基于CASE Ultra与QSAR Toolbox的化学品基因毒性与致癌性计算机预测模型评估及其在健康风险评估中的应用

本文系统评估了CASE Ultra与QSAR Toolbox两款计算机（in silico）预测工具在基因毒性（genotoxicity）和致癌性（carcinogenicity）预测中的性能，其平衡准确率分别达到80–85%和79–86%，展现了计算机模型在替代动物实验、支持下一代风险评估（NGRA）和法规决策中的巨大潜力。

　　

Highlight

材料与方法

我们随机选取了200种化学品，涵盖工业品、药品、农药、食品添加剂、生物杀灭剂、香料、天然产物、化妆品成分和亚硝胺等多种类别，以确保化学多样性。这些物质均基于已有同行评审数据筛选，以支持稳健的计算机分析。

结果

本研究深入揭示了CASE Ultra与QSAR Toolbox（包括其分析器）在预测性能上的显著差异。基于所汇总的基因毒性和致癌性警报信息，我们将化合物分类为真阳性（TP）、假阳性（FP）、真阴性（TN）和假阴性（FN），并据此计算了各项性能指标。

讨论

众多公认的体外（in vitro）和体内（in vivo）试验可用于识别与DNA损伤及其修复相关的危害。这类损伤可能引发基因突变、染色体损伤和数目改变，进而导致致突变性和致癌性。

ICH指南建议采用一系列试验对药物进行基因毒性测试，包括细菌基因突变研究、哺乳动物细胞DNA损伤试验和一项体内遗传损伤试验。

结论

总之，我们的结果表明，CASE Ultra和QSAR Toolbox等计算机模型在各种基因毒性和致癌性终点上的预测准确性与传统实验方法相当。

在基因毒性方面，CASE Ultra的平衡准确率为80%，QSAR Toolbox为85%，其分析器为62%，各模型在识别真阳性和真阴性上表现出不同的灵敏度和特异性。在啮齿类动物致癌性方面，CASE Ultra的平衡准确率为79%，QSAR Toolbox为86%，分析器为66%，突显了这些模型在致癌性风险评估中的实用性。