測を行うことができる。これは特にラット急性経口毒性に当てはまり、毒性に至るメカニズムの理解は限られているかもしれませんが、様々な研究や標準化された試験方法から得られた膨大なデータセットが豊富な情報を提供します。致死量（LD50）を含む20,000項目のデータベースにより、予測モデルのロバスト性は著しく向上する。
メカニズム解明もまた、重要な要素である。一般的に、データの豊富さとメカニズ ムの理解の両方が高い場合、モデルは両方の長所を生かし、非常に優れた性能を発揮する。急性経口毒性は様々なメカニズムから生じる可能性があるが、これらのメカニズムの全容や、それらを支配する構造活性相関は完全には理解されていない。この複雑さには、広範なトレーニングデータベースが必要である。
大規模なデータベースを活用することで、より正確で信頼性の高いin silicoモデルを開発することができる。これらのモデルを改良し、新たなエンドポイントを探求し続ける中で、図1に要約したデータとメカニズムの相互作用は、我々の研究の中心となっている。GHSおよびCLPカテゴリーをpredict するための急性毒性モデルの開発は、この継続的な取り組みにおける重要な前進を意味する。
新しい急性毒性データベースとモデルは、2025年のリリースで利用可能になる予定です。新しい急性毒性データベースとモデルは2025年のリリースで利用可能になる予定です：
- 急性毒性データについて数千件の新規レコードを追加。
- 実験データは現在、2つの分類スキームに基づいて分類されている。1つはCLPカテゴリーを予測するもの、もう1つはGHSカテゴリーを予測するものである。
- 予測モデルは、ラットの経口急性GHS分類およびCLP分類の導出をサポートする。
- 急性ラット経口毒性、急性マウス経口毒性、急性ラット経皮毒性、急性ウサギ経皮毒性のCLPカテゴリーを予測する新しい警告と統計モデル。
図1：データとメカニズムの相互作用。メカニズムの理解は連続的なスケールであり、メカニズムに関する知識の深さは化合物の化学クラスによって異なることに注意。
