Algoritmi: il nuovo «must» della tossicologia

L’industria cosmetica utilizza già test alternativi alla sperimentazione animale per le indagini tossicologiche dei prodotti che utilizza e crea, ma così non è in altri ambiti. Una ricerca recente mostra però come lo studio di Database contenenti informazioni tossicologiche di varie sostanze possa, con opportuni algoritmi, facilitare di molto la predizione del comportamento tossicologico di una sostanza non nota.

Lo studio è stato condotto presso la Johns Hopkins Bloomberg School of Public Health di Baltimora e pubblicato sulla rivista Toxicological Sciences lo scorso 11 luglio. Alla base del successo dello studio di database c’è il legame tra struttura chimica e proprietà tossicologiche: confrontando la struttura di un nuovo composto con quella dei composti presenti nel Database di può quindi risalire al comportamento tossicologico della sostanza stessa, con una precisione decisamente maggiore rispetto ai test animali. E anche impiegando meno tempo e risorse economiche.

Il Database creato alla Johns Hopkins contiene informazioni su più di 10.000 composti. I ricercatori hanno inoltre ideato algoritmi di apprendimento automatico che consentono di leggere i dati e generare una mappa delle strutture chimiche note e delle proprietà a queste associate. In sostanza, stanno rendendo più semplice l’uso del read-across a fini tossicologici. L’idea è così buona che una compagnia specializzata nello sviluppo di test per la sicurezza pubblica, la Underwriter’s Laboratories, ha co-sponsorizzato lo studio e sta rendendo commercialmente utilizzabile il software.

Lo strumento potrà essere utile a tutte le aziende che lavorano con sostanze chimiche e, in futuro, potrebbe forse permettere di prevedere la tossicologia di una sostanza ancora prima di averla sintetizzata.

Thomas Luechtefeld, Dan Marsh, Craig Rowlands, Thomas Hartung; Machine Learning of Toxicological Big Data Enables Read-Across Structure Activity Relationships (RASAR) Outperforming Animal Test Reproducibility, Toxicological Sciences,, kfy152, https://doi.org/10.1093/toxsci/kfy152

https://www.jhsph.edu/news/news-releases/2018/database-analysis-more-reliable-than-animal-testing-for-toxic-chemicals.html

di S.Somaré