[发明专利]一种预测医药品毒性作用模式的方法

说明书

本发明属于药品毒性分析领域，提供一种预测医药品毒性作用模式的方法，将LC₅₀浓度数据和NOCE浓度数据代入得到R‑ACT值，将logR‑ACT代入评估范围判断医药品的毒性作用模式。本发明提供的方法可以快速预测甄别医药品MOA，评估结果准确性较高，可在一定程度上缩短试验周期，降低药物的开发成本，解除毒性预测模型毒性作用模式影响的局限性，提高联合毒性预测模型的稳健型，对建立毒理学效应QSAR模型具有重要意义。

技术领域

本发明属于药品毒性和毒理分析领域，具体涉及药品作用模式甄别的预测的处理方法。

背景技术

随着复合污染发生的日益普遍化，复合污染机制则变得更加复杂。据研究，医药品成分主要以ppt～ppb浓度范围普遍存在于地表水中，而医药品中对周围环境及生物起作用的成分是医药品中的生物活性物质(APIs)，作为医药品中的生物活性化合物，由于其使用率高和环境排放量大等因素对环境存在严重的潜在影响，而这种医药品潜在影响与农业化学品对环境的危害是能够相提并论的，这些生物活性物质所产生效应已经引起了公众和科学界的关注。与此同时，鉴于现阶段通过公共渠道可获得的毒理学数据很少，常见医药品毒性评价是新药临床前安全性评价的重要内容，直接关乎人类的健康和药品的命运；对于药品毒性在环境中的评价和研究已成为世界各国药政管理部门及医药品生产商瞩目的焦点。传统的用于医药品毒性评价的常规毒理学实验方法因其实验周期长、耗资多、灵敏度低、需消耗大量实验动物等缺陷而难以满足现代药物开发中进行高通量筛选的需求,亟待发展新的毒性评价方法。研究如何在药物开发早期及时、准确、快速评价药品的毒性，用来缩短药物慢性毒性试验周期、降低开发成本、提高新药研发命中率及保护人类健康都具有至关重要的意义。

常见医药品中的毒性物质的毒理学效应机理，比环境行为的机理要复杂得多，环境中污染物质间不仅发生各种交互作用，表现为拮抗、协同、加和和独立等不同作用类型，还与生物组分之间发生交互作用，导致吸收、富集、合成、固定、扩散、回避、解毒等不同作用机制；这是由于毒理学效应受理化性质、环境行为和生物属性(如种属、性别、年龄、个体、细胞、靶器官等)等多方面的影响。因此，认识毒性作用模式MOA(mode ofaction)，是建立毒理学效应QSAR(quantitative structure-activity relationship)模型的基础和前提。

医药品毒性MOA通常指不良反应发生时引起生物体一系列生理和行为上的作用模式，更关注于医药品中活性物质APIs作用下生物体的表观特征。其具体类型的确定通常要综合多方面的信息，如联合毒性研究、急性毒性综合症、剂量-反应关系、毒理学文献数据等。

随着计算机与数学在毒理学及药物发现领域的发展，一些学者会通过药品的分子式、结构式、分子结构特征及主要活性成分、性质及药物与有机体之间的作用靶位来判断药物的作用模式，进而建立QSAR模型对药物毒性进行预测，然而通过分子结构特征去判断药物的MOA的过程往往存在诸多不便，且预测结果的准确度仍需要进一步的提升。

发明内容

为弥补现有技术的不足，本发明提供了一种可快速甄别医药品MOA的方法且评估结果准确性高，对于缩短试验周期，降低药物开发成本具有重要意义。

为实现上述目的，本发明采用如下技术方案：一种预测医药品毒性作用模式的方法，包括以下步骤：

S1.确定医药品急性毒性LC₅₀浓度数据；

S2.确定医药品慢性毒性NOCE浓度数据；

S3.将LC₅₀浓度数据和NOCE浓度数据代入式Ⅰ，得到R-ACT值；

S4.取R-ACT值以10为底的对数值logR-ACT，将logR-ACT代入评估范围；