农用化学品配方毒性分类与数据共享集成网络平台

农化产品通常是许多物质的配方，每种物质都会对产品的总体毒性构成影响。尽管这些成分的一部分可能已经在以前的用途中测试过其危害特性，但必须根据联合国化学品全球统一分类和标签系统(GHS)要求等国际准则对新配方进行分类和标签评估。这需要在活的有机体内研究经常导致动物的疼痛、不适和死亡。在开发和使用方面已经取得了一些进展在网上针对单一化学品和混合物的特定急性终点的方法，但这些方法有许多限制，限制了它们的使用。这一挑战旨在发展创新、综合在网上在不使用动物或生产新农药制剂的情况下，更好地预测GHS分类类别中对口腔、皮肤和眼睛的急性刺激在体外数据。

在这里，由来自SimOmics有限公司和约克大学的Jon Timmis教授领导的多学科团队提议开发一种基于网络的工具，该工具可以重用现有的毒理学数据来预测新配方的GHS分类，而无需进一步研究在活的有机体内研究。他们的建议包括建立一个数据库，将先前生成的一系列物质和配方的毒理学数据存储起来。机器学习将提取数据库中物质之间的关系，并将用于预测新配方的GHS分类。该团队将提出一个合理的论点，包含相关证据，将详细说明分类是如何派生的，他们将识别新的(理想情况下)在体外)的研究，由于缺乏数据而无法进行分类。

关于这次CRACK IT挑战赛的详细信息可以在破解它的网站．

农化产品通常是许多物质的配方，每一种都对产品的总体毒性有贡献。尽管这些成分的一部分可能已经在以前的用途中测试过其危害特性，但必须根据联合国化学品全球统一分类和标签系统(GHS)要求等国际准则对新配方进行分类和标签评估。

通过“最大化挑战”，Simomics的团队开发了一个网络部署平台，该平台整合了毒理学数据库和在网上为更好地预测农药制剂开发中急性口腔、皮肤和眼睛刺激的GHS分类类别提供了方法。

该数据库使用来自类似农用化学品配方、个别活性物质和任何辅助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用化学品配方作为已知物质的混合物。新配方经过一系列测试在网上分类预测算法包括神经网络和编码GHS引导逻辑的专家系统，用于桥接原理和计算方法。

该平台被设计为易于扩展，以纳入新的机器学习分类器，并允许对所有适用的毒性预测运行在网上框架中实现的方法。证据权重报告由总结GHS预测的平台生成，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，用于急性口腔、皮肤和眼睛刺激的研究。在这一挑战中开发的方法可以通过在GHS分类中重复使用以前生成的动物源性毒性数据来替代新的动物研究的需要。这项技术也适用于其他行业，如制药行业，这些行业也依赖于动物实验来评估配方的毒性。

有关最大化平台的更多信息，请联系保罗博士安德鲁斯在第一个案例中。