一种新型in silico模型在化妆品原料皮肤致敏性初筛中的应用

摘要

cqvip:用Derek EC3模型对OECD TG429和TG442C中32个验证化合物、114个外部数据集中已有致敏结果和120个已有小鼠局部淋巴结试验(LLNA)和直接肽反应(DPRA)试验数据的化妆品原料化合物进行致敏性评价,通过比较Derek结果与致敏性结果(LLNA或DPRA)的一致性对Derek模型的适用性进行评价。对于LLNA试验的标准验证物质,Derek方法的预测特异度为50%(3/6),灵敏度为81.25%(13/16),准确度为72.73%(16/22);对于DPRA试验的标准验证物质,Derek方法的预测特异度为75%(3/4),灵敏度为100%(6/6),准确度为90%(9/10);Derek方法对109个外部数据集中化合物致敏性预测特异度为79.01%(64/81),灵敏度为71.43%(20/28),准确度为77.06%(84/109);与LLNA比较,120个化合物致敏性评价结果中Derek和DPRA方法特征参数分别为特异度60.71%/74.07%、灵敏度84.27%/67.42%、准确度78.63%/68.97%,组合这两种方法特异度为51.72%(15/29),灵敏度为90.11%(82/91),准确度为80.83%(97/120)。结果表明,Derek EC3模型适用于化妆品原料的皮肤致敏性初筛。