可用于血液学（连续）终点基准剂量分析的毒理学相关基准反应

《Human & Experimental Toxicology》：Toxicologically relevant benchmark responses for benchmark dose analysis of (continuous) hematological endpoints

　　

摘要翻译：
在应用基准剂量（BMD）方法选择出发点（参考点）时，一个关键步骤是选择合适的基准反应（BMR）。对于连续毒性终点，BMR被定义为被认为非不良的应答最大变化。公认BMR具有终点特异性，并且对连续终点采用5%的默认BMR虽然简便，但可能导致健康指导值过于保守或保护不足。在本研究中，研究人员通过应用效应量（ES）理论，提出了连续终点的毒理学相关BMR。据此，基于对从国家毒理学计划（NTP）的化学效应生物系统数据库中获取的大量历史血液学数据集的分析，计算了各类红细胞（RBC）相关终点、白细胞（WBC）计数和血小板计数等血液学终点的BMR。分析显示，RBC终点的组内方差（var）通常低于血小板计数的方差，而WBC计数的方差是所分析终点中最大的。基于这些分析，研究人员建议采用终点特异性BMR：RBC相关终点为5%变化，血小板计数为10%，WBC计数为20%。这些建议基于啮齿动物数据，旨在为化学品重复（长期）暴露相关的人类风险评估提供信息。当获得更多数据时，这些建议将重新评估。分析结果证实了这些连续终点服从对数正态分布的假设。

论文解读：

**一、研究背景与问题**

在化学风险评估中，基准剂量（BMD）及其置信下限（BMDL）常被用作进一步危害表征的出发点（参考点）。对于连续毒性终点（如体重、肝酶浓度），BMD对应于预设的基准反应（BMR），即被认为超过该水平即视为不良效应的效应水平。BMR的定义及其数值选择是BMD分析中的重要决策。连续终点的BMR有不同的定义方式，包括相对于对照组组内变异的1倍标准差（1SD）方法，以及关注平均应答变化的方法。平均应答变化可表示为加性尺度上的差值（加性BMR），或相对于背景应答的倍数或百分比变化（乘性BMR）。从毒理学角度看，连续终点使用乘性尺度BMR最为合适，因为生物学因素通常以乘性方式作用于毒理学效应，并且乘性BMR可考虑（亚）人群的特异性背景应答，便于不同研究、物种和（亚）人群之间的BMD比较和外推。

然而，一个关键问题是：对于特定终点，多大的百分比变化可被视为非不良？理想情况下，BMR应基于生物学或毒理学依据，以区分非不良与不良应答变化（即毒理学相关BMR）。作为健康保护默认值，有时使用5%的BMR，但公认单一默认BMR并不能反映所有终点的毒理学或生物学相关BMR，合适的BMR可能因终点而异。例如，丙氨酸氨基转移酶活性（ALT）或基因突变频率的5%变化可能不被视为不良，其严重程度与脑重5%变化不等同。目前仅有少数终点具有基于毒理学的BMR，例如1998年联合国粮农组织/世界卫生组织农药残留联合会议认为乙酰胆碱酯酶活性（AChE）受抑制20%或以上为明确毒理学效应。为此，Slob提出了基于历史数据推导BMR的方法，即效应量（ES）理论。该理论建议将乘性BMR（以倍数变化表示）缩放至终点应答的最大倍数变化，从而考虑终点的自然变异性。本研究应用该方法计算了若干连续血液学终点的BMR，并根据集体结果和风险评估实践方面的考量提出了终点特异性BMR。所分析的终点包括：红细胞（RBC）计数、血细胞比容、血红蛋白浓度、平均红细胞体积、平均红细胞血红蛋白量、平均红细胞血红蛋白浓度等RBC相关终点，白细胞（WBC）计数，以及血小板计数。这些终点用于评估造血功能的影响，可能反映骨髓效应；RBC、WBC和血小板分别指示血液携氧能力、免疫系统和血栓止血系统。这些终点的升高或降低趋势可能与化学品重复（长期）暴露相关，并关联不同的健康效应。

**二、研究开展与主要结论**

研究人员从国家毒理学计划（NTP）的化学效应生物系统数据库获取了大量历史血液学数据（2023年1月24日提供）。该数据库主要包含NTP测试选择的化学品，包括内分泌干扰物、职业暴露混合物、农药、药品、金属、食品添加剂和草药补充剂等。获得的数据包含超过85万条来自动物研究的剂量-反应记录（其中超过99.7%来自大鼠和小鼠研究）。数据筛选标准为：仅纳入口服给药（水、饲料、灌胃和微囊化）后的一般毒性研究，暴露持续时间30天或更长，以关注重复（长期）口服暴露下的毒理学特征综合评估。根据研究标题、化学品名称、检测标准名称、旧检测名称、暴露持续时间、物种、品系、暴露途径、性别和组织等因子，将数据划分为个体剂量-反应数据集，共获得超过2300个数据集（全部为大鼠和小鼠研究）。为提高分析效率，先通过似然比检验进行预筛选，识别无显著剂量-反应趋势的数据集。结果显示1004个数据集显示显著趋势，其余1336个无显著趋势。对于每个血液学终点，分别估计组内方差（var），并基于ES理论计算最大倍数变化（M）和BMR。

研究采用PROAST软件（R包，版本71.1）进行剂量-反应分析。对于显示显著升高或降低趋势的数据，使用指数模型拟合，该模型包含背景应答参数a、效力参数b、最大倍数变化参数c和陡峭度参数d。由于数据对参数c的信息不足，将其固定为极大值（10¹⁸）或极小值（10^-18）。模型还包含组内变异参数var以描述随机抽样误差。无显著趋势的数据集单独使用零模型y=a分析。使用协变量方法估计每个终点的var，将数据集作为背景应答（和效力）的协变量，从而获得单一的var估计。根据ES理论，通过经验关系ln M = z·s（其中s为标准差，z约为7，90%置信区间5.9-8.9）从var计算M，再以α=1/8（小效应）作为指数计算BMR_fold = M^α = e^7s/8（约等于e^s）。同时采用α=1/4和1/2以展示α选择的影响，并考虑var和z的不确定性计算BMR范围。

**三、主要技术方法**

本研究主要采用以下关键技术方法：（1）从NTP化学效应生物系统数据库获取大量历史毒理学数据，来源为NTP（提供日期2023年1月24日），涵盖大鼠和小鼠研究。（2）应用效应量（ES）理论推导终点特异性BMR，即通过组内方差var估计最大倍数变化M，再以α=1/8缩放得到BMR。（3）使用协变量方法对多个剂量-反应数据集进行联合分析，以单一var估计反映终点的自然变异性。（4）使用PROAST软件（R包版本71.1）中的指数模型进行剂量-反应建模，并通过似然比检验进行数据预筛选。（5）通过残差图、QQ图及归一化剂量-反应图验证对数正态分布假设和模型拟合。

**四、研究结果**

**RBC相关终点**：以RBC计数为例，显著趋势数据集共135个（升高和降低合并）。估计var为0.00251（90% CI：0.00244-0.00258），SD为0.050（CI：0.049-0.051）。基于公式计算M为1.42（范围1.34-1.57），BMR_fold为1.04（范围1.04-1.06），对应百分比变化为升高4%（范围4%-6%）或降低4%（范围4%-5%）。单独分析升高和降低数据所得BMR均为4%，与合并分析一致。159个无显著趋势数据集的BMR也为4%。其他RBC相关终点（血细胞比容、血红蛋白浓度、平均红细胞体积、平均红细胞血红蛋白量、平均红细胞血红蛋白浓度）的M范围从1.13到1.52，推导的BMR_fold范围在1.02到1.05倍变化（即2%到5%）之间。这些结果表明RBC相关终点的变异相对较小，5%的小变化已可视为不良效应。

**WBC计数**：共89个显著趋势数据集。估计var为0.0608（CI：0.0588-0.0630），M为5.62倍（范围4.18-9.34），BMR_fold为1.24（范围1.20-1.32），对应WBC计数升高24%（范围20%-32%）或降低19%（范围16%-24%）。单独分析升高和降低数据分别得到BMR为23%（18%-31%）和20%（17%-26%）。205个无显著趋势数据集推导的BMR为升高25%（21%-34%）和降低20%（17%-25%）。WBC计数的变异是所分析终点中最大的。

**血小板计数**：共131个显著趋势数据集。估计var为0.0148（CI：0.0144-0.0152），M为2.34（范围2.03-3.00），BMR_fold为1.11（范围1.09-1.15），对应血小板计数升高11%（范围9%-15%）或降低10%（范围8%-13%）。分别分析升高和降低数据所得BMR均为11%（范围9%-14%）。170个无显著趋势数据集的BMR为升高15%（12%-19%）和降低13%（11%-16%），与显著趋势数据推导的结果一致。

**五、讨论与结论**

研究结果显示，RBC相关终点的变异范围很窄，这可能由于红细胞生成及相关过程受到严格调控，以及测量方法的一致性降低了测量误差。相比之下，WBC计数和血小板计数的变异较大，这与它们的功能有关：WBC是免疫系统的重要组成部分，需要能够显著变化以应对外来生物和恢复；血小板在止血中发挥关键作用，需要能够显著适应出血事件。这些结果与以往研究中报道的参考范围一致。研究人员基于ES理论推荐了终点特异性BMR：RBC相关终点为5%，血小板计数为10%，WBC计数为20%，并建议这些BMR适用于升高和降低两种剂量-反应关系。这些推荐值考虑了集体结果和风险评估的实际方面，包括解释和应用的简便性。研究还确认了连续终点在对数尺度上组内变异恒定的假设，即对数正态分布。ES理论为毒理学家和风险评估人员提供了一种直观和定量的方法来权衡效应或应答变化的严重性。这些BMR基于啮齿动物数据，用于告知化学品重复（长期）暴露相关的人类风险评估，未来获得更多数据时将重新评估。