Validation of OECD QSAR Toolbox profilers for genotoxicity assessment of pesticides using the MultiCase genotoxicity database：对农药遗传毒性评估的关键探索

在遗传毒性评估中，QSAR 模型应用广泛，但 OECD QSAR Toolbox 分析器的可靠性存疑。研究人员用 MultiCASE 数据库数据验证其准确性，发现无警报与实验阴性结果相关性好，纳入代谢模拟可提高准确性。该研究为遗传毒性评估提供参考。

　　在化学物质的安全评估流程里，遗传毒性评估是极为关键的一环。传统的体外和体内遗传毒性检测方法，虽已被经济合作与发展组织（OECD）标准化，但存在诸多问题。一方面，这些检测手段往往需要耗费大量的资源，从人力、物力到财力，都给相关研究和评估工作带来不小的负担。例如，为了全面评估一个化学物质的遗传毒性，可能需要进行一系列不同的检测试验，每个试验都需要专业的设备、试剂以及专业人员的操作，成本高昂。另一方面，随着对动物保护意识的增强，传统的动物实验面临着动物福利方面的挑战。

在这样的背景下，计算机辅助的虚拟筛选（in silico）技术逐渐崭露头角。in silico 模型通过分析化学物质的分子结构与生物活性之间的关系，构建出定量构效关系（QSAR）模型。这些模型在多个领域，如制药和农药行业，展现出巨大的潜力。它们不仅能显著降低评估成本，还能加快安全评估的进程，甚至可以对那些难以通过实验直接检测的物质进行评估。

然而，在 in silico 技术的应用中，OECD QSAR Toolbox 中的分析器（profilers）存在一些问题。虽然该工具是免费且透明的系统，旨在通过将有机物质分类来填补数据空白，但其中的分析器并不建议直接用于预测。此前的研究发现，这些分析器在预测遗传毒性时，假阳性的问题较为突出，给评估工作带来了困扰。同时，其 “Alert Performance” 功能虽然能评估警报与预期效果的一致性，但计算过程复杂，且不同数据库计算出的结果差异较大，影响了预测的可靠性和一致性。在欧盟对农药代谢物的膳食风险评估中，就面临着如何协调 OECD QSAR Toolbox 分析器预测结果与其他第三方 QSAR 模型结果冲突的难题。

为了解决这些问题，来自多个研究机构的研究人员（文中未明确具体研究机构）开展了一项研究。他们以 OECD QSAR Toolbox v4.6 中的分析器为研究对象，利用 MultiCASE 的商业数据库扩展而成的包含多种化学物质遗传毒性实验数据的数据集，对这些分析器在预测农药遗传毒性方面的表现进行了深入探究。研究主要聚焦于分析器的预测性能，包括敏感性、特异性、准确性等指标，同时考察了代谢模拟以及 MultiCASE 开发的失活片段对分析器性能的影响。

研究人员采用的关键技术方法主要是运用 OECD QSAR Toolbox 中的分析器，对包含细菌诱变试验（AMES）和体内微核试验（MNT）实验数据的化学物质数据集进行分析。数据集来源于 MultiCASE 的扩展商业数据库，涵盖了工业化学品、化妆品等多种物质。通过计算分析器在不同处理程序下的性能统计指标，来评估其预测能力。

在研究结果部分，研究人员通过外部验证评估了不同分析器对 AMES 和 MNT 实验数据的预测性能。结果显示，分析器无警报的情况与实验阴性结果之间呈现出良好的相关性。然而，MNT 相关和 AMES 相关分析器的计算准确性存在较大差异，MNT 相关分析器的准确性在 41%-78% 之间，AMES 相关分析器的准确性在 62%-88% 之间（包含和不考虑代谢的全数据集）。进一步研究发现，纳入代谢模拟后，AMES 全数据集的准确性提高了 4-6%，MNT 全数据集的准确性提高了 4-16%。

在研究结论和讨论部分，研究表明，OECD QSAR Toolbox 分析器在遗传毒性评估中具有一定的参考价值，其无警报的结果能在一定程度上反映化学物质遗传毒性较低的可能性。但由于其阳性预测结果准确性存在波动，需要专家进行仔细审查，不能单纯依靠分析器进行预测。这一研究为在遗传毒性评估的证据权重框架中，合理使用 OECD QSAR Toolbox 分析器提供了重要参考，有助于研究人员和评估人员更准确地判断化学物质的遗传毒性，在农药等化学物质的安全评估工作中具有重要意义。该研究成果发表在《Computational Toxicology》上，为相关领域的研究和实践提供了有价值的借鉴，推动了遗传毒性评估技术的发展和完善。