Hvad er (Q)SAR?

(Q)SAR er modeller der kan forudsige sammenhængen mellem kemiske stoffers strukturer og andre egenskaber. Dette kan for eksempel være en fysisk-kemisk egenskab eller en biologisk aktivitet, herunder evnen til at forårsage forskellige typer af giftige effekter. Modellerne spænder fra simple matematiske formler til avancerede 3D computermodeller.

Q)SAR er modeller der kan forudsige sammenhængen mellem kemiske stoffers strukturer og andre egenskaber. Dette kan for eksempel være en fysisk-kemisk egenskab eller en biologisk aktivitet, herunder evnen til at forårsage forskellige typer af giftige effekter. Modellerne spænder fra simple matematiske formler til avancerede 3D computermodeller.

For over 100 år siden opdagede en gruppe forskere, at der er en sammenhæng mellem hvordan små organiske kemikalier fordeler sig mellem olie og vand og deres giftighed, og at denne sammenhæng kunne beskrives matematisk. Den første (Q)SAR model var dermed opfundet. Siden da har udviklingen af egentlige (Q)SAR modeller dog taget fart.

Den stadig større og hurtigere computerkraft har åbnet muligheder for at udvikle stadigt mere sofistikerede modeller. (Q)SAR anvendes i dag bl.a. inden for toksikologi og økotoksikologi, hvor formålet er at afdække kemikaliernes skadelige effekter på mennesker og miljø.

(Q)SAR står for (Quantitative) Structure Activity Relationships – altså sammenhængen mellem kemisk struktur og stoffets aktivitet. Q i parentes angiver, at modellen enten kan være kvantitativ  eller kvalitativ.

Kemiske strukturer, der ligner hinanden, kan have samme effekt

Den grundlæggende hypotese for (Q)SAR modellerne er, at kemiske stoffer, der ligner hinanden, vil have samme type af egenskaber. Derved kan man forudsige egenskaber for kemikalier, hvor man ikke har eksperimentelle forsøgsdata. Dette kan medvirke til at reducere det antal af dyreforsøg, som er nødvendige i vurderingen af kemiske stoffer, og  ligeledes øge mængden af information for et givet stof (inklusive informationer om metabolitter/nedbrydningsprodukter).

(Q)SAR modellernes opbygning

Modellernes træningssæt

Alle (Q)SAR modeller er opbygget på basis af et træningssæt. Det består af et antal kemiske strukturer med tilhørende testdata for en given effekt (eksempelvis dødelighed over for fisk eller kræft i rotter). Ofte indgår også andre deskriptorer af de kemiske stoffer, eksempelvis stoffets fordelings-koefficient i octanol og vand (log Kow), vandopløselighed mm. Det er dette ”træningssæt”, som indbefatter testdata for den egenskab af de kemiske stoffer man vil forudsige noget om, der ved hjælp af en matematisk model, kan forudsige effekterne af andre ikke-testede stoffer.

Globale og Lokale (Q)SAR modeller

Som udgangspunkt kan en (Q)SAR model kun give troværdige forudsigelser for stoffer, der til en vis grad ligner de stoffer, der indgår i træningssættet. Modeller, som er designet til at give forudsigelser for en snæver gruppe af stoffer med lignende kemiske strukturer kaldes forlokale modeller.

Derimod kaldes modeller, som er designet til at kunne give forudsigelser for et stort antal stoffer med vidt forskellige kemiske strukturer forglobale modeller.

Modellernes applikabilitetsdomæne

Angivelse af gyldighedsområde (”applikabilitetsdomæne”) er en hjørnesten i anvendelse af (Q)SAR. Det bruges til at vurdere, om en (Q)SAR model kan give troværdige forudsigelser for et givent kemisk stof.

Applikabilitetsdomænet kan bl.a. opdeles i et strukturdomæne og et deskriptordomæne, som sammen afgrænser det område, hvor modellen kan give troværdige forudsigelser.

Eksempelvis kan en model have et strukturdomæne, der omfatter ”alifatiske aminer” og et deskriptordomæne, som kræver at log Kow skal være mellem 1 og 6.Hvis man med en sådan model forsøger at udlede estimater for en alifatisk amin med log Kow på 7 vil estimatet være uden for modellens deskriptordomæne, og dermed vil forudsigelsen være usikker.

For mere komplicerede modeller bliver angivelsen af applikabilitetsdomænet ofte tilsvarende kompliceret, da modellerne kan have adskillige deskriptorer med forskellig vægtning. For denne type af modeller kan domæneangivelsen være indbygget i computerversionen af (Q)SAR modellen og angives f.eks. som en sandsynlighed for, at en given forudsigelse er inden for modellens domæne.

(Q)SAR modellernes præcision

Q)SAR modeller bliver vurderet i forhold til, hvor gode de er til at forudsige en given egenskab (f.eks. bioakkumulering i fisk), hvor der skelnes mellem intern performance og ekstern performance.

Intern performance angives ved hjælp af ”goodness-of-fit”, som er et mål for, hvor godt modellen tager højde for variationen i træningssættet og robusthed, som er et mål for modellens stabilitet (f.eks. hvor meget modellens forudsigelser bliver påvirket af, at man fjerner et stof fra træningssættet).

Ekstern performance måles ved tre forskellige udtryk for modellens prædiktivitet (”forudsigelseskraft”), nemlig konkordans, sensitivitet og specificitet.

Sensitiviteten er et mål for, hvor god modellen er til at komme med korrekte forudsigelser for, at et stof har en effekt. Sensitiviteten kan matematisk beskrives som andelen af de eksperimentelt positive, som er korrekt forudsagt.

Specificitet angiver derimod hvor god modellen er til at komme med korrekte forudsiger for, at et stof ikke har en effekt. Matematisk kan det beskrives som andelen af de eksperimentelt negative, som er korrekt forudsagt.

Konkordans er et mål for hvor stor en del af modellens estimater, der er korrekte, og er således et overordnet mål for modellens præcision.

En models performance bør altid ses i sammenhæng med variationen i testdata. De bedste (Q)SAR modeller kan lave forudsigelser der faktisk er sammenlignelige med - eller i visse tilfælde endog bedre end - testdata med hensyn til præcision, når kun forudsigelser inden for modellernes applikabilitetsdomæne bruges.

Anvendelse af (Q)SAR til regulatoriske formål

Det er i dag muligt, med få tryk på en tast, at fremskaffe (Q)SAR forudsigelser for tusindvis af kemiske stoffer. Men i hvilket omfang kan myndighederne anvende disse nye informationer til at regulere de mange kemikalier, vi omgiver os med?

Grundlæggende er der to måder, som myndighederne anvender (Q)SAR på. Forudsigelserne kan enten bruges til vurdering af enkelte stoffer, eller de kan bruges til at træffe beslutninger i forhold til at prioritere imellem mange stoffer. REACH lovgivningen lægger stor vægt på anvendelsen af (Q)SAR i forbindelse med kemikalievurdering. I praksis er det dog sjældent, at en (Q)SAR forudsigelse anvendes som eneste grundlag til at vurdere sikkerheden af et kemikalie.

Anvendelse af (Q)SAR under REACH

EUs kemikalielovgivning REACH har pålagt den kemiske industri en skærpet forpligtelse i forhold til at teste og dokumentere sikkerheden af de kemikalier, der fremstilles i eller importeres til EU.

Anvendelsen af (Q)SAR fremgår som et centralt emne i lovgivningsteksten og er bl.a. omtalt i paragraf 1, 13, 25 og i bilag XI. Overordnet set kan (Q)SAR estimater anvendes til at vise, om et stof har en bestemt farlig egenskab. (Q)SAR forudsigelser kan, ifølge REACH, anvendes i stedet for dyreforsøg, når visse betingelser er opfyldt.

Industriens brug af (Q)SAR i REACH registreringerne

REACH forordningen har medført, at industrien i stigende grad kan gøre brug af (Q)SAR. Gennem brugen af (Q)SAR vil det nemlig være muligt at reducere omkostningstunge dyreforsøg, som endvidere kan have etiske implikationer. Men industrien og myndighederne har samtidig en stor udfordring i at sikre, at der ikke anvendes utroværdige (Q)SAR forudsigelser til at dokumentere sikkerheden af kemikalier.

Det er derfor vigtigt, at der vedlægges tilstrækkelige mængder af dokumentation til at kunne lave en efterfølgende uafhængig vurdering af de (Q)SAR forudsigelser, der ligger til grund for en vurdering af et kemisk stof.

Dokumentationen kan bl.a. sikres ved at OECD’s (Q)SAR valideringsprincipper er overholdt, og at der vedlægges dokumentation for validiteten af modellen og forudsigelsen (se afsnit om validering af (Q)SAR på denne side).

Myndighederne bruger (Q)SAR til at prioritere mellem de mange registrerede stoffer

REACH pålægger industrien at udføre forsøg, udarbejde sikkerhedsvurderinger af kemikalierne og fremsende registreringer med denne information til det Europæiske Kemikalieagentur (ECHA). ECHA udtager stikprøver af industriens kemikalievurderinger til nærmere kontrol.

I det arbejde anvendes (Q)SAR til at prioritere mellem de mange kemiske stoffer. Formålet er at målrette ressourcerne til at vurdere de stoffer, som ser ud til at være de mest problematiske, når det handler om effekter på mennesker og/eller miljøet.

(Q)SAR anvendes også til at identificere mulige problemstoffer

(Q)SAR anvendes desuden til systematisk at identificere mulige problemstoffer, f.eks. CMR stoffer (stoffer som er kræftfremkaldende, mutagene eller reproduktionstoksiske) eller PBT stoffer (stoffer som er persistente, bioakkumulerbare og toksiske).

Når myndighederne har identificeret et problemstof på baggrund af (Q)SAR, kan det blive underkastet en mere grundig undersøgelse, hvor alle tilgængelige informationer om stoffet bliver taget i betragtning. Hvis resultatet af dette arbejde viser, at der er grund til bekymring, kan myndighederne foreslå en skærpet EU regulering under REACH. De kan også pålægge industrien at fremskaffe yderligere data ved testning.

ECHA har udarbejdet vejledninger i anvendelse af (Q)SAR under REACH. Disse kan findes på følgende links:

Vejledning i brug og rapportering af (Q)SARs (ECHAs hjemmeside)

Information om (Q)SAR, gruppering, read-across samt Weight of Evidence (ECHAs hjemmeside)

Læs mere om REACH

Weight of Evidence

I praksis er det forholdsvis sjældent, at et (Q)SAR estimat anvendes som det eneste grundlag for myndighedernes beslutning om at regulere et kemikalie. I stedet anvendes ofte en såkaldt Weight of Evidence (WoE) fremgangsmåde. Her bliver alle tilgængelige informationer taget i betragtning i forhold til at drage en overordnet konklusion om et kemikalie. Det betyder, at (Q)SAR forudsigelser indgår sammen med tilgængelige testdata, ligesom man også bruger den viden, man har fra andre kemikalier med lignende struktur (gruppering og read across).

Ved anvendelse af WoE er det i mange tilfælde muligt at træffe en beslutning i forhold til regulering af et kemikalie. Også selvom der ikke findes testdata fra (dyre)forsøg udført efter gældende vejledninger.

(Q)SAR arbejdet i OECD

Arbejdet med at udvikle og validere traditionelle testmetoder for kemiske stoffer bliver udført under OECD. OECD har også påtaget sig ansvaret for at formidle og udbrede anvendelsen af (Q)SAR. Ligeledes har OECD udarbejdet retningslinjer for ensartet anvendelse og tolkning af (Q)SAR.

OECD har nedsat en arbejdsgruppe med deltagelse af eksperter og myndighedspersoner, hvor anvendelse og udvikling af (Q)SAR løbende bliver diskuteret. Dette arbejde har bl.a. resulteret i, at der er blevet udarbejdet en række vejledningsdokumenter om (Q)SAR. De kan findes på OECD’s hjemmeside. Endvidere er OECD i gang med at udvikle et omfattende ekspertsystem der hedder OECD QSAR Application Toolbox. Det kan downloades fra OECDs hjemmeside.

Læs mere om (Q)SAR på OECD’s hjemmeside

Validering af (Q)SAR

Når kemikalier undersøges med traditionelle testmetoder anvendes forskellige testvejledninger (OECD Test Guidelines), som er blevet valideret internationalt. Forsøg udført efter sådanne vejledninger vurderes som udgangspunkt at give troværdige og brugbare resultater. For (Q)SAR modeller forholder det sig anderledes.

Det har været diskuteret, om (Q)SAR modeller skulle valideres på samme måde som traditionelle testmetoder. Det er dog blevet besluttet, at denne praksis generelt ikke er optimal inden for (Q)SAR området. Dette skyldes flere faktorer. Eksempelvis at (Q)SAR modeller ofte bliver løbende ændret i forhold til at inkludere nye kemiske stoffer i træningssættet, eller at der justeres i nogle af modellens parametre. Det er endvidere svært at sætte ultimative mål for, hvor gode en models forudsigelser skal være for at blive accepteret, da der kan være stor forskel på, hvor lav præcision (eller henholdsvis sensitivitet og specificitet), der accepteres i forhold til det givne formål.

Der kan f.eks. være krav om høj præcision, hvis estimatet skal anvendes til at klassificere et kemikalie. En lavere præcision kan accepteres, hvis estimatet skal anvendes til at prioritere et kemikalie til nærmere undersøgelse. Endeligt afhænger troværdigheden af et estimat ikke kun af modellens præcision, men også af hvor overbevisende forudsigelsen er inden eller uden for modellens applikabilitetsdomæne.

OECD’s valideringsprincipper

I stedet for en formel validering af (Q)SAR modeller er det blevet besluttet, at brugeren af (Q)SAR modellen har et ansvar for at vurdere troværdigheden af (Q)SAR estimaterne i forholdt til det givne formål. Derudover skal modelforudsigelser dokumenteres både i forhold til om de er indenfor QSAR modellens applikabilitetsdomæne, og i forhold til hvordan selve modellen er blevet valideret.

Der er derfor lagt op til størst mulig gennemsigtighed i forholdt til brug af (Q)SAR modellerne. Det giver brugerne mulighed for at lave en kvalificeret vurdering af modellens brugbarhed i forhold til et givet formål. OECD har opstillet fem valideringsprincipper, som en valid (Q)SAR model bør opfylde:

1) Et defineret endepunkt (type af effekt f.eks. hudirritation)
2) En utvetydig algoritme (matematisk model, der ligger til grund for modellen)
3) Et defineret applikabilitets-domæne 
4) Mål for goodness-of–fit, robusthed og prædiktivitet
5) Være baseret på viden om kemisk-biologiske virkningsmekanismer

Validiteten af en (Q)SAR model dokumenteres ved hjælp af et såkaldt QMRF (QSAR model reporting format), mens man kan vurdere om QSAR forudsigelserne er inden for modellens applikabilitetsdomæne ved hjælp af et såkaldt QPRF (QSAR prediction reporting format).

Se Guidance dokument på validering af (Q)SAR modeller (OECD’s hjemmeside)