动物实验替代方法（NAM）用于监管安全性测试的预验证报告：InfiniteLungDT——一种基于体外学习、用于预测材料诱发慢性中性粒细胞性肺部炎症的数字孪生体

迄今为止，尚无无需使用动物的替代方法，能够预测慢性炎症，并提供监管机构所要求的相关剂量反应、炎症起始时间及持续时间。

我们报告了一种经体外数据训练的数字孪生（InFiniteLungDT）的预验证结果。该方法可预测慢性中性粒细胞性肺部炎症，适用于监管用途。其原理是测量可吸入材料或其混合物在体外诱导的早期生物效应动态，无需了解这些材料的固有性质。

对于每种具有体内暴露数据的材料，我们均构建了相应的数字孪生模型。由 49 种不同纳米材料构成的气管内滴注数据集被用作模型校准的主要基准。由 7 种不同纳米材料构成的吸入暴露数据集符合 OECD TG 412，用于验证该方法对不同物种及不同暴露场景的普遍适用性。总计使用了约 3094 次小鼠单次暴露和 364 次大鼠暴露（以及约 775 只未暴露小鼠和 225 只未暴露大鼠作为对照），以预测肺部中性粒细胞浸润随浓度和时间的变化。最低观察到不良效应水平（LOAEL）的判定准确率（预测能力）在气管内滴注暴露中为 93%，在吸入暴露中为 84%。

考虑到结果可在一周内得出，这些结果表明，与动物参考研究相比，评估吸入材料从急性到慢性条件下的影响，所需时间和成本可降低数个数量级。

作者声明不存在利益冲突。

感谢您有意帮助传播 bioRxiv 的相关信息。

注意：系统要求提供您的电子邮件地址，仅用于确认您是本文的发送者。

关键词：动物实验替代方法 · 数字孪生 · 体外毒性预测 · 纳米材料 · 肺部慢性炎症 · 监管安全性测试

原文链接：https://www.biorxiv.org/content/10.64898/2026.05.12.723437v1?rss=1