毒性試験、すなわち人にとって安全でない化学物質の暴露量を判定することは、さまざまな産業に従事する数百万人の労働者の安全にとって不可欠である。しかし研究者らは、消費者製品に含まれる8万5,000の化合物のうち大半について、安全性を網羅的に試験できていない。
動物実験は倫理的な懸念に加え、このニーズに応えるにはコストと時間がかかりすぎるということが、新たな研究で示されている。研究結果は、Environmental Health Perspectivesに掲載された。
「化学物質の毒性を正確かつ費用対効果の高い方法で迅速に試験する方法が、世界的に緊急に必要とされている。それは、化学物質を扱う人々と、それらが使用される環境の安全を確保するためである」と、筆頭研究者でラトガース大学カムデン校の計算・統合生物学センターの博士課程候補者であるダニエル・ルッソ氏は述べる。「動物実験だけでは、このニーズに応えることはできない。」
これまでこの問題の解決に向けてコンピューターを用い、未試験の化学物質を、毒性が既に分かっている構造的に類似した化合物と比較する取り組みが行われてきた。しかし、それらの方法では構造的に独特な化学物質を評価することができず、構造的に類似した化学物質の中には毒性の度合いが大きく異なるものがあることから、研究者らは混乱させられてきた。
研究者らはこれらの課題を克服するため、米国国立衛生研究所のデータベースで、数百万の化学物質に関する情報を収めたPubChemからデータを自動的に抽出する、画期的なアルゴリズムを開発した。このアルゴリズムは、試験済みの化合物の化学的断片と未試験の化合物の化学的断片を比較し、複数の数学的手法を用いてそれらの類似点と相違点を評価することで、未試験の化学物質の毒性を予測する。
「ダニエルとZhu研究室が開発したこのアルゴリズムは、膨大な量のデータをマイニングし、異なる化学物質クラスに属する化合物の断片同士の関係性を、人間が行うよりも指数関数的に速く見分ける」と、共著者でラトガース大学アーネスト・マリオ薬学部および環境・職業保健科学研究所の准教授であるローレン・アレクスネス氏は述べる。
「このモデルは効率的であり、企業や規制当局に対して、商業利用の前に動物によるより包括的な試験が必要となる可能性のある化学物質に優先順位を付けるためのツールを提供する。」
アルゴリズムを微調整するため、研究者らはまず既知の毒性データを持つ7,385の化合物から始め、それらを同じ化学物質についてPubChemにあるデータと比較した。その後、600の新たな化合物でアルゴリズムを試験した。
化学物質のグループによっては、アルゴリズムは経口毒性レベルの予測において62%から100%の成功率を示した。さらに、化学物質のセット間の関係性を比較することで、化学物質の毒性を決定しうる新たな要因に光を当てた。
研究者らは、経口摂取された場合の化学物質の毒性レベルを評価するようアルゴリズムに指示したのみであるが、そのアプローチは他の種類の毒性の予測にも応用できると結論付けている。
「動物実験を完全に置き換えることはまだ実現可能ではないが、このモデルは、新たな化学物質が絶えず開発されている産業界のニーズ、ならびに環境および生態系の安全に応えるうえで、重要な一歩となる」と、化学の准教授である共著者のHao Zhu氏は述べる。
ラトガース大学、Integrated Laboratory Systems、ジョンズ・ホプキンス大学ブルームバーグ公衆衛生大学院、コンスタンツ大学の研究者らも、この研究に貢献した。
