智能/TG+研究：加速新方法（NAMs）在监管毒性测试中应用的桥梁

《Archives of Toxicology》：Reduction through refinement: bridging animal studies and NAMs through ‘omics technologies enriched regulatory studies

　　罗素和伯奇（Russell和Burch，1959）提出的3Rs概念标志着科学研究中减少动物使用的一种结构化方法的开端。该概念包含三个互补要素：替代（Replacement）、减少（Reduction）和优化（Refinement），即3Rs。近五十年后，美国国家研究委员会的报告《21世纪毒性测试：愿景与策略》（Council，2007）提出了一项根本性转变，即从传统的基于动物的毒性测试转向与人类相关、基于机制的方法。该报告设想使用体外试验、计算模型和系统生物学工具来识别化学物质对生物通路的干扰，而不是主要依赖在动物身上观察到的终末效应。这种方法的好处在于，可以使用代表人体生理学的系统进行有依据的测试，而无需依赖生物替代品。然而，它面临的挑战是可能不足以充分保护人类健康，这是一个重大的监管障碍，尤其是对于重复剂量终末效应而言。这一愿景已成为新方法（NAMs）开发与实施的主要驱动力。如今，21世纪已过去超过四分之一，取得了相当大的进展，特别是在替代领域。计算机模拟和体外方法的发展迅速扩展，为危害识别和机制研究提供了前所未有的工具范围。然而，NAM开发的成功也带来了新的挑战。NAM的验证工作并未跟上其开发步伐；对于监管决策而言，验证过程中考察的要素，如重现性、灵敏度或特异性，至关重要。为了在经济合作与发展组织（OECD）成员国监管机构之间实现数据互认，以促进全球范围的使用和接受，NAMs还必须被纳入OECD测试指南。此外，可用的试验和平台数量持续增长，使得数据的选择、解释和整合越来越耗费资源。更多的试验并不自动转化为改进的危害信息和风险评估。因此，需要制定策略来提高生成相关信息并将其纳入监管安全性评估的效率。最后，实施此类方法，无论它们多么完善，都需要监管框架具有相应的灵活性。诸如REACH等法规常常明确要求某些动物试验，而不是规定某个终末所需结论和置信水平。只有对所使用的任何替代方法有足够信心，才能克服这一障碍。由于当前系统对动物数据具有强烈的历史偏好，这必然需要在监管机构习惯的数据与新系统提供的数据之间进行某种衔接。这种衔接的一个重要部分将是理解新方法在哪些方面能够提供等效信息，以及在哪些方面可能存在重要差异和潜在空白，而计算机模拟和体外方法无法重现这些内容。计算机模拟工具可以通过基于化学结构和其他特性识别可能的生物学靶点、通路和毒理学关注点，来支持体外方法的合理选择。包括欧洲化学工业生态毒理学和毒理学中心（ECETOC）在内的多个组织，提出了结合计算机模拟和体外方法的分层方法，以识别和表征潜在危害（Ball等，2022）。然而，此类框架认识到，尽管取得了重大科学进步，但仅依靠当前的NAMs来证明风险或危害的“不存在”仍然具有挑战性，尤其是对于多器官效应引起的危害。证明风险或危害的不存在仍是化学品、药品和植物保护产品安全使用的基本要求。因此，作为分层评估框架的一部分，如果先前的计算机模拟和体外证据仍然不足，ECETOC框架包括一个最终层级，即针对性的、改进的、信息丰富的智能体内研究。这些研究利用先前计算机模拟和体外调查获得的信息进行设计，并特别关注特定化合物所确定的最相关的毒理学作用模式。这些“智能研究”的显著特征是，它们不仅旨在满足监管要求，而且旨在最大化每只实验动物所获得的科学价值。除了传统的毒理学终末（如器官重量、病理学或组织病理学）外，此类研究还可纳入毒代动力学测量、代谢组学、选定靶器官的转录组学以及其他组学技术。目标是生成机制信息，以改善危害表征、减少不确定性并支持人类相关性评估。监管机构中也正在出现非常相似的概念，在“技术指南加”（TG+）研究的理念下，纳入组学技术的强化研究日益受到讨论（Marx-Stoelting等，2023）。TG+的优势在于可根据技术指南（在数据互认条件下）进行，同时提供额外的机制数据。此类数据也可用于建立机制理解数据库，并直接比较新的体外方法与测试指南研究。重要的是，这种方法为加强3Rs中的另外两个要素——减少和优化——提供了机会。传统上，优化侧重于最大程度减少疼痛和痛苦。然而，优化也可以从科学角度来审视。通过增加每项研究获得的信息量和质量，可能减少达成监管决定所需的研究总数。从这个意义上说，优化成为减少的直接驱动力——这一概念可称为“通过优化实现减少”。该概念最初由van Ravenzwaay等人（2012）在血浆代谢组学背景下提出，并在2026年ECETOC研讨会上进一步扩展（ECETOC，2026），以纳入额外的组学技术和系统毒理学方法。智能研究和TG+研究的基本目标都是提高任何仍属必要的体内研究的价值。由此产生的机制数据可以改善风险和危害评估，支持人类相关性评价，促进交叉参照方法，并可能有助于研究豁免策略，或者如果立法者批准，减少法律数据要求中的动物研究数量。此外，这些数据可为传统动物研究与未来基于NAMs的监管框架之间提供重要桥梁。实施此类方法的技术指导文件也已可用。例如，最近的OECD活动处理了诸如用于组学分析的生物样本采集（OECD，2025）、报告标准（OECD，2023）等问题。也许最重要的是，将组学技术纳入针对性的体内研究提供了一个独特机会，以建立对机制数据在监管使用中的信心，从而解决因历史数据偏好而产生的信心障碍。这种信心最终可能促进由体外NAMs生成的类似数据的接受。因此，智能或TG+研究不应被视为NAMs的竞争者，而应被视为能够加速其验证、解释和监管实施（包括体外测试）的赋能技术。随着可用体外试验数量的持续增加，纳入信息丰富的方法也可能有助于确定优先级并简化体外测试策略。未来的方法可能不再需要大量单独的试验，而可能越来越多地依赖于少数高度信息化的方法，这些方法能够生成支持稳健监管决策的机制特征。结论虽然动物研究的替代正在取得进展，但在监管过渡期间，一些重复剂量动物研究仍将必不可少。因此，剩余的动物研究应成为信息丰富的研究，并同时生成加速对NAMs信心和接受所需的桥梁证据。因此，我们认为智能/TG+研究是更广泛应用NAMs的重要促进因素，因为它们搭建了桥梁，加速向未来动物研究在监管目的中变得日益不必要的过渡。这一概念需要在监管机构、行业、动物福利代表以及NAMs开发者之间进行更广泛的讨论，并可能代表3Rs概念在监管背景下演变和应用的重要下一步。