(波士顿) - 来自波士顿大学医学院(BUSM)和公共卫生部门的研究人员开发并评估了一种快速，准确且具有成本效益的方法来评估化学品的致癌性 - 也就是说，接触某种化学物质是否会增加一个人的化学物质长期患癌症的风险。因此，他们已经生成了迄今为止最大的毒理基因组学数据集之一，并通过carcinogenome.org的门户网站公开了数据和结果。

尽管在过去几十年中对癌症研究进行了大量投资，但仅在2017年就估计美国约有170万新癌症病例和600,000例癌症死亡病例。其中，90-95%不归因于已知的遗传性遗传因素，使环境暴露成为这些病例的主要嫌疑人。

研究人员将人类细胞系暴露于数百种已知为致癌物质和非致癌物质的单个化学物质中。然后，他们从暴露的细胞系中产生基因表达谱，并将谱(签名)输入机器学习算法(计算机模型)，该算法经过训练以区分致癌物和非致癌物。然后通过测试其正确“猜测”已知化学品的致癌性的能力来评估模型的准确性。

研究人员表示，在商业用途的成千上万种化学品中，只有少数(不到2%)已经过彻底的潜在致癌性测试，部分原因是由于电流极其昂贵且耗时。化学筛选过程。“我们开发的方法，一旦进一步优化和验证，将为化学品的优先顺序提供快速和具有成本效益的方法，以进行进一步(更昂贵/广泛)的测试。另外，我们的方法可以很容易地扩展到评估不利影响除了致癌性之外的暴露，如内分泌干扰，代谢中断等，“相应作者，BUSM医学副教授Stefano Monti博士解释说。

虽然在将这种方法应用于监管和临床环境之前还需要做更多的工作，但研究人员希望这项研究能够激励其他人接受挑战，并加入努力，开发更具成本效益的化学筛查方法及其后续措施。消除环境中的有害物质。