【背景・目的】
化学物質の皮膚感作性評価では、動物試験代替法を用いた評価への転換が進められている。しかし、代替法を用いた皮膚感作性の強度評価手法は、リスク評価のために重要であるものの、未だ確立されていない。当研究室では、皮膚感作性の強度の指標である、マウス局所リンパ節試験 (LLNA)のEC3値を予測する機械学習モデルの開発に取り組んでいるが、実用化にはモデルの説明性・解釈性の向上や外部検証の実施等の課題がある。本研究では、皮膚感作性強度予測モデルの実用化を目指したLLNA EC3値予測モデルの構築を行った。
【方法】
経済協力開発機構(OECD) により策定された、皮膚感作性の評価手法に関するガイドライン（No.497）において公開されたデータセットに含まれる143物質の試験情報を使用した。それらを訓練データと外部検証データに4：1の割合でランダムに分割し、勾配ブースティング決定木系のアルゴリズムであるXGBoostによる回帰モデルを構築した。目的変数は、LLNA EC3値とした。説明変数は、皮膚感作性の有害性発現経路（AOP）に関するin vitro試験結果（DPRA、KeratinoSensTM 、h-CLAT）、物性値、OECD QSAR ToolBoxから算出した分子記述子や構造アラート情報を使用した。
【結果・考察】
構築したLLNA EC3値予測モデルを用いて外部検証データの29物質の予測値を算出し、動物実験から得られたLLNA EC3値と比較したところ、決定係数が0.68であった。また、予測モデルの変数重要度を調べたところ、3種のin vitro試験結果 が上位を占めており、予測結果への寄与が大きいことが示唆された。本モデルは、説明性・解釈性を持ち、かつ外部検証による性能評価を実施した、実用的な皮膚感作性の強度予測モデルとなることが期待される。
