- 综合排序
- 最热优先
- 最新优先
- 来自专栏DrugOne
Chemical Research in Toxicology邀稿 | AI 遇见毒理学特刊
现代ML和AI方法在计算毒理学中越来越受欢迎，并被视为满足3R概念原则的一个有希望的解决方案，该概念要求取代、减少和完善动物试验。 Chemical Research in Toxicology正在策划一期专注于 AI 和毒理学的特刊。本期特刊的主要目标是将两个社区聚集在一起（图 1）。 这将使社区不仅可以了解传统计算毒理学家新方法的力量，还可以了解 ML 专家在计算毒理学领域的需求和问题。 使用 AI 方法进行毒性评估，从 ADMEtox 特性预测到人类健康和生态毒理学的全面风险评估，对于证明这些方法的功效和实用价值非常重要。 邀请投稿至AI遇见毒理学特刊，但不限于将化学和纳米材料的分子结构或特性与其生物效应联系起来的计算方法的最新进展。
52510编辑于 2022-11-28 自然语言处理在毒理学机制信息提取中的应用
为了研究化合物如何诱发不良效应，毒理学家们构建了不良结局通路。 我们认为这项工作主要有两个贡献：1）概念验证，证明自然语言处理可以支持从文本中提取信息用于现代毒理学；2）一个用于识别毒理学实体及其关系的开源模板模型。 因此，毒理学效应更倾向于以机制性方式进行研究，毒理学家试图理解导致特定不良结局的生物事件级联反应，并考虑到人类生理学相对于其他生物体的特异性。 插图（2）详细说明了关系提取机制：如果（预定的）因果动词是包含两个实体的短语的语义树中的共同祖先，则识别两个给定实体之间的关系。 表2 AOPWiki中目前可用的与胆汁淤积或脂肪变性相关的不良结局通路。我们首先手动检查了通过自然语言处理流程找到了多少个不良结局通路中描述的事件。这描绘在图3中。
12900编辑于 2026-03-24- 来自专栏智药邦
FDA刘智超/童伟达｜Tox-GAN：用AI方法替代动物研究，以毒理基因组学为例
虽然体内的TGx对毒理学研究很有帮助，但在不同剂量和治疗持续时间水平上，分析数千种化合物对动物的毒理学影响是不切实际的。 t-SNE图描述了我们开发的2个Tox-GAN模型（Tox-GANintensity和 Tox-GANfoldchange）分别推断强度和差异倍数水平的转录组学特征。 图2 生成的和真实的转录组图谱的t-SNE可视化和概率密度。 Tox-GAN在肝坏死预测性毒理学中的应用。 (A)设计的肝坏死预测模型开发工作流程。具体来说，230个数据集被分为训练集和测试集，比例为8:2。 浅黄色和蓝色代表方案1（即具有真实转录组特征的DNN）和方案2（即具有生成转录组特征的DNN）。(C) 两种方案产生的测试集中样本的预测概率值的相关性。
1.9K30编辑于 2022-04-13 - 来自专栏ATYUN订阅号
机器学习算法在预测化学品的毒性方面胜过动物试验
，“我完全相信这将成为未来毒理学的支柱。” 但Hartung和其他毒理学家说，监管机构设定了接受这些方法的高标准，并倾向于要求进行动物研究。 Hartung说，实际上，该软件模拟了毒理学家如何以自动化方式调整新化学物质的大小。 他负责协调这项工作并为北美达勒姆的美国国家毒理学计划开发替代毒性测试方法。今年晚些时候，美国环境保护署（EPA）计划在线发布免费下载的共识模型。 “没有人想要用动物测试，但我们还不能用计算机做所有的毒理学预测。”
61230发布于 2018-08-06 - 来自专栏用户10341667的专栏
Material Safety Data Sheet物质安全数据表MSDMS第11 节毒理学信息
本节主要供医务专业人员、职业卫生和安全专业人员和毒理学家使用。简单扼要但完整和易懂地说明各种毒理学(健康)效应和用于确定这些效应的现有数据。 2. 列入安全数据单的健康影响，应与物质或混合物分类研究中所讲的一致。3. 在物质或混合物的试验数据数量较大的情况下，不妨对结果作摘要说明，例如接触途径。4. 毒理学数据应是说明混合物的。如无法得到该项资料，应提供在全球统一制度下的分类和各危险成分的毒理学特性。5. 与物理、化学和毒理学特性有关的症状说明接触物质或混合物及其成分或已知的副产品，可能引起的有害健康影响和症状。提供在与指定用途有关的接触后出现的与物质或混合物的物理、化学和毒理学特性有关的症状资料。 物质安全数据表MSDS应注明，毒理学资料是基于人类还是动物资料。10. 毒性的度量值(如急毒性估计值)提供可造成有害健康影响的接触剂量、浓度或条件的信息。
63430编辑于 2023-03-16 - 来自专栏智药邦
Drug Discov Today｜FDA现代化法案2.0：将非动物技术引入监管
这项新立法的部分原因是，人们越来越认识到一系列基于动物的安全性、毒理学和代谢研究的预测价值有限。 美国的这项新立法的部分原因是，人们越来越认识到一系列基于动物的安全性、毒理学和代谢研究的预测价值有限。对动物福利的关注增加了此类工作的成本。 FDA毒理学人工智能计划 AI4TOX是一个旨在应用最先进的人工智能方法来开发新工具的计划，以支持FDA监管科学并加强FDA监管产品的安全性审查。 该计划包括4项举措： 通过学习模型预测未经测试的化学品的动物毒理学数据、为毒理学终点开发新的深度学习方法、开发最先进的人工智能自然语言处理以促进对FDA文件和公共文献的分析、开发一个有效和准确的框架来分析动物研究中的组织病理学数据 ---- 附2：FDA的AI+毒理学研究论文（点击可查看） Drug Discov Today｜FDA童伟达：基于AI的语言模型为药物发现和开发提供动力 FDA刘智超/童伟达｜Tox-GAN：用AI方法替代动物研究
1.6K30编辑于 2023-02-28 - 来自专栏百味科研芝士
网络药理学期刊推荐
这本药理学杂志创办于1873年，是德国实验临床药理学和毒理学学会（DGPT）的官方期刊。杂志刊登文章的重点是关于药物作用和化合物毒性的重要信息。 因此虽说是一本毒理学相关的杂志，它的范围可扩展到实验和临床药理学以及毒理学的所有领域，包括神经药理学和心血管药理学以及作用细胞、生化和分子水平上的药物作用的研究。 影响因子 ? 这本杂志 2019年的影响因子为2.058，从2014年开始一直处于2-2.5分阶段。最新中科院JCR分区医学大类4区，小类药理学和药剂学4区。 ? 审稿速度 ? 肺脏疾病用药 2篇 寄生虫感染用药 1篇 该杂志另一个比较友好的地方，就是在杂志的Authors & editors增添了作者和审稿人的免费教程 1.BIOCHEMICAL SYSTEMATICS AND ECOLOGY 即时影响因子：1.16 2.Regenerative Therapy 即时影响因子：2.37 3.medicinal chemistry
2.8K52发布于 2020-05-20 - 来自专栏DrugOne
Drug Target Review | 开发一种算法来预测药物性肝损伤
Drug Target Review调查了该毒理学项目将为药物发现行业带来的好处。 ? 确保候选药物进行毒性分析是药物开发过程的重要且必不可少的阶段。 去年11月，爱思唯尔(Elsevier)和美国食品药品监督管理局(FDA)的美国国家毒理学研究中心(NCTR)宣布，他们将进入一项合作研究与开发协议(CRADA)，以改善毒理学研究。 Ross说，作为一种符合法规的方法，它提供了另一种评估DILI风险的方法，而在其他毒理学测试中可能会漏掉这种风险。 另外，由于该算法将采用多因素方法，因此应改善其预测并与FDA建议保持同步。 ? 尽管类器官和其他毒理学测试对于分析DILI风险仍然至关重要，但Ross强调说，“由于时间限制或成本的原因，很难轻易将结果与同类药物的范围进行比较。”
73440发布于 2021-02-01 - 来自专栏DrugOne
Nat Rev Drug Discov｜FDA逐步淘汰动物毒性测试的计划现实吗
她解释说，毒理学界在器官芯片方面取得了巨大进步。Emulate在2022年报告称，其Liver-Chip可以检测到许多动物测试遗漏的肝毒性信号。 但毒理学家中有很大一部分人发出了警告。毒理学协会（Society of Toxicology）刚刚发布声明，表示他们对此事推进的速度感到担忧。 问：最初的重点是单克隆抗体，你怎么看？ 图2 大鼠、狗和人类肝芯片中物种特异性药物毒性的概述 Ewart：那个项目的难点在于开发狗肝脏芯片，特别是获取新鲜的狗肝细胞。这延长了时间线。 用于有效性测试的芯片开发考量与用于毒理学的有何不同？ Ewart：目前，大多数毒理学测试仍在所谓的健康模型系统中进行。 随着在毒理学测试中使用疾病特异性模型的积极讨论，这种情况正在开始改变。辉瑞公司最近因其GLP-1拮抗剂danuglipron导致肝酶升高而暂停了I期试验。
24800编辑于 2025-06-07 - 来自专栏智药邦
JCIM｜VenomPred2.0：基于AI的药物分子毒性预测工具
人工智能和机器学习方法在计算毒理学和药物设计中的应用越来越受欢迎，这一方法在评估化合物安全性、优化ADMET以及满足3R原则（the rules of 3R）等领域被认为非常具有前景。 背景 机器学习（ML）在毒理学中的目标是开发新的基于人工智能（AI）的计算模型，以预测化学物质的毒性特性。 用于计算毒理学的机器学习模型有助于减少体外和体内研究所需的大量成本和长时间，在允许处理大量数据的同时也避开了诸多的伦理限制。 当下网络工具正在成为计算毒理学预测的基本来源，这是因为它们可以免费获取，而且可以由没有经验的用户使用。 图2. 在VenomPred中基于相同指纹类型先前生成的五组模型在MCC方面的排名分布。
2.3K10编辑于 2024-05-08 - 来自专栏新智元
2021全球高被引科学家榜单出炉！中国大陆935人入选，全球第二
包括农业科学、生物学和生物化学、化学、临床医学、计算机科学、经济学和商业、工程学、环境/生态学、地球科学、免疫学、材料科学、数学 、微生物学、分子生物学和遗传学、神经科学和行为学、药理学和毒理学、物理学 不同领域入选门槛标准各异，以临床医学要求最高，药理学/毒理学要求最低。 考察数据来自 ESI 数据库，该数据库揭示了新兴的科学趋势以及有影响力的个人、机构、论文、期刊和国家。
70260发布于 2021-11-23 - 来自专栏量子位
官方还原Uber致命事故：人、车、自行车，傻傻分不清楚
原来，被撞女子的甲基苯丙胺（冰毒）和大麻毒理学测试为阳性，她很可能是在吸毒后的状态下过马路的。 虽然没有收集安全员毒理学标本，但当时处理事故的警察到达现场后，没有发现安全员有异样。
38320发布于 2018-07-24 - 来自专栏生信菜鸟团
AI、ML在植物生物学和可持续农业发展中的进步与运用
基因组毒理学中的区块链。通过合成基因阵列实现数字基因相互作用，并将定量遗传相互作用评分存储在区块链数据库中。从毒素导致的突变体中提取查询基因，以确定与原始基因组中基因的遗传相互作用。 根据不同影响对这些原始数据进行校正，可得出遗传相互作用评分，这些评分存储在基因组毒理学的区块链数据库中。 区块链技术 区块链技术是一种去中心化的分布式账本系统，可实现安全透明的交易，如下图 2所示。近年来，由于其在植物科学领域的潜在应用，区块链技术引起了广泛关注。 毒理学中的区块链技术可以帮助分散数据保存，并通过可用的化学数据库评估数据和对消费者的潜在风险。材料安全数据表 (MSDS) 包含有关潜在危害因素及其使用方法的信息。 Explor Foods Foodomics. 2024;2:443–59. https://doi.org/10.37349/eff.2024.00045 Singh AV, Bansod G, Mahajan
77510编辑于 2025-03-10 Annexin V-FITC/7-AAD细胞凋亡检测试剂盒原理及应用
因此，准确、灵敏地检测和定量细胞凋亡，对于基础生命科学研究、药物筛选及毒理学评价具有不可替代的重要性。 2.清晰的细胞亚群区分：通过FITC与7-AAD双参数分析，可清晰地将细胞群划分为四个象限：活细胞（双阴性）、早期凋亡细胞（FITC⁺/7-AAD⁻）、晚期凋亡/坏死细胞（FITC⁺/7-AAD⁺）以及坏死细胞 2.抗肿瘤药物筛选与药效评价：高通量筛选具有诱导肿瘤细胞凋亡活性的候选化合物，并评估其在体外和临床前模型中的疗效。 4.毒理学与安全性评价：评估环境毒素、化学药物或纳米材料对细胞的潜在毒性及其诱导凋亡的能力。5.干细胞与发育生物学：研究干细胞分化、组织发育或退化过程中的细胞凋亡事件。 2.染色孵育：向细胞悬液中加入适量AnnexinV-FITC和7-AAD工作液，轻轻混匀，于室温（20-25℃）避光孵育15-20分钟。
20510编辑于 2026-02-04- 来自专栏Y大宽
Cytoscape插件5：DisGeNET(2)应用实例
因此，对毒理学家来说，因为化学物质引起的哮喘的关键生理过程对毒理学家很重要。 2.病人中观察到的并发症，是否反应了这种疾病的共同遗传根源？ 这个问题可以归结为，疾病x和y有共同的遗传根源？这个问题可以公式化“疾病x和疾病y之间的共有基因是什么？” 有趣的是，我们还可以看出，NOS3和TNF是仅有的在慢性阻塞呼吸疾病和三种类型糖尿病中同时出现的2个基因。
2.9K31发布于 2018-09-10 - 来自专栏智药邦
近年来阿斯利康在AI药物研发领域发表的15篇论文
第2部分：化学和生物数据的讨论 Bender A, Cortes-Ciriano I. 下图总结了超参数选择以及机器学习模型的训练和测试以进行前瞻性和回顾性评估的整个过程：前两个阶段 (第1阶段，第2a阶段) 用于执行回顾性性能评估，第三阶段 (阶段2b) 是前瞻性模型评估。 Drug Discov Today. 2021 Feb;26(2):511-524. doi: 10.1016/j.drudis.2020.12.009. Drug Discov Today. 2021 Feb;26(2):474-489. doi: 10.1016/j.drudis.2020.11.027. 本文介绍了计算毒理学的历史、方法，以及人工智能在计算毒理学主要药物安全研究领域 (心脏毒理学、肝毒理学、遗传毒理学、体内药代动力学、数字病理学) 的应用。
1.2K30编辑于 2022-11-16 - 来自专栏生命科学
IC50 如何测？拿到数据不会处理？常见活性数值分不清？一文 Get！ —— MCE
我们常在文献中看到 IC 50 、EC 50 、ED 50 等等数值的测定，这些指标被广泛应用于药物开发、毒理学、基础研究等领域，为理解药物效应和优化治疗策略提供了有力支持。 毒理学研究：在药物安全性评估中，IC50 值用于确定化合物对正常细胞的影响，评估其潜在的副作用。 3. ▐ 操作步骤 (供参考[1]) (1) 激酶自磷酸化：通过将 2 ng/μL CaMKIIδ 重组蛋白与 0.2 mM CaCl2、10 mM MgCl2、0.01 mM ATP、200 μM autocamtide 图 2. 发光检测酶活性原理图。 二、细胞毒活性试验的 IC50 值，如何测？ 吡啶和噻唑衍生物对肺癌 (A549) 细胞系的抑制作用[2]。 ▐ 操作步骤 (供参考[2]) (1) 化合物制备：将合成的化合物及参考药物阿霉素溶解于 DMSO 中。
4.1K10编辑于 2024-12-27 - 来自专栏用户10341667的专栏
安全数据表SDS和MSDS一样吗，亚马逊要求做的SDS价格
借助安全数据表，亚马逊能够： 1、您的商品是否属于受管制危险品； 2、对您的商品进行正确分类，确定其是否属于危险品（分类决定着商品的储存和运输方式） 3、在商品于运营中心发生泄露或溢出时确定正确的处理和弃置措施 当SDS/MSDS制定的法规依据及其要求有所变更时； 2. 当SDS/MSDS所针对的产品中的物质/配比/组分发生变化时； 3. 当SDS/MSDS针对的产品发现有新的危害性产生时； 4. 当SDS/MSDS针对物质的毒理学信息/生态学信息等信息有更新时。 三、亚马逊要求做的SDS价格 1.填写申请表，最关键的是填写产品的成分或者材质信息，这个是评估的基础。 2.收到申请表之后，会核实信息是否填写完整，确认无误后，安排制作。 3.通常3-5个工作日即可完成，如果急需，可以加急处理。
84730编辑于 2023-02-23 - 来自专栏DrugOne
Nature | 动物实验时代正在落幕：科学的下一站在哪里？
这种方式可以： 在动物实验前筛选药物 减少动物使用数量 提高临床成功率 计算模型与 AI AI 也开始进入毒理学领域。 器官芯片、类器官、AI 毒理学——这些技术不再是实验室边缘探索，而是国家战略级投入方向。 科学的下一站，或许不是“替代动物”，而是——用更接近人类本身的模型，重新理解生命。
22730编辑于 2026-03-02 - 来自专栏华章科技
10大科学难题，唯大数据能提供解决方案
主要合作者：大卫·施莱格尔（David Schlegel，劳伦斯伯克利国家实验室），乔恩•麦考利夫（Jon McAuliffe，加州大学伯克利分校），以瑞恩·亚当斯（Ryan Adams，哈佛大学） 2 但是，这里就有一个分析问题：由于数据集的大小从30到300万亿字节不等，用于特征化物质结构的统计数据计算起来太过密集，他们包含了星系的集群、2度关联计算以及3度关联计算。 毒理学是一种我们所依赖的科学原理，来保护我们不受癌症、出生缺陷、心血管以及神经退化性疾病的侵害。对它们的风险评估仍然依赖于一个较小集合的模型物种，每种化合物要花费超过五年的时间以及超过150万美元。 利用生物科学的潜力来达到准确的毒理学测试将使得在产品的开发前期就可以进行精确的分析和风险评估，有助于减少开发的开销。 这个问题天生就是一个计算问题，并对我们的社会和星球是一个巨大的挑战。 主要合作者：本·布朗（Ben Brown，劳伦斯伯克利国家实验室），约翰·科尔伯恩（John Colbourne，英国伯明翰大学）以及环境学和毒理学协会 9 寻找新设计材料 ?
1.5K30发布于 2018-08-14
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号