Sử dụng phần mềm dự đoán thay thế cho thử nghiệm độc tính của các hợp chất hoá học trên động vật  


Biên dịch: Huỳnh Thị Diễm Phúc

Quan niệm về nghiên cứu trên mô hình động vật

Các quan niệm mới cho rằng việc sử dụng động vật trong nghiên cứu đem lại nhiều lợi ích nhưng cũng gây tốn kém tiền bạc, nguồn lực khoa học và gây tổn hại đời sống của các loài động vật trong khi kết quả đôi khi không đồng nhất giữa các lần tiến hành. Theo công bố của hai nhà khoa học (người Ý) Bottini và Hartung, khoảng 3 tỷ Euro được chi hằng năm cho các thử nghiệm trên động vật trong lĩnh vực độc học (1).

Giải pháp thay thế mô hình động vật

Hiện đã có nhiều phương pháp thay thế các thử nghiệm trên động vật như: nghiên cứu in vitro, mô hình máy tính… Mới đây, trong một bài báo được đăng trên tạp chí Toxicological Sciences ngày 11/7/2018, nhóm nghiên cứu của Hartung đã công bố mô hình RASAR (read-across structure activity relationships) có thể dự đoán chính xác 80-95% độc tính của hàng chục nghìn hoá chất (phạm vi rộng hơn nhiều so với các mô hình đã công bố khác) thông qua 9 loại test, từ hít đến gây hại đến hệ sinh thái thuỷ sinh (2).

Thomas Hartung (nhà độc chất học, Đại học Johns Hopkins ở Baltimore, Maryland) cho biết các mô hình máy tính có thể thay thế một số nghiên cứu về độ an toàn tiêu chuẩn được tiến hành trên hàng triệu động vật mỗi năm (:như nhỏ các hợp chất vào mắt thỏ để kiểm tra nguy cơ gây kích ứng , hay cho chuột ăn hóa chất để xác định liều lượng gây chết - LD). "Sức mạnh của dữ liệu lớn có nghĩa là chúng ta có thể sản xuất một công cụ có khả năng dự đoán tốt hơn những thử nghiệm trên động vật", ông nói.

Bennard van Ravenzwaay (một nhà độc chất học - công ty hóa chất BASF ở Ludwigshafen, Đức) cho rằng bài báo “thu hút sự chú ý đến khả năng mới của dữ liệu lớn”, "Tôi tin tưởng 100% đây sẽ là nền móng của độc chất học trong tương lai". Ông cũng nói thêm rằng tuy nhiên, phải mất nhiều năm để chính phủ chấp nhận kết quả mô hình máy tính thay cho các nghiên cứu trên động vật. Vì thử nghiệm trên động vật khó có thể được thay thế trong đánh giá các tác hại phức tạp hơn (ví dụ như liệu hóa chất có gây ung thư hay gây trở ngại cho khả năng sinh sản hay không).

Trong nhiều thập niên, các nhà nghiên cứu và sản xuất quy mô công nghiệp đã sử dụng các mô hình trên máy tính để dự đoán độc tính. Những mô hình này kết hợp phân tích cấu trúc hóa học của một phân tử, cách phân tử này phản ứng trong cơ thể và dữ liệu từ các thử nghiệm trên động vật hoặc trong các nghiên cứu in vitro. Nhiều công ty cũng suy ra những tác động độc hại của các chất chưa được kiểm tra bằng cách so sánh chúng với các hợp chất có cấu trúc tương đồng hoặc tính chất sinh học tương tự đã  bằng phương pháp gọi là “read-cross”. Hartung và các nhà độc học khác lại cho rằng mặc dù vậy nhưng các nhà quản lý cần thiết lập một yêu cầu cao để chấp nhận những phương pháp này và những phương pháp khác có xu hướng thay thế thử nghiệm trên động vật.

Để cải thiện phần mềm, nhóm của Hartung đã tạo ra một cơ sở dữ liệu khổng lồ với thông tin về khoảng 10.000 hoá chất dựa trên khoảng 800.000 thử nghiệm trên động vật. Những dữ liệu này ban đầu được thu thập bởi Cơ quan Hóa chất Châu Âu (European Chemicals Agency - ECHA) ở Helsinki như là một phần của luật REACH năm 2007 (registration, evaluation, authorization and restriction of chemicals -đăng ký, đánh giá, cấp phép và hạn chế hóa chất). Luật này yêu cầu các công ty đăng ký thông tin an toàn của hầu hết các hóa chất trên thị trường ở Liên minh châu Âu (EU). Kể từ ngày kết thúc đăng ký (tháng 5 năm 2018), cơ quan này đã nhận được thông tin của hơn 20.000 chất.

ECHA công khai những dữ liệu này nhưng ở định dạng không cho phép máy tính phân tích dễ dàng. Vì vậy, trong năm 2014, nhóm nghiên cứu của Hartung đã trích xuất dữ liệu sẵn có thành một cơ sở dữ liệu có thể đọc được bằng máy tính. Điều này dẫn đến tranh chấp pháp lý giữa Hartung và ECHA, bởi vì cơ quan này cho biết chi tiết nghiên cứu thuộc về các công ty tiến hành thử nghiệm. Trong năm 2017, Hartung đã đồng ý không tự xuất bản cơ sở dữ liệu, ECHA cũng phát hành các kết quả nghiên cứu chính (nhưng không phải tất cả dữ liệu) trong một tệp công khai riêng biệt.

Sử dụng phương pháp read-across trên, phần mềm của Hartung so sánh một hóa chất mới với các hợp chất có liên quan chặt chẽ và đánh giá xác suất của các tác động độc hại bằng cách tham chiếu đến các tính chất của các hoá chất đã biết này. Theo Hartung, phần mềm này rất hiệu quả vì đã bắt chước cách mà một nhà độc chất sẽ dự đoán độc hại của hóa chất mới nhưng theo kiểu tự động.

Phân tích cơ sở dữ liệu của Hartung cho thấy sự không đồng nhất trong các thí nghiệm trên động vật: cùng một hóa chất nhưng khi tái kiểm tra có thể cho kết quả khác nhau, bởi vì không phải tất cả các động vật đều phản ứng như nhau. Do đó, ông cho rằng đối với một số loại độc tính, phần mềm cung cấp dự đoán đáng tin cậy hơn bất kỳ thử nghiệm riêng lẻ nào trên động vật. Craig Rowlands (đồng tác giả trên của bài báo, nhà khoa học ở phòng thí nghiệm Underwriters công ty khoa học về an toàn của Mỹ ở Northbrook, Illinois đang thương mại hoá phần mềm) nói rằng “Chuyện này không thể làm được 5 năm trước. Luật hóa chất đã giúp hình thành cơ sở dữ liệu lớn về độc chất và ứng dụng của chúng”.

Hartung và các đồng tác giả khác tư vấn cho công ty và nhận cổ phần lợi nhuận của công ty. Tuy nhiên Hartung nói rằng cơ sở dữ liệu gốc vẫn tiếp tục được chia sẻ với các nhà nghiên cứu và các cơ quan chính phủ có nhu cầu.

Các nhà nghiên cứu và những công ty khác cũng đang phát triển các thuật toán học máy, mặc dù họ chưa công bố các công trình của mình. Và các cơ quan an toàn hóa chất đang chú ý. Vào tháng 4, Ủy ban điều phối liên ngành về xác nhận phương pháp thay thế (cơ quan này đang phát triển các phương pháp thay thế thử nghiệm an toàn động vật) đại diện cho 16 cơ quan chính phủ Hoa Kỳ đã mời hàng chục nhóm nghiên cứu học thuật và thương mại đến Viện Y tế Quốc gia (National Institutes of Health - NIH) ở Bethesda, Maryland. Tại đó, mỗi nhóm sử dụng phần mềm của mình để dự đoán liều lượng gây chết (lethal-dose được viết tắt LD) của 40.000 hóa chất (hóa chất này đã được thử nghiệm trên chuột trước kia).

Ứng dụng và tương lai của phương pháp mới

Nicole Kleinstreuer (người phối hợp thực hiện và phát triển các phương pháp thử nghiệm độc tính thay thế cho Chương trình độc học quốc gia Hoa Kỳ tại Durham, North Carolina) phát biểu rằng: việc kết hợp phần mềm tốt nhất (bao gồm cả Hartung's) đã tạo ra một mô hình tính toán đồng thuận “hiệu quả tương đương như thử nghiệm trên động vật”. Cuối năm nay, Cơ quan Bảo vệ Môi trường Hoa Kỳ (Environmental Protection Agency - EPA) sẽ phát hành mô hình đồng thuận trực tuyến có thể tải xuống miễn phí.

Sau khi luật pháp năm 2016 đã trao cho EPA quyền cấp phép an toàn hóa chất trước khi đưa ra thị trường, các cơ quan của Mỹ đặc biệt quan tâm đến việc thúc đẩy các phương pháp thử nghiệm phi động vật. Tháng trước, EPA đã công bố một kế hoạch chiến lược để thúc đẩy các phương pháp thử nghiệm không có động vật, bao gồm cả sử dụng phần mềm.

Theo Mike Rasenberg (trưởng bộ phận đánh giá máy tính tại ECHA), trong khu vực EU, ECHA cũng khuyến khích các công ty tránh thử nghiệm trên động vật bằng cách sử dụng phương pháp read-across và phương pháp dựa trên phân tích các tế bào trong phòng thí nghiệm.

Rasenberg cho rằng bài báo là “một sáng kiến ​​tốt”, nhưng “về mặt khoa học, còn rất nhiều việc phải làm”. Ông nói thêm: "Không ai muốn thử nghiệm trên động vật, nhưng chúng ta chưa thể tiến hành tất cả thử nghiệm độc chất học trên máy tính".

Tài liệu tham khảo

1.   Bottini, A.A., and Hartung, T. (2009) Food for thought… on economics of animal testing. ALTEX 26, 3-16.

2.  Luechtefeld, T., Marsh, D., Rowlands, C. & Hartung, T. (2018) Machine learning of toxicological big data enables read-across structure activity relationships (RASAR) outperforming animal test reproducibility. Toxicol. Sci., kfy 152 https://doi.org/10.1093/toxsci/kfy152

Biên dịch từ bài viết gốc trên Nature có tựa đề Software beats animal tests at predicting toxicity of chemicals.