by 坎迪斯-约翰逊，博士 | May 15, 2025 | 硅内幕
Instem公司的Leadscope Model Applier 2025.0版本对硅毒理学进行了增强，推进了化学风险评估和监管合规的方法。本博客从科学角度详细介绍了新发布的功能，重点关注这些功能对预测准确性、机理解释和监管应用的影响。 问题 1：什么是毒性剖析，Leadscope 的毒性剖析器等工具如何帮助识别化学危害？ 毒性简介是与化学物质相关的已知或预测不良生物效应的全面总结。它整合了多个终点的数据，如急性毒性、遗传毒性、致癌性、生殖毒性、致敏性等，以提供一种物质潜在危害的整体视图。 ...
by 坎迪斯-约翰逊，博士 | Mar 6, 2025 | 硅内幕
计算方法对于评估缺乏实验数据的化合物的潜在风险至关重要，而皮肤过敏是化学品安全评估中的一个关键终点。以前的研究表明，将从专有数据源获得的知识整合到硅学模型中，可以提高硅学 模型的预测准确性和可靠性。 blank 最近，Leadscope 与业界合作更新了我们的皮肤过敏模型。这项工作包括将来自专有数据源的知识整合到基于专家规则系统的知识库中。 此外，还在培训和参考数据库中添加了几百个新结构。通过与行业合作伙伴的合作，收集了在局部淋巴结试验（LLNA）或豚鼠最大化试验（GPMT）中评估的 925...
by 坎迪斯-约翰逊，博士 | Feb 27, 2025 | 硅内幕
准确预测 N-亚硝胺等化合物的毒性和效力至关重要。各种卫生机构开发的致癌潜能分类方法 (CPCA) 计算器已被用于推导亚硝胺化合物的可接受摄入值。然而，将读数交叉方法整合到 CPCA 工作流程中是向前迈出的一步。在此，我们探讨了读数交叉支持对 N-亚硝胺的有用性，以及它如何为标准 CPCA 计算器提供价值。 blank 通过将数据贫乏的目标化合物与结构和生物特性相似、数据丰富的化合物（称为类似物）的已知特性进行比较，从而predict 目标化合物的特性。...
by 坎迪斯-约翰逊，博士 | Feb 21, 2025 | 硅内幕
要确保化学品的安全性，就必须具备准确评估急性口服毒性的能力。加强急性口服毒性计算预测的最有效方法之一是利用大型实验数据数据库的力量。这种方法可以提高硅学模型的准确性，减少对额外动物试验的需求。在此，我们将探讨数据的丰富性和对机理的理解如何相互作用，以advance 急性口服毒性预测，并介绍旨在predict GHS 和 CLP 类别的新模型和更新模型。 数据丰度对硅学...
by 坎迪斯-约翰逊，博士 | Jan 15, 2025 | 硅内幕
毒性评估方面的国际协调准则对于建立一致的安全标准、确保高效的监管合规性以及简化跨地区的产品审批至关重要。目前有多个领域正在进行协调；不过，我们选择了以下几个领域进行讨论：可萃取物和可浸出物（E&L）测试（ICH 指南即将发布）1、联合国全球统一制度（UN GHS）化学品分类和标签系统以及包括 M7 在内的 ICH 指南。这些领域都有一个共同的目标，即通过识别和降低与化学品暴露相关的风险来保障人类健康。 UN 联合国全球统一制度的化学品分类和标签制度 点击此处了解更多关于非物质文化遗产的信息...
