Anvendelsen af (Q)SAR modeller til toksikologiske farevurderinger

Eva Bay Wedebye & Nikolai Georgiev Nikolov (Danmarks Tekniske Universitet, Fødevareinstituttet)

NB. Artiklen er udgivet i Damarks 3R-Centers Årsrapport 2024

Quantitative Structure-Activity Relationships – QSARs - er som oftest computermodeller udviklet via kunstig intelligens (machine learning) til at forudsige egenskaber, herunder toksicitet/økotoksicitet, af kemiske stofer. SARs er beslægtede modeller, som typisk inkorporerer ekspertviden om kemiske fragmenter (”alerts”), hvis tilstedeværelse er forbundet med den modellerede effekt eller egenskab. I vore dage er SARs som regel også indkodet i computermodeller, og der er i praksis også andre overlap med QSARs, så ofte anvendes fællesbetegnelsen (Q)SAR for modellerne. Disse modeller betegnes også ”in silico”, som dog er en bredere kategori, der også indeholder andre typer modellering i computere såsom molekylær docking, hvor bindingsenergien til proteiner kan beregnes for kemiske strukturer.

Fælles for (Q)SAR modeller er en underliggende hypotese om, at stofer med sammenlignelig kemisk struktur vil have sammenlignelige egenskaber. Modellerne er baseret på træningssæt af kemiske stofer, hvor der er empirisk viden om den modellerede egenskab. De modellerede egenskaber kan eksempelvis være mekanistiske egenskaber, såsom binding til eller aktivering af en receptor, eller efekter i dyr, som er målt i dyreforsøg. Modellerne indeholder algoritmer/regler for, hvad der på baggrund af empirisk evidens er fundet betydningsfuldt i den kemiske struktur ift., om det kemiske stof ville give eller ikke give den modellerede egenskab, eksempelvis hudallergi, hvis den tilsvarende eksperimentelle test blev foretaget (fx Local Lymph Node Assay i mus).

Mange modeller giver binære (ja/nej) eller andre typer kategori-forudsigelser (lav, moderat, stærk) og andre kan give kvantitative forudsigelser af effekt (effekt doser/-koncentrationer). Når først en computermodel er udviklet for en given egenskab eller effekt, kan den udføre forud sigelser for tusindvis af kemiske stoffer på få timer ud fra computer-læsbare koder for deres kemiske struktur. QSAR-modeller kan dermed bidrage til screening og prioritering samt til vurdering af mulige humantoksiske eller økotoksiske effekter på en omkostningseffektiv måde - og uden brug af dyreforsøg.

Men hvordan bliver disse typer modeller brugt i dag?

Anvendelse af (Q)SAR og andre in silico meto der er integreret i fere EU-reguleringer, herunder for plantebeskyttelsesmidler (pesticider) og biocider, hvor (Q)SAR kan bruges i vurderinger af ned brydningsprodukter, for ingredienser i kosmetik, hvor dyreforsøg ikke er tilladt, samt i kemikaliereguleringen REACH, hvor (Q)SAR og andre alternative metoder skal vurderes, inden dyreforsøg evt. kan komme i betragtning. (Q)SAR forudsigelser anvendes eksempelvis også, når myndighederne evaluerer oplysningerne, som industrien har indsendt på de REACH-registrerede stoffer. Europa-Kommissionen arbejder desuden på en køreplan for at udfase dyreforsøg til test af kemiske stoffer, som forventes at komme i 2025 eller 2026.

Ifølge den seneste rapport fra 2023 fra det Europæiske Kemikaliagentur ECHA, om den nuværende brug af alternative metoder til at opfylde informationskravene for kemikalier, der registreres under REACH, blev QSAR ”kun” anvendt som ”stand-alone” til at dække standard-informationskravene i ca. 3 pct. af tilfældene. Men derudover bruges (Q)SAR sammen med anden tilgængelig information i en ikke angivet andel af weight-of-evidence vurderinger, som blev brugt til at opfylde standard-informationskrav i 4 pct. af tilfældene, samt i såkaldte read-across vurderinger, som blev brugt til at opfylde standard-informationskravene i ca. 23 pct. af tilfældene.

Read-across er dermed ifølge rapporten den mest anvendte alternative metode til at give information, der ellers ville komme fra eksperimentelle for søg, herunder dyreforsøg. Read-across er en form for ekspertvurdering, hvor data fra et eller flere kemiske stoffer bruges til at forudsige toksiciteten af et eller fere strukturelt lignende kemiske stoffer.

(Q)SAR-modeller kan i en sådan vurdering hjælpe med at identificere de strukturelle egenskaber, der påvirker den vurderede toksicitet og derved give et væsentligt bidrag til den videnskabelige hypotese/ argumentation for pålideligheden af read-across forudsigelsen.

Weight-of-evidence vurderinger i såkaldt Inte grated Approaches to Testing and Assessment (IATA)¹, kombinerer forskellige data og metoder, herunder (Q)SAR modeller, for at give en holistisk vurdering af et kemisk stof. Dette inkluderer både (Q)SAR og eksperimentelle data for at forbedre beslutningstagningen. Ved at integrere forskellige typer data kan IATA give en mere omfattende vurdering af kemiske stoffers egenskaber og dermed enten målrette eller reducere behovet for eksperimentelle undersøgelser, herunder dyreforsøg.

Myndighederne i Europa og andre steder i verden oplever i stadig større omfang at skulle vurdere, om information fra (Q)SAR modeller er tilstrækkeligt relevante og pålidelige i forhold til et givent regulatorisk formål. Der har derfor i en årrække været udtrykt ønske i OECD om at udvikle vejledning for vurdering af (Q)SAR forudsigelser, og det førte til udgivelsen i 2023 af OECD’s ”(Q)SAR Assessment Framework”² (QAF), der linker op til OECD’s principper for validering af (Q)SARs til regulatorisk brug fra 2004. Det nye framework giver vejledning til den regulatoriske vurdering af (Q)SAR modeller og deres forudsigelser i form af en tjekliste og hjælp til evaluering af individuelle elementer i tjeklisten.

En anden form for anvendelse af forudsigelser, hvor (Q)SAR indgår, er såkaldte ”Defned approaches”. I 2021 vedtog OECD den første guideline for defined approaches for hudallergi³, der kombinerer brug af in silico, in chemico og in vitro data ved en defneret data-integrerings-procedure til at erstatte brug af dyreforsøg i mus, nærmere bestemt testen Local Lymph Node Assay, LLNA).

Disse defined approaches forudsiger klassificeringer fra FNs globalt harmoniserede klassificeringssystem, GHS. Forudsigelserne falder under princippet om gensidig accept af data (”MAD”), ligesom eksperimentelle data opnået ved brug af andre OECD guidelines. Den nye guideline kan eksempelvis anvendes under den Europæiske kemikalieregulering REACH til at erstatte LLNA testen, og her behøver myndighederne ikke anvende QAF til at vurdere forudsigelserne, da det allerede er en helt defneret brug af specifikke modeller, der er fastlagt i guidelinen.

(Q)SAR kan også anvendes i udviklingen af mere sikre og bæredygtige kemikalier i en ”Safe and Sustainable by Design” (SSbD)⁴ tilgang ved i designfasen at inddrage forudsigelser om mulige iboende farlige egenskaber. Det kan eksempelvis bidrage til at undgå, at et problematisk kemisk stof substitueres af et nyt stof uden megen eksperimentel viden om dets ”farligheds-profil”, som senere viser sig at kræve opfølgende dyreforsøg, fordi der er mistanke om risici for mennesker og/eller miljøet.

EFSA’s Compendium of Botanicals⁵ er en database over naturligt forekommende stofer i ingredienser i mad eller kosttilskud med mulig bekymring for menneskers sundhed. I mange tilfælde mangler disse stoffer information fra eksempelvis dyreforsøg om deres mulige farlige egenskaber. Derfor anvendes (Q)SAR-modeller til at bidrage til at identificere potentielle farlige effekter. Vores QSAR team på DTU Fødevare instituttet har til dette formål bidraget med forudsigelser fra (Q)SAR modeller fra vores frit tilgængelige Danish (Q)SAR Database⁶, eksempelvis for akut toksicitet i rotter (LD50), kræftfremkaldende effekter i mus og rotter, mutagene effekter in vitro og in vivo, samt aktivitet af relevans for hormonforstyrrende effekter herunder i relation til EATS (dvs. østrogene-, androgene-, og thyroid-effekter samt indvirkning på syntesen af steroidhormonerne m.v.).

Den opdaterede database forventes snart offentliggjort. Den danske (Q)SAR database anvendes også af vores QSAR-team i rådgivningsopgaver for især Miljøstyrelsen til fx kemikalievurderinger og vejledninger om anvendelse af metoderne i nationale og internationale sammenhænge. Vi anvender den også i screeningsprojekter, eksempelvis til Miljøstyrelsens liste⁷ med vej ledende selvklassificeringer for mere end 54.000 stoffer baseret på (Q)SAR forudsigelser for akut dødelig virkning ved indtagelse, allergifrem kaldende virkning ved hudkontakt, allergi frem kaldende virkning ved indånding, kræftfremkaldende effekt, skader på arveanlæggene, reproduktionsskadelig virkning og vandmiljø effekter For lægemidler bliver (Q)SAR og in silico ekspert systemer brugt til vurdering af om urenheder er DNA-reaktive (mutagene)⁸.

Ydermere kan modellerne anvendes til screening af potentielle farer af nye lægemiddelkandidater tidligt i udviklings processen og bidrage til at stoffer med farlige bivirkninger kan screenes ud, inden der investeres flere ressourcer i dem. For lægemidler, der har været testet i kliniske forsøg eller er blevet trukket tilbage på grund af bivirkninger, kan (Q)SAR-modeller trænes direkte på humane data, og sådanne modeller kan bruges til at forudsige mulig toksicitet direkte i mennesker frem for i dyremodeller, som derefter så skal ekstrapoleres til effekter i mennesker.

Disse anvendelser viser, hvordan (Q)SAR bidrager i den igangværende omstilling mod i højere grad at basere vurderinger af kemiske stoffers farlige egenskaber på resultater fra alternative metoder på en måde, hvor man forsøger at undgå at gå på kompromis med sikkerheden eller endda forbedre den, og hvor informationsniveauet kan højnes for kemiske stoffer, hvor der er få eller ingen regulatoriske krav til eksperimentel information, eksempelvis fra dyreforsøg. Som beskrevet kan (Q)SAR forudsigelser som oftest ikke 1:1 erstatte en test i et dyreforsøg, men de kan indgå i en samlet vurdering eller read-across sammen med resultater fra andre alternative metoder for et stof og ad den vej bidrage til at erstatte dyreforsøg. I de tilfælde hvor de alternative metoder giver tilstrækkeligt pålidelige og relevante resultater i.f.t. den reguleringsmæssige sammenhæng, anvendes de som ægte alternativt til eksperimentelle undersøgelser, herunder dyreforsøg, som dermed undgås. I tilfælde hvor de ikke er tilstrækkelige, kan de ofte anvendes som supplerende metoder og til at målrette eksperimentelle undersøgelser eller evt. minimere deres omfang.

Tilmeld dig Danmarks 3R-Centers nyhedsbrev.