- 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。
51310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。 它被重新训练以识别科学文本中的毒理学概念，包括化合物和表型。这包括PubMed文章和ECHA报告。 总的来说，这些结果表明，我们的方法有助于识别与感兴趣不良结局相关的化合物，可能包括毒理学专家传统上考虑的不同应激源。
6100编辑于 2026-03-24- 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。”
60130发布于 2018-08-06 - 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。 值得注意的是，各种基于深度学习的模型已在两个特定方向应用于毒理学：预测模型和生成模型。 毒理学的大部分研究都集中在预测模型上，例如，卷积神经网络、深度神经网络、自动编码器等深度学习算法已被应用于预测不同的毒理学任务（如药物性肝损伤和心脏毒性）。 总的来说，Tox-GAN在推断高质量的毒理学特征方面具有很大的前景，即使没有试验药物和动物治疗，也能推进现代化的毒理学范式。 Tox-GAN的工作流程 图1. 在毒理学方面，消除动物使用是下一代毒理学的主要目标之一。然而，由于分布估计的性质，训练一个GAN模型是一项具有挑战性的任务。许多不同的GAN架构已被提出，以提高训练效果和目标特定数据的生成。
1.9K30编辑于 2022-04-13 - 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
二、Material Safety Data Sheet物质安全数据表MSDMS第11 节毒理学信息的具体要求GHS英文全称Globally Harmonized System of Classification 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。 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。
60430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。 亮点 美国FDA现代化法案2.0标志着一个改变游戏规则的立法：药物注册不需要在安全毒理学评估中遵循使用动物的绝对要求。 计算方法正在对药物开发产生重大且日益增长的影响。 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
1.6K30编辑于 2023-02-28 - 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。”
71840发布于 2021-02-01 - 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 ? 文章内容涵盖实验和临床药理学以及毒理学的所有领域，看重药物治疗和药物预防的机制研究，关注有关化合物的药物作用和毒性研究，对一些新兴药物的研发也很感兴趣，无论是针对癌症的药物治疗还是普通疾病的药物治疗都是这本杂志的接收范围
2.8K52发布于 2020-05-20 - 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。 图1 肝脏芯片在典型制药临床前工作流程中的拟议定位 但Ewart补充说，许多其他芯片模型仍需要为毒理学测试进行开发、表征和验证。药物开发者正在接受这种方法，但并非在所有项目中都采用。 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？ 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。
22700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。 这个方面可能产生一个强烈的限制，特别是在药物发现和毒理学领域，其中机器学习模型可能会使用复杂的分子描述符进行训练，这些描述符往往缺乏清晰易懂且易于解释的与化合物的结构特征的连接。
2.2K10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。
68860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。
36720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。 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。
71810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。 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。
15110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。
2.9K31发布于 2018-09-10 - 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。
16730编辑于 2026-03-02 - 来自专栏大数据文摘
10个巨大的科学难题需要大数据解决方案
艾登·布拉克（Aydin Buluc，加州大学伯克利分校），丹·洛克萨（Dan Rokhsar，加州大学伯克利分校），凯西·伊列克（Kathy Yelick，劳伦斯伯克利国家实验室） 问题八：采用精确的毒理学 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。 我们对于这一挑战的最主要的解决方案是分子系统毒理学（在多物种环境下暴露生物体）：我们以一小群易驯服的生物为模型进行测试，然后使用定量的生物进化工具（包括针对多物种分析的新形式的张量回归、应用量子计算的路径发现 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 问题九：寻找新设计材料 ?
79140发布于 2018-05-24 - 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
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 - 来自专栏华章科技
10大科学难题，唯大数据能提供解决方案
艾登·布拉克（Aydin Buluc，加州大学伯克利分校），丹·洛克萨（Dan Rokhsar，加州大学伯克利分校），凯西·伊列克（Kathy Yelick，劳伦斯伯克利国家实验室） 8 采用精确的毒理学 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。 我们对于这一挑战的最主要的解决方案是分子系统毒理学（在多物种环境下暴露生物体）：我们以一小群易驯服的生物为模型进行测试，然后使用定量的生物进化工具（包括针对多物种分析的新形式的张量回归、应用量子计算的路径发现 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 - 来自专栏DrugOne
JCIM综述 | 人工智能在化学领域的发展与未来
在期刊论文中，观察到分析化学和生物化学、材料科学和物理化学、以及生物化学应用于药理学、毒理学和制药的主要和次要研究领域之间的相关性最强。 在生物化学、药理学、毒理学和药物学研究中，许多论文将AI技术应用于高通量药物筛选、核酸序列分析和蛋白质结构预测等研究课题。
3.1K20发布于 2021-09-17
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