基于贝叶斯的定量不良结局通路：利用公开文献中的体外数据和连续变量——以肝纤维化为案例

随着毒理学转向非动物试验，定量模型对于从分子或细胞扰动预测不良健康效应至关重要。定量不良结局通路（qAOPs）代表了此类模型，其建立在机制知识的基础上，并量化了AOPs中描述的关键事件关系（KERs）。尽管需求已得到认可，但qAOPs的数量仍然有限。基于贝叶斯的方法常被选择用于开发qAOP，因其灵活性，但大多数使用离散变量，限制了其预测能力。此外，这些模型主要基于新生成的数据构建，未充分利用大量可用信息。本研究成功利用了公开文献中的数据，并提出了一种基于连续变量的创新框架，以开发针对肝纤维化中心KER的基于贝叶斯的定量模型。该模型根据对组织损伤的影响，利用多种化学品的体外数据，预测肝星状细胞活化两个关键标志物（aSMA和COL1A1）表达倍数变化的概率。我们提出了一种新开发的工作流程，以协助从科学文献和化学数据库中识别、组织和提取知识。基于体外数据和来自Open TG-GATEs（毒物基因组学项目-基因组学辅助毒性评价系统）数据库的体内信息，我们估计了COL1A1倍数变化的生物学相关范围，该范围指示星状细胞的活化状态和高肝纤维化优势比。我们的研究提供了一个整合已发表数据和连续变量来构建基于贝叶斯模型的案例，这是从体外数据预测肝纤维化的关键一步。