RespiraTox
这项挑战的目的是开发一种基于qsar的工具，可靠地预测化学物质对人类呼吸刺激的潜力。该工具应满足OECD QSAR验证的五项原则，以证明模型的统计和机械可靠性。这将认可该模型在监管背景下的使用(例如REACH，环境保护署)。
为了应对这一挑战，Sylvia Escher博士(德国Fraunhofer ITEM)和Andreas Karwath博士(伯明翰大学)开发了一个QSAR模型，该模型可作为一个基于网络的工具，允许终端用户通过输入结构信息来预测化合物对人体呼吸道的刺激。
挑战完成
通过“呼吸器挑战”，Sylvia Escher博士(德国Fraunhofer ITEM)和Andreas Karwath博士(伯明翰大学)开发了一个QSAR模型，该模型可作为基于网络的工具使用，允许最终用户通过输入结构信息来预测化合物对人体呼吸道的刺激。
会议演讲
毒理学学会第58届年会(美国巴尔的摩)
QSAR模型的发展，以预测单个组分的呼吸刺激。
挑战授予
由Fraunhofer毒理学和实验医学研究所Sylvia Escher博士领导的团队获得了99,996英镑的奖金来完成这个项目:呼吸毒素:在网上预测人呼吸刺激的模型。
发起了挑战
由壳牌公司赞助的“呼吸毒素挑战赛”旨在开发一种基于qsar的工具，可靠地预测化学物质对人类呼吸的刺激潜力。该工具应满足经合组织QSAR验证的五项原则，以证明模型的统计和机械可靠性。这将认可该模型在监管背景下的使用(例如REACH，环境保护署)。
背景
吸入某些化学物质可能对呼吸道造成潜在的刺激，导致炎症，如果不解决，可能导致不可逆的肺纤维化(Cometto-Muñiz和Cain, 1995)。呼吸道刺激物的例子包括醋酸、苯甲酰氯和甲酸。
目前只有有限的在网上，在体外而且在活的有机体内确定新物质或现有物质的呼吸刺激潜力的模型。评估一种化学品是否会对人类造成呼吸道刺激，通常是通过对啮齿动物急性(单次)和重复剂量吸入毒理学研究的观察来确定的。然而，目前还没有具体的测试方案来确定呼吸道毒物或过敏原的刺激潜力。在缺乏具体或明确的指导方针的情况下，呼吸道刺激结果是根据对大鼠进行的急性吸入毒性研究(经济合作与发展组织(OECD)试验指导方针(TG) 403和436)推断出来的(OECD, 2009a, OECD 2009b)。这涉及修改方案，以包括呼吸道刺激的终点，并需要额外的剂量组。例如，啮齿类动物的RD50数据(由Alarie试验确定的浓度使呼吸频率降低50% (Alarie Y, 1966))经常被用作呼吸道刺激物刺激强度的替代指标。然而，很难将啮齿动物的呼吸危害数据外推到人类的呼吸刺激。
根据REACH(化学品的注册、评估、授权和限制)规例，如果预期不会通过吸入途径接触某种物质，注册人可以证明该物质不会对呼吸造成危险。然而，对大多数物质来说，通过吸入途径接触很可能是常见的，如果该物质对皮肤或眼睛有刺激性，那么可能很难证明放弃急性吸入研究的理由。如果没有可靠的呼吸道刺激模型，化学品可能会通过研发管道进入市场，并可能成为呼吸道刺激的潜在责任。这个挑战的目标是开发一个准确的在网上能够预测人体呼吸刺激潜力的工具。
3 rs的好处
化学品的呼吸刺激潜力通常是根据修正的啮齿动物急性吸入毒性研究(OECD tgs403和436 (OECD, 2009a, OECD, 2009b))进行评估和推断的。这些在活的有机体内根据英国的《动物(科学程序)法》，毒性研究被归类为严重的，需要额外的剂量组。一项典型的改良急性吸入毒性研究大约使用42只动物。
开发一种QSAR工具，可靠地预测化学物质在人体中的呼吸刺激潜力，将允许在无需使用的情况下早期识别候选化学物质的潜在毒性在活的有机体内研究，并有助于科学的理由放弃在活的有机体内为即将注册的人进行呼吸道刺激研究。
单相挑战赛冠军
项目团队负责人:
充满挑战的信息
评价信息
Sylvia Escher博士、Matthias Wehr博士(德国Fraunhofer ITEM)和Andreas Karwath博士(英国伯明翰大学)与挑战赞助商壳牌公司合作，开发了一种QSAR模型来预测人类呼吸道刺激，使得无需使用候选化学品就可以早期识别潜在毒性在活的有机体内研究。
该模型使用2153种有机化合物进行训练，并使用呼吸刺激有无/发生的二元数据将感觉刺激与组织病理学影响(包括组织刺激或损伤)区分出来。这些数据是从几个来源整理出来的*。
在训练数据的5倍交叉验证中，使用受试者工作特征曲线(ROC)下面积(AUC)来衡量模型的性能，当前模型的AUC为0.71。该模型具有较高的敏感性，但特异性相对较低，这意味着化合物可能被错误地预测为呼吸道刺激物。因此，该模型可用于确定优先次序和筛选。
包括感觉和组织刺激的组合模型是一个开放获取的基于网络的工具，允许终端用户通过仅输入结构信息来预测有机化合物的人体呼吸刺激。该工具提供了根据基础随机森林算法给出的预测的置信度的读数，以及结构是否在训练数据集的模型适用性范围内。最后，给出了一个结构相似的类似物列表，最终用户可以在三个不同的模型中选择来计算相似度。此外，对于密切相关的类似物，将显示来自不同策划的原始来源的有关呼吸道刺激的可用数据，以供进一步研究。总体方法遵循经合组织QSAR验证的五项原则。
已登录用户界面在这里．
关于该项目的更多信息可以在这里找到在这里．
*数据来源列表
- 吸入性暴露的急性毒性研究来自ECHA化学数据库https://echa.europa.eu．
- 来自ECHA化学数据库的刺激数据(汇总数据)https://echa.europa.eu．
- 来自Fraunhofer RepDose®数据库的吸入暴露重复剂量研究-https://repdose.item.fraunhofer.de．
- 毒物清单-https://toxnet.nlm.nih.gov/newtoxnet/hsdb.htm．
- 现有的Alarie化验数据集及其RD50值-http://www.pitt.edu/~rd50．
- 统一分类和标签https://echa.europa.eu/de/regulations/clp/harmonised-classification-and-labelling．
- 来自Fraunhofer AcuTox数据库的急性毒性吸入研究。
人体呼吸刺激模型
有机化合物对人体呼吸刺激的QSAR预测模型
来自德国夫琅和费项目(Fraunhofer ITEM)和英国伯明翰大学(University of Birmingham)的一个团队开发了一个QSAR模型，以预测候选化学品是否会引起人类呼吸刺激。
该模型是一个开放获取的基于网络的工具，允许最终用户通过输入结构信息来预测人体对有机化合物的呼吸刺激。该工具提供了关于预测可靠性的读数，以及该结构是否在训练数据集的模型适用性范围内。
用户将能够通过将其与结构相似的相邻列表进行比较来控制预测，从而显示出有关刺激的可用数据，以供进一步研究。
已登录用户界面在这里．
