基于决策树的光谱直接肽反应活性测定法优化及其在皮肤致敏性评估中的应用

《Food and Chemical Toxicology》：Refining of Spectrophotometric Direct Peptide Reactivity Assay (Spectro-DPRA) for In Vitro Skin Sensitization: A Novel Predictive Model Based on Decision Tree

本文推荐了一种优化光谱直接肽反应活性测定法（Spectro-DPRA）决策框架的研究，通过递归分割算法构建决策树模型，显著提升了皮肤致敏性危害识别的准确性（灵敏度>92%，特异性达86%）。该研究为替代动物实验提供了可靠工具，支持其在分层测试策略（IATA）和定义方法（DA）中的应用。

　　

Highlight

决策树模型的开发

从文献中收集了54种化学品（包括33种致敏剂和21种非致敏剂）的Spectro-DPRA数据（半胱氨酸/赖氨酸肽消耗率）及对应的LLNA体内结果，并给出了每种化合物双肽消耗率的算术平均值（见表2）。利用JMP?统计软件的"分区"模块，该平台评估所有可能的分割点，并选择能最大程度提高模型纯度的分割点。通过递归分割算法，生成了四种不同的分类定义。前三个模型基于单个决策节点生成分类定义，而第四个模型则融合了模型#1和模型#2的决策节点来制定分类定义。模型性能（准确性、灵敏度和特异性）通过Cooper统计量计算，结果见表4。基于54种参考化学品计算出的准确性显示，模型#3和模型#4在区分致敏剂和非致敏剂方面表现最佳，准确性分别为90.7%和92.6%。因此，选择模型#3和模型#4进行进一步优化，并建立与皮肤致敏性效力相关的截止值。

讨论

皮肤致敏性是一种半抗原特异性的迟发型超敏反应。致敏剂作为半抗原，本身不具有免疫原性，因此不能直接引发致敏。反应性化学物质与内源性皮肤蛋白中的亲核残基之间形成共价加合物，对于启动皮肤致敏性至关重要。根据先前的研究，由韩国爱茉莉太平洋研发中心开发的Spectro-DPRA显示出与DPRA和ADRA相当的预测性能，但具有更高的通量和成本效益。然而，其原始分类阈值与DPRA中建立的阈值不同，这可能导致在整合到分层测试策略或定义方法时出现不一致。本研究通过开发决策树模型优化了Spectro-DPRA的阈值参数，提高了其预测性能，并支持其作为动物实验替代方法在皮肤致敏性危害和效力评估中的应用。

CRediT authorship contribution statement

Yong Lu: 监督，资金获取。 Wenting Liao: 撰写初稿，软件，方法论。 Feiya Luo: 撰写审阅和编辑，撰写初稿，方法论，调查。 Ting Liu: 资源，方法论。 Shuxia Xing: 撰写审阅和编辑，监督。 Huiliang Zhang: 资源，方法论

Uncited reference

Avonto et al., 2015.

Declaration of Competing Interest

作者声明，他们没有已知的竞争性财务利益或个人关系，这些利益或关系可能影响本报告的工作。

Funding

本研究得到了中国"十四五"国家重点科学仪器设备开发项目（项目编号2022YFF0711100）的资助。

Declaration of Competing Interest

?? 作者声明，他们没有已知的竞争性财务利益或个人关系，这些利益或关系可能影响本报告的工作。