跳到主要内容
挑战25

最大化

推出了 授予 完成

这项挑战的目的是制定可靠的预测,对急性口服毒性、皮肤和眼睛刺激的化学混合物进行有把握的分类,重点关注与人类安全的相关性。这些产品应使用现有的成分和配方信息,而不需要额外的信息,满足全球统一体系对非封装农用化学品混合物的严格分类和标签要求在活的有机体内,在理想的情况下在体外,研究。

通过“最大化挑战”,SimOmics团队开发了一个网络部署平台,其中包含了毒理学数据库和在网上在开发农用化学制剂时,更好地预测急性口腔、皮肤和眼睛刺激的GHS分类类别。

挑战完成

最大化

通过“最大化挑战”,由Jon Timmis教授领导的SimOmics团队开发了一个网络部署平台,该平台包含了毒理学数据库和在网上在开发农用化学制剂时,更好地预测急性口腔、皮肤和眼睛刺激的GHS分类类别。

会议演讲

NC3Rs /联合利华车间(英国伦敦)

非动物方法在化学品安全评价决策中的应用。

行业报告

向美国跨机构协调委员会介绍替代方法的验证。

行业报告

向卫生和安全执行局(HSE)化学品监管局作报告。

挑战授予

由SimOmics有限公司的Jonathan Timmis教授领导的团队获得了97,743英镑的奖金,用于开发这个项目:农业化学品配方毒性分类和数据共享的综合网络平台。

发起了挑战

由先正达和陶氏农业科学公司赞助,EPSRC共同资助的“最大挑战”旨在开发可靠的预测,对急性口腔毒性、皮肤和眼睛刺激的化学混合物进行有把握的分类,并关注与人类安全的相关性。这些产品应使用现有的成分和配方信息,而不需要额外的信息,满足全球统一体系对非封装农用化学品混合物的严格分类和标签要求在活的有机体内,在理想的情况下在体外,研究。

背景

化工产品创新的特点是现有和新成分的新配方。对于农用化学品,它们通常是含有已知毒性的一种或多种活性物质的混合物,以及可能导致整体毒性的表面活性剂、缓冲剂和溶剂等共配方。这些混合物的毒性特征是复杂的,通常比成分终点的简单总和还要多,并有潜在的可观察的加性、协同和补偿性影响。

尽管这些成分中的一部分可能已经在以前的使用中对其危害特性进行了测试,但新配方必须根据国际准则,如联合国全球化学品分类和标签协调体系(GHS)要求,对其分类和标签进行评估。这些准则要求在活的有机体内毒理学终点研究涉及口服、真皮和吸入致死性、皮肤和眼睛刺激性、腐蚀性和皮肤致敏性。这些研究可能会给动物造成疼痛和不适,并经常以死亡(或即将死亡的迹象)作为终点。

的使用已经取得了进展在网上而且在体外单一化学品和混合物的特定急性终点方法。例如,有一些在体外可用于识别严重眼睛刺激物的方法,无需进行分类在活的有机体内测试。然而,这些眼睛刺激试验不包括修复机制所看到的在活的有机体内这种模式被认为是“黄金标准”。还有一些验证过的在体外确定对皮肤影响的现有方法,包括经济合作与发展组织(OECD)在体外皮肤刺激试验指南(TG) 439 (OECD, 2015b)和在体外/体外皮肤腐蚀试验,OECD TGs 430、431和435 (OECD, 2014a;经合组织,2014 b;OECD, 2015a),但它们对农用化学品混合物的预测性尚未得到证实。

在网上可以对农用化学品混合物进行急性毒性估计计算(ATEs)等方法,以预测急性全身终点(急性口服、皮肤和吸入毒性)。计算时考虑了每种成分及其在配方中的比例。ATE计算对全身终点有很好的准确性,但对皮肤/眼睛刺激和皮肤致敏的预测有限,这种计算的监管可接受性处于早期阶段。

其他在网上qsar等方法通常用于单一成分的预测,但这些方法都没有单独发展到足以被认为足够可靠,可用于混合物。最近的CRACK IT Challenge (QSAR Mix, 2014)成功开发了一种更具体的QSAR方法,用于评估石油化学混合物对皮肤和眼睛的刺激,但需要一种综合解决方案,考虑可用于评估农用化学混合物危害特征的多个化学和毒理学数据点。

这一挑战的目标是发展创新,综合在网上在不使用动物或产生新的农药配方的开发中,更好地预测急性口腔、皮肤和眼睛刺激的GHS分类类别在体外数据。该挑战还需要一个颠覆性的业务模型,通过该模型可以管理行业数据的访问和存储,为复杂混合物提供预测性测试策略。

预期这一方法将更广泛地适用于其他工业部门。

3 rs的好处

急性毒性研究用于评估农用化学品的安全性,并为监管目的收集信息。虽然工业界继续完善这些研究,但它们可能涉及使用高浓度的测试项目,这可能导致严重的痛苦,有时甚至以死亡为终点。

挑战冠军

项目团队负责人:

充满挑战的信息

PDF - 44.83 KB
PDF - 168.91 KB
PDF - 268kb

评价信息

审查和挑战小组成员资格

农用化学品通常由多种物质组成,每种物质对产品的整体毒性都有影响。尽管这些成分中的一部分可能已经在以前的使用中对其危害特性进行了测试,但新配方必须根据国际准则,如联合国全球化学品分类和标签协调体系(GHS)要求,对其分类和标签进行评估。

通过“最大化挑战”,Simomics的团队开发了一个网络部署平台,其中包含了毒理学数据库和在网上在开发农用化学制剂时,更好地预测急性口腔、皮肤和眼睛刺激的GHS分类类别。

该平台被设计为易于扩展,以合并新的机器学习分类器,并允许对所有适用的毒性预测进行运行在网上在框架中实现的方法。证据权重报告是由总结全球服务系统预测的平台生成的,可用于通知监管提交。

每年有超过1000只动物被用于农化工业的急性口腔、皮肤和眼睛刺激研究。在这一挑战中开发的方法可以通过在新配方的GHS分类中重用以前生成的动物源性毒性数据来取代新的动物研究的需要。该技术也适用于其他部门,如制药,也依赖动物实验来评估配方毒性。

欲了解更多关于maxim平台的信息,请联系保罗博士安德鲁斯在第一种情况下。

由SimOmics有限公司的Jonathan Timmis教授领导的团队开发了maximize软件平台,这是一个集成的网络平台,将建模与数据共享结合起来,自动预测新配方的毒性。在开发农用化学制剂时,maximize可用于更好地预测全球协调系统(GHS)对急性口腔、皮肤和眼睛刺激的毒性分类。

maximize数据库使用来自类似农用化学品配方、单个活性物质和任何共配方测试的现有毒理学数据。该平台使用户能够建议新的农药配方作为已知物质的混合物。新公式通过一系列硅分类预测算法进行了测试,包括神经网络和专家系统,该专家系统为桥接原理和计算方法编码GHS指导逻辑。

欲了解更多关于maximize软件平台的信息,请访问Simomics产品页面

特性

代表网络的图片
机器学习
maximize可以自动进行毒理学预测,并使用机器学习来保护敏感数据
数据库上放大镜的标志
数据库
该平台包含多个数据来源,可用于毒性预测的共享
在一个圆圈中包含3r的标志
3 rs
重复使用毒理学数据可以避免新的动物研究的需要
Baidu
map