体外筛选试验中生物统计流程的基准浓度建模比较研究：提升发育神经毒性新方法评估的可靠性

【编辑推荐】为评估不同生物统计流程对发育神经毒性(Developmental Neurotoxicity, DNT)体外筛选数据的影响，研究人员对比了ToxCast(tcpl)、CRStats、DNT-DIVER(Hill/Curvep)四种建模流程对321种化学样本的分析结果。研究发现各流程的活性判定一致性达77.2%，BMC估算高度相关(r=0.92±0.02)，但噪声数据和临界活性区域易导致差异。该研究为标准化新方法(NAMs)数据分析提供了重要依据，对推动动物实验替代策略的监管应用具有关键意义。

　　

在毒理学研究领域，减少动物实验同时保障人类健康和环境安全已成为全球共识，而发育神经毒性(Developmental Neurotoxicity, DNT)评估尤其面临挑战。传统动物实验耗时耗力，促使科学家们开发基于体外筛选的新方法(New Approach Methods, NAMs)。然而，这些创新方法面临一个关键瓶颈：如何确保不同实验室采用的数据分析流程能产生可比、可重复的结果？这正是美国环境保护署(EPA)、美国国家毒理学计划(NTP)等机构联合开展本研究的核心动因。

研究团队聚焦四种主流生物统计流程——EPA的ToxCast管道(tcpl)、德国IUF研究所的CRStats、以及NTP开发的DNT-DIVER系统(包含Hill和Curvep两种算法)，对321个化学样本在58个DNT相关终点的检测数据进行了系统性比对。这些样本覆盖神经发生、突触形成等关键神经发育过程，涉及人源和小鼠源等多种细胞模型。研究发现，虽然各流程的基准浓度(Benchmark Concentration, BMC)估算呈现高度相关性(Pearson r=0.92±0.02)，但约23%的活性判定存在差异，主要源于数据噪声和接近基准响应水平(Benchmark Response, BMR)的"临界活性"。值得注意的是，双相模型的应用显著提升了复杂生物学响应的捕捉能力，而CRStats对"选择性生物活性"(即低于细胞毒性的特异性作用)的判定标准最为严格。

技术方法上，研究整合了高通量筛选产生的浓度-响应曲线数据，采用dr^c R包进行13种参数模型拟合，通过最大似然估计计算BMC及其95%置信区间。特别比较了不同流程对BMR的定义方式(统计驱动vs专家设定)、噪声过滤算法(如Curvep的单调性强制规则)以及模型选择策略。

【Bioactivity concordance】
通过7746组曲线拟合数据分析发现：

• 神经网络形成(MEA NFA)和神经突生长(NOG)等复杂表型终点的变异系数(CV)高达30%，显著影响活性判定一致性
• DIVER-Curvep因内置噪声过滤功能，在低信噪比数据中表现更稳健
• 各流程对双相曲线的识别率差异达18.7%，提示复杂生物学响应需要专门建模策略

【Discussion】
研究揭示了三个关键认知：

1. 建模流程选择会显著影响BMC下限估计，这对基于阈值的安全评估至关重要
2. 细胞毒性阈值的判定标准差异可导致"特异性活性"分类偏差达41%
3. OECD推荐的tcpl流程与CRStats在置信区间计算上的差异可能影响风险评估结论

【Conclusion】
该研究首次系统评估了DNT-NAMs数据分析流程的异同，证实现有工具能提供可靠的BMC估算，但需结合专家审核来平衡灵敏性与特异性。特别是对监管应用而言，理解不同统计假设(如CRStats采用的t分布假设)对结果的影响至关重要。这些发现为OECD等国际组织推动体外数据标准化提供了实证基础，也将加速NAM^s在化学品安全评估中的转化应用。

值得注意的是，作者团队(包括Kelly E. Carstens、Arif D?nmez等)特别声明了潜在利益冲突——部分成员来自提供DNT检测服务的DNTOX公司，但所有分析均通过EPA的行政审查。这种透明度安排本身也反映出该研究在推动数据标准化方面的示范价值。