Các Phương Pháp In Silico Xác Định Đặc Tính Nguy Hại

Việc ban hành Quy định (EC) số 1223/2009 về sử dụng mỹ phẩm tại EU đã thúc đẩy sự phát triển của các phương pháp và thử nghiệm thay thế mới để đánh giá mức độ nguy hại của thành phần mỹ phẩm. Các mô hình in silico, đặc biệt là mối quan hệ định lượng giữa cấu trúc và hoạt tính [(Q)SARs] và mô hình Read-Across, đóng vai trò then chốt trong việc đánh giá hồ sơ độc tính của thành phần, đồng thời là phương pháp thay thế nhanh chóng và đáng tin cậy cho các phương pháp in vivo và in vitro.

Việc sử dụng các mô hình in silico ngày càng được ưa chuộng trong nhiều khung pháp lý khác nhau, tùy thuộc vào lĩnh vực ứng dụng (ví dụ: REACH, chất diệt sinh vật, mỹ phẩm, quy định về vật liệu tiếp xúc với thực phẩm, tạp chất, v.v.). Điều này được khuyến khích bởi Quy định REACH 1907/2006/EC, cũng như Hướng dẫn của Ủy ban Khoa học về An toàn Người tiêu dùng (SCCS) trong việc đánh giá thành phần và sản phẩm mỹ phẩm nhằm nâng cao hiệu quả trong quá trình phát triển và/hoặc đánh giá một chất trước khi đưa ra thị trường.

Các phương pháp In Silico:

Toxicology in silico bao gồm nhiều công cụ tính toán khác nhau, bao gồm cơ sở dữ liệu, phần mềm tạo mô tả phân tử, công cụ mô phỏng và phương pháp mô hình hóa.

Các mô hình và công cụ in silico có thể dự đoán hiệu quả và độc tính của một chất, dựa trên nguyên lý rằng đặc tính cấu trúc phân tử có thể liên hệ với các tính chất vật lý và sinh học của chất đó.

Các phương pháp in silico khác nhau có thể được sử dụng kết hợp theo cách tiếp cận dựa trên trọng số bằng chứng (Weight-of-Evidence – WoE). Ba phương pháp chính gồm:

Read-Across: So sánh với các chất tương đồng (phân nhóm, lấp đầy khoảng trống dữ liệu)
Read-across được xem là kỹ thuật dự đoán thông tin về một chất mục tiêu bằng cách sử dụng dữ liệu thực nghiệm từ các chất tương tự cho cùng chỉ tiêu. Phương pháp này áp dụng cho các chỉ tiêu như gây mẫn cảm, gây độc gen, và/hoặc độc tính liều lặp lại.
Các nghiên cứu Read-across được thực hiện theo hướng dẫn hiện hành của Cơ quan Hóa chất châu Âu (ECHA) và Tổ chức Hợp tác và Phát triển Kinh tế (OECD), đáp ứng các yêu cầu của Khung Đánh giá Read-Across.

(Q)SAR: Mô hình thống kê dựa trên bộ dữ liệu phân tử (định lượng hoặc định tính)
Mô hình quan hệ giữa cấu trúc và hoạt tính (SAR) và mô hình định lượng (QSAR) – gọi chung là (Q)SAR – là các mô hình toán học được sử dụng để dự đoán các đặc tính vật lý–hóa học, sinh học và môi trường cũng như độc tính từ các đặc điểm cấu trúc của phân tử (như khối lượng phân tử, số vòng, hệ số phân chia octanol–nước, v.v.) được gọi là mô tả phân tử (molecular descriptors).

Mô hình Kiến thức Chuyên gia: Đánh giá dựa trên cấu trúc đã biết, cơ chế tác động và quy tắc
Hệ thống chuyên gia sử dụng các quy tắc và dữ liệu được xây dựng bởi chuyên gia. Dựa trên các cấu trúc đã được xác định là có độc tính và kiến thức về chất cùng cơ chế tác động, các chất mục tiêu được phân nhóm theo cảnh báo cấu trúc và/hoặc thành phần độc hại liên quan đến hoạt tính gây hại. Từ đó thiết lập các quy tắc và cây quyết định để tự động phân loại chất.

Intertek có đầy đủ chuyên môn để hỗ trợ khách hàng áp dụng đa dạng các phương pháp in silico trong việc xác định đặc tính nguy hại.

Các dịch vụ in silico của chúng tôi giúp doanh nghiệp đánh giá các chất hóa học trong nhiều ứng dụng khác nhau, bao gồm:

• Đánh giá các chất không chủ ý thêm vào (NIAS)
• Đánh giá độc tính của thành phần mỹ phẩm mới
• Dự đoán hồ sơ chất chuyển hóa và cơ chế tác động

Intertek cũng cung cấp các phương pháp in silico để đánh giá độc tính của các chất hóa học trong ứng dụng công nghiệp và thương mại – ví dụ: Mô hình TSCA: Sustainable Futures và (Q)SAR.