Intelligente Computer errechnen die Giftigkeit von neuen Chemikalien anhand von Daten einer riesigen Datenbank. Das geniale System hat ein Team um den Toxikologen Dr. Dr. med. Thomas Hartung von der Johns Hopkins Bloomberg School of Public Health in Baltimore entwickelt.<\/p>\n
Facebook, Google und Co. nutzen Computer-Algorithmen, um gigantische Datenmengen der Internetnutzer zu analysieren und Prognosen zu erstellen, was uns gef\u00e4llt, was uns dann als Newsfeed oder Werbung vorgesetzt wird. Jetzt k\u00f6nnte diese so genannte k\u00fcnstliche Intelligenz helfen, Hunderttausende Tierversuche zu verhindern.<\/p>\n
Millionen Tiere wie M\u00e4use, Kaninchen, Hunde und Affen m\u00fcssen jedes Jahr in Laboren auf der ganzen Welt f\u00fcr Giftigkeitstests leiden und sterben. Allein in Deutschland sind es rund 230.000 Tiere pro Jahr. Teilweise sind diese Tierversuche angeblich \u201ezum Schutz der Verbraucher\u201c gesetzlich vorgeschrieben. Dabei sind sie nicht nur extrem teuer und bedeuten f\u00fcr die Tiere ein immenses Leid, sondern ihre Ergebnisse sind aufgrund der schlechten Reproduzierbarkeit und \u00dcbertragbarkeit auf den Menschen mehr als fraglich.<\/p>\n
An der Johns Hopkins Bloomberg School of Public Health in Baltimore hat sich ein Team rund um den Toxikologen Dr. Dr. med. Thomas Hartung diesem Problem angenommen. 2016 wurde daf\u00fcr bereits die weltweit gr\u00f6\u00dfte maschinenlesbare toxikologische Datenbank entwickelt. Diese enth\u00e4lt Informationen \u00fcber Strukturen, Eigenschaften und m\u00f6glichen Wirkungen von 10.000 chemischen Verbindungen, die auf 800.000 toxikologischen Tests, d.h. \u00fcberwiegend Tierversuchsstudien, basieren.<\/p>\n
Jetzt wurde diese Datenbank durch Algorithmen des maschinellen Lernens erweitert, um die Daten besser lesen zu k\u00f6nnen und eine \u201eKarte\u201c bekannter chemischer Strukturen und der damit verbundenen giftigen Eigenschaften zu erstellen. Auch Vergleiche mit Chemikalien \u00e4hnlicher Struktur mit bekannter Wirkung werden herangezogen. Damit ist das Computerprogramm innerhalb k\u00fcrzester Zeit in der Lage f\u00fcr noch nicht getestete Substanzen sowohl strukturell verwandte Chemikalien zu finden als auch eine Vorhersage \u00fcber m\u00f6gliche toxische Effekte auf Haut und Schleimh\u00e4ute oder DNA-Sch\u00e4den zu machen.<\/p>\n
Neben der F\u00e4higkeit dieses neuartigen Systems zuverl\u00e4ssig gesundheitssch\u00e4dliche Wirkungen von Substanzen vorherzusagen, ist die computergest\u00fctzte Methode in der Anwendung viel g\u00fcnstiger und schneller als der Tierversuch. F\u00fcr die Testung einer neuen Chemikalie wird \u00fcblicherweise eine Palette von Versuchen an verschiedenen Tierarten durchgef\u00fchrt. Das ist nicht nur ethisch falsch, sondern kostet auch viel Geld und Zeit. Die Durchf\u00fchrung von 30 Standard-Tierversuchen f\u00fcr zum Beispiel ein neues Pestizid kann 17 Millionen Euro kosten und mehrere Jahre dauern.<\/p>\n
Die US-amerikanische Gesundheitsbeh\u00f6rde (FDA) und Umweltschutzbeh\u00f6rde haben bereits mit der formellen Evaluierung der Methode begonnen. Bei der Entwicklung der Datenbank kam heraus, dass dieselbe Chemikalie oft Dutzende Male auf die gleiche Art und Weise getestet wurde. Beispielsweise wurden zwei Substanzen 90 Mal und 69 Chemikalien 45 Mal im sogenannten Draize-Test auf ihre Vertr\u00e4glichkeit getestet. Bei diesem extrem schmerzhaften Test werden Kaninchen Chemikalien in die Augen getr\u00e4ufelt. Anhand der Entz\u00fcndungsanzeichen der Augen erfolgt anschlie\u00dfend die Beurteilung der Reizwirkung der Substanzen.<\/p>\n
Quelle:<\/em> Johns Hopkins Bloomberg School of Public Health, News Release, 11. Juli 2018 \u201cDatabase analysis more reliable than animal testing for toxic chemicals<\/a>\u201d Aufrufe: 198<\/p>","protected":false},"excerpt":{"rendered":" Intelligente Computer errechnen die Giftigkeit von neuen Chemikalien anhand von Daten einer riesigen Datenbank. Das geniale System hat ein Team um den Toxikologen Dr. Dr. med. Thomas Hartung von der Johns Hopkins Bloomberg School of Public Health in Baltimore entwickelt. Facebook, Google <\/p>\n
Studie:<\/em> Thomas Luechtefeld, Dan Marsh, Craig Rowlands, Thomas Hartung: “Machine learning of toxicological big data enables read-across structure activity relationships (RASAR) outperforming animal test reproducibility<\/a>“, Toxicological Sciences, kfy152, https:\/\/doi.org\/10.1093\/toxsci\/kfy152<\/a>, published: 11 July 2018.<\/p>\n