機器學習軟體會「搶走「實驗動物的「工作」嗎？

來自專欄 Nature自然科研5 人贊了文章

導語：經過海量安全數據訓練的機器學習軟體可以提高自動化毒性評估的準確性。

據相關研究人員報道，在某些情況下，機器學習軟體在經過海量化學品安全性數據訓練後，其預測毒性的準確性堪比（甚至高於）昂貴的動物試驗。

載入超時，點擊重試

在某些情況下，計算機程序預測化學品毒性的準確性能與動物試驗相媲美。來源：Coneyl Jay/SPL

約翰·霍普金斯大學的毒理學家Thomas Hartung表示，全世界每年在動物身上開展的標準化安全性測試數以百萬計，比如將某種化合物滴入兔子的眼睛以檢查它們是否具有刺激性，或者用化學品餵食大鼠以明確致命劑量；現在，計算機模型或許可以取代一部分這類測試。「大數據賦予我們一種比動物試驗更有效的預測工具。」

7月11日發表於《毒理科學》（Toxicological Sciences）的一篇論文中，Hartung團隊報告稱，他們開發的一種演算法能夠準確預測上萬種化學品的毒性——超出其它已公開的模型，涵蓋了從吸入損傷到水域生態系統損害的九類測試。

德國巴斯夫的毒理學家Bennard van Ravenzwaay說：「這篇論文讓人注意到大數據的新潛力。我百分百相信大數據將成為未來毒理學的支柱。」不過他補充表示，可能還要經過很多年才能讓政府監管機構接受用計算機預測結果取代動物測試。不僅如此，涉及較複雜的損傷評估時，如某種化學品是否會致癌或影響生育，動物測試將更加難以被取代。

計算機顯示：無毒

產業界和學術界從幾十年前就開始用計算機模型預測毒性。這類模型一般包含分子的化學結構、分子在體內的潛在反應以及動物測試數據或體外測試數據。公司還會採用交叉參照方法（read-across）推斷未經測試物質的毒性，即將未經測試物質與其它結構或生物學類似、但毒性已知的化合物進行比較。不過，Hartung等毒理學家表示，監管機構對這類方法的認定標準非常高，傾向於採納動物測試結果。

Hartung團隊為了提高其機器學習軟體的性能，根據從約80萬項動物測試中得到的約1萬種化學品的信息，創建了一個大型資料庫。

這些數據最初是由赫爾辛基歐洲化學品管理局（ECHA）依據2007年的REACH法規收集的，REACH的全稱是化學品註冊、評估、許可和限制（Registation，Evaluation，Authorisation and Restriction of Chemicals），該法規要求相關公司登記將在歐盟銷售的大部分化學品的安全性信息。截至2018年5月（登記截止日期），歐洲化學品管理局收到了逾2萬種化學品的信息。

他們將這些數據公開出來，不過數據格式不方便計算機進行分析。因此，Hartung團隊在2014年將可用數據提取出來，錄入一個機器可讀的資料庫。這導致Hartung與歐洲化學品管理局產生了法律糾紛，因為後者認為這些數據所代表的研究細節屬於當初開展測試的公司。2017年，Hartung同意不公開自己的資料庫。歐洲化學品管理局則通過單獨的公共文件，另行公開了關鍵研究結果——並非全部數據。

Hartung的軟體採用交叉參照方法，對比新化學品和與其密切相關的化合物，通過參照已知化學品的特性，推測新化學品具有毒性的可能性。Hartung說該軟體實際上是對毒理學家評估新化學品的模仿，只不過是以一種自動化的方式。

他的資料庫分析還暴露了動物測試結果的不一致情況：反覆測試相同的化學品可能產生不一樣的結果，因為不是所有動物都會有相同的反應。因此，他說對於某些類型的毒性而言，軟體預測比動物測試更可靠。

上述論文的共同作者Craig Rowlands說：「這在5年前是無法做到的。化學品法規已經使大量化學品的毒理數據和物理特性數據公之於眾。」他同時是美國安全科學公司Underwriters Laboratories的科學家，該公司正在對Hartung的軟體進行商業化運作。

Hartung以及其他共同作者擔任該公司的顧問，參與利潤分成；他們已經和其他提出要求的研究人員及政府機構分享了基礎資料庫。

監管機構的認可

另外也有其它一些研究人員和公司正在開發用以預測化學品毒性的機器學習演算法，不過他們尚未發表相關研究論文。化學品安全監管機構正密切關注他們的動向。

美國機構間替代方法驗證協調委員會（Interagency Coordinating Committee on the Validation of Alternative Methods）代表16家美國政府機構，正在開發可替代動物安全性測試的方法。4月，委員會邀請了幾十支來自學術界和商業界的研究小組齊聚美國國立衛生研究院。每支研究小組使用自主研發的軟體預測4萬種之前已經在大鼠身上測試過的化學品毒性的「致命劑量」。

Nicole Kleinstreuer表示，將最佳軟體（包括Hartung的軟體）組合起來產生了一種共識計算模型，其「性能可與動物測試相媲美」。Kleinstreuer負責協調上述工作，並且為美國國家毒理學研究規劃處（National Toxicology Program）開發可替代動物測試的毒性測試方法。美國環境保護署（EPA）計劃在今年晚些時候在線公布共識模型，供免費下載。

2016年美國的一項歷史性法規規定美國環保局有權要求化學品在上市前通過安全測試，有鑒於此，美國機構積極推廣非動物測試方法。6月，美國環保局公布了一項戰略性規劃——推廣非動物測試方法，包括軟體。

在歐盟，歐洲化學品管理局也鼓勵相關公司儘可能在實驗室細胞分析的基礎上，採用交叉參照的方法測試化學品毒性，避免採用動物試驗。

Rasenberg認為最新論文代表了「一個好的開端」，但是「從科學角度來看，還有大量的工作要做」。他補充說：「沒有人想要開展動物試驗，但是目前計算機還無法完成所有的毒理分析。」?

Nature|doi:10.1038/d41586-018-05664-2

原文發布在2018年7月11日的《自然》新聞上

原文作者：Richard Van Noorden

點擊右邊標題閱讀英文原文：Software beats animal tests at predicting toxicity of chemicals

本文由施普林格·自然上海辦公室負責翻譯。中文內容僅供參考，一切內容以英文原版為準。歡迎個人轉發，如需轉載，請郵件[email protected]。未經授權的翻譯是侵權行為，版權方將保留追究法律責任的權利。

思想常新者以自然為其可靠之依據——Nature自然科研ID：Nature-Research