Komputerowe oceny ryzyka związanego z nanomateriałami mogłyby znacznie obniżyć koszty, wyeliminować potrzebę przeprowadzania testów na zwierzętach i przyspieszyć innowacje.
Nanomateriały — materiały mierzone w nanoskali — znajdują się w setkach przedmiotów codziennego użytku. Na przykład odzież sportowa często zawiera nanosrebro w celu zmniejszenia nieprzyjemnego zapachu, podczas gdy nanoskalowy tytan obecny jest w kremach przeciwsłonecznych, ponieważ pochłania promienie UVA i UVB.
„W nanoskali materiały zachowują się inaczej” — wyjaśnia zastępca koordynatora projektu NanoSolveIT, Iseult Lynch z Uniwersytetu w Birmingham w Wielkiej Brytanii. „Właśnie dlatego nanomateriały mają swoje szczególne właściwości”.
Ograniczenia obecnych metod testowania
Mówiąc dokładniej, nanomateriały mają ogromną powierzchnię w stosunku do swojej objętości, przez co są wysoce reaktywne. Oznacza to, że są bardzo przydatne w wykonywaniu szeregu zaawansowanych funkcji, ale stanowią także potencjalne zagrożenie dla zdrowia.
Z tego powodu przeprowadza się rygorystyczne testy, aby upewnić się, że nanomateriały nie wchodzą w niekorzystne interakcje z komórkową maszynerią ani nie trafiają tam, gdzie nie powinny. Kluczowym wyzwaniem jest fakt, że każdy nanomateriał zachowuje się inaczej, a przez cały czas opracowywane są nowe produkty.
„Obecne procedury testowania obejmują przeprowadzanie eksperymentów laboratoryjnych dla każdego nanomateriału” — mówi Lynch. „Często wykorzystuje się gryzonie, co stwarza problemy natury etycznej, jest kosztowne i czasochłonne. Ponadto badania na gryzoniach nie zawsze pozwalają przewidzieć, jak nanomateriały wpłyną na ludzi”.
Najnowocześniejsze techniki komputerowe
Projekt NanoSolveIT miał na celu sprostanie tym wyzwaniom i pomoc organom regulacyjnym w nadążaniu za intensywnym tempem innowacji w tej dziedzinie. Osiągnięto to dzięki opracowaniu technik testowania in silico, inaczej mówiąc: opartych na komputerach.
Istniejące dane zostały zebrane w celu przeszkolenia modeli komputerowych do tworzenia przemyślanych prognoz dla innych materiałów. „Wszystkie te modele opierały się na połączeniu technik opartych na fizyce i uczeniu maszynowym lub sztucznej inteligencji” — dodaje koordynator projektu, Antreas Afantitis z www.novamechanics.com (NovaMechanics Ltd) na Cyprze.
Zespół projektowy wykorzystał te modele do przewidywania, w jaki sposób dany nanomateriał może oddziaływać np. z białkami lub błoną komórkową. Celem było opracowanie „znaku rozpoznawczego” dla każdej cząstki, opisującego dokładnie, w jaki sposób wiąże się ona z innymi cząsteczkami oraz czy i w jaki sposób wywołuje toksyczność.
Opracowano również modele do oceny narażenia pracowników na poszczególne nanomateriały, biorąc pod uwagę charakter zadania (aktywny lub pasywny) oraz jego czas trwania zadania a także, czy osoba narażona była mężczyzną czy kobietą. Ocenę narażenia można następnie połączyć z oceną zagrożenia, aby uzyskać ogólną ocenę ryzyka.
Obliczeniowa ocena ryzyka nanomateriałów
Projekt NanoSolveIT pozwolił zademonstrować opłacalność i szybkość tego podejścia obliczeniowego, a także jego elastyczność i dokładność. „Te metody obliczeniowe mogą również pomóc wyeliminować testy na zwierzętach, co jest jednym z priorytetów UE” — zauważa Afantitis.
W sumie opracowano ponad 50 modeli dla punktów końcowych zagrożenia i narażenia. Około 35 z nich jest obecnie swobodnie dostępnych do użytku dla przemysłu, organów regulacyjnych i społeczeństwa obywatelskiego z przyjaznym dla użytkownika interfejsem. „Prawdziwą siłą tych modeli jest to, że są intuicyjne, zawierają szczegółowe wskazówki i można je łączyć ze sobą na różne sposoby” — mówi Lynch.
Wszystkie zestawy danych leżące u podstaw tych modeli zostały również upublicznione i ustrukturyzowane w sposób, że są gotowe do dalszej analizy. Kluczowym celem jest teraz ukierunkowanie tych modeli na wczesne etapy rozwoju produktu, aby zachęcić do produkcji, która już z założenia jest bezpieczna i zrównoważona.
„W procesie odkrywania leków badane są tysiące cząsteczek kandydujących, aby zmniejszyć ryzyko niepowodzenia na dalszym etapie” — przypomina Lynch. „Pomysł zastosowania obliczeniowej oceny ryzyka do nanomateriałów jest bardzo podobny”.
Komentarze
[ z 0]