Page 93 - 生态经济背景下农业种植技术研究

第二章 农药毒理学研究

展现出ER激动活性。此外，Piir等基于1688种AR激动剂或拮抗剂的化合物分子（小
分子中包括了一部分农药），通过机器学习的方法构建了用于化合物 AR 活性筛
查的模型，其在预测 AR 激动剂和拮抗剂中的准确度分别为 80% 和 72%。通过机

器学习算法筛查农药核受体活性不仅方便、快捷、低成本，且符合实验动物的“3R”
原则。随着农药体外细胞活性筛查数据的不断积累，计算毒理学在未来农药活性
筛查中将会发挥更加重要的作用。

六、计算毒理学面临的挑战

计算毒理学的发展已直接或间接影响着科学研究的进展，其对解放科研人员
劳动力及减少实验动物投人具有积极作用。尽管计算毒理学已被广泛应用于农药
毒性预测、活性筛查及风险评估，但仍面临许多挑战，主要包括以下几个方面：

（一）毒理学数据的可靠性存疑
人员操作间存在差异及实验条件差异是影响实验结果的主要因素，因此，针
对同一化合物毒性评估，可能产生不同的试验结果，需要进行甄别。
（二）毒理学数据体量仍然不足

大数据是计算毒理学模型构建的基础，毒理学数据样本体量不足会影响模型
构建的精确度及可靠性。当前的农药毒理学数据还远远无法满足用于多方位模型
构建的要求，毒理学数据的不断累积将有助于破解这一难题。
（三）预测结果与人体暴露的真实关联度无法完美匹配

毒理学研究的最终目的是服务于人体健康及环境安全的风险评估，通过动物
实验及体外细胞实验测试获得的实验结果存在对保护人体健康的毒性外推问题。
实验动物与人体之间存在种属差异，人类细胞与个体之间存在组织、器官及内周
系统相互作用的差异，都是影响测试结果与人体暴露相互匹配的因素。因此，基

于动物实验及体外细胞实验测试结果构建的预测模型用于人类健康风险评估仍无
法完美匹配农药暴露对人体的真实健康风险。
（四）专业人才缺乏，不同背景的多学科人才合作需要加强
计算毒理学是一门多学科交叉的新兴学科，对研究人员的要求极高。研究人

员需要精通多学科知识（包括数学算法、统计学、物理化学、生物学、计算机科
学等），并能熟练掌握计算机操作、会使用若干编程语言及软件。目前，我国开
展计算毒理学研究的人员仍然缺乏，专业人才的培养需要不断加强。此外，单个

81