《Toxics》：Accelerating Cosmetic Innovation Through Next-Generation Computational Toxicology: From Structural Alerts to Molecular Dynamics and Artificial Intelligence for Skin Sensitization Assessment
编辑推荐：
皮肤致敏仍是化妆品原料开发中关键的毒理学终点，尤其在加速创新周期与日益严格的安评要求下。尽管新途径方法(NAMs)在该终点上已取得较高监管成熟度，多数计算方法（包括结构警报、read-across与定量构效关系模型）主要依赖化学结构与统计关联，对致敏底层分子过
皮肤致敏仍是化妆品原料开发中关键的毒理学终点，尤其在加速创新周期与日益严格的安评要求下。尽管新途径方法(NAMs)在该终点上已取得较高监管成熟度，多数计算方法（包括结构警报、read-across与定量构效关系模型）主要依赖化学结构与统计关联，对致敏底层分子过程表征有限。研究人员提出一种透明可检验的计算框架，整合常规化学描述符、反应域信息、共价对接、分子动力学模拟与机器学习方法。该框架围绕皮肤致敏不良结局通路(AOP)组织，聚焦分子起始事件(MIE)及角质形成细胞活化相关选定分子过程，生成机制知情描述符，包括反应几何、残基可及性、相互作用持久性、构象行为，以及涉及KEAP1–NRF2调控轴的扰动假设。该工作流不作为实验NAMs或定义方法(DAs)的替代，而是作为互补的分层证据层，用于结构明确化妆品原料的早期优先排序与指导后续实验。其未来价值取决于模块级验证、增量预测性能展示、显式适用域与不确定性评估、计算可扩展性及与既有NAM结果的前瞻比较。
研究背景方面，全球化妆品行业在快速创新周期下，皮肤致敏作为关键毒理学终点日益重要，自感敏感皮肤人群比例高，临床斑贴试验显示皮肤反应物质范围扩大。现有实验方法（如Direct Peptide Reactivity Assay(DPRA)、KeratinoSens?、h-CLAT等NAMs及OECD 497定义方法(DAs)）虽成熟但仍耗时、昂贵，对难溶、疏水、氧化还原活性物、纳米材料或复杂混合物存在技术限制，延迟评估可致后期配方返工与成本上升。传统计算毒理学（结构警报、read-across、QSAR）多基于结构与统计关联，对AOP中MIE之后的角质形成细胞活化、树突细胞成熟等机制表征不足，单一QSAR仅覆盖部分生物事件。因此研究人员提出超越结构警报与QSAR、引入分子模拟作为AI机制层的新框架。
主要关键技术方法方面，研究人员采用五阶段概念综合流程：生物与监管锚定（以皮肤致敏AOP为支架，映射DPRA/kDPRA→MIE、KeratinoSens→KE2、h-CLAT→KE3）、现有计算法映射、操作缺口识别（表示/覆盖/验证/转化缺口）、候选组件筛选（保留结构警报与反应域、加共价对接、分子动力学(MD)、KEAP1中心模块、常规描述符、多模态机器学习）、框架集成（五层模块化架构）。分子模拟层使用共价对接评估亲电体-亲核残基几何可行性，MD模拟（取RMSD、RMSF、接触占据频率等动态描述符）引入时间维，KEAP1模块针对Cys151/Cys273/Cys288生成扰动描述符，最后由多模态机器学习（含MLP、RNN等深度架构）融合常规描述符与模拟派生特征，不进行独立外部队列实验，仅做概念框架推演。
研究结果各节结论如下：第1节阐明皮肤致敏在化妆品开发中的临界性，指出现有实验NAMs成本高且对特殊物性化合物受限，催生早期计算优先排序需求。第2节梳理NAMs监管格局，DPRA代表MIE、KeratinoSens代表KE2(NRF2/ARE)、h-CLAT等代表KE3，OECD 497的DAs通过固定解释流程整合多NAM提升置信度。第3节总结计算法进展与局限，结构警报与read-across缺机制深度，QSAR依赖结构描述符统计关联，既有无框架将共价对接+MD+AOP机制描述符+深度学习统一覆盖多KE。第4节论证分子对接与MD作为AI机制层价值：对接产氢键/疏水/静电/结合能等静态描述符，MD补构象稳定性与接触持久性等动态描述符，二者派生指纹丰富传统化学指纹，使深度学习能学非线性跨KE关系。第5节给出框架开发策略与证据-设计可追溯性：以表2矩阵链接证据类-局限-设计要求-组件-基准，明确MIE与KE2选为分子尺度模块，KE3/KE4因涉细胞免疫过程不纳入模拟；KEAP1模块仅作KE2分子代理而非重现角质细胞活化。第6节提出下一代工作流：MIE计算对应物用DPRA肽段面板的共价对接+MD生成Lys/Cys相互作用描述符，KE2对应物用KEAP1域对接+MD表征Cys传感器扰动，最终融合物理化学/结构/反应域/毒动描述符入多任务深度学习。第7节定义适用域（明确小分子有机、排除混合物/植物提取物/聚合物/金属/纳米材料/需代谢活化未显式生成产物者），验证需先模块级基准（MIE对DPRA耗竭、KE2对KeratinoSens），再化学信息划分外部集评估，含不确定性校准与不可结论输出。第8节结论强调本视角非已验证模型，而是透明可检验架构，价值取决于模块验证、增量性能、不确定性刻画与前瞻对比。
讨论与结论翻译：本视角主要贡献不在于给出已验证皮肤致敏模型，而在于阐述将物理信息分子描述符纳入AOP导向预测的透明可检验架构。既有专家系统、QSAR、AOP知情AI与监管DAs提供必要基准且不应被替代；所提框架旨在探明共价几何、残基级相互作用与构象动态是否为早期原料优先排序提供互补信息。工业视角下，它按信息层递进实施，支持知情决策、早期识别致敏风险、指导需补充实验候选物的优先排序。其科学、工业与监管价值最终取决于模块级验证、增量预测性能演示、显式不确定性表征、计算可扩展性及与既有NAMs和DAs的前瞻比较。
（全文约1500字，发表于《Toxics》）
