前人云：是药三分毒。当然现实情况中，各类药物的毒性千差万别。不成否定的是，现代科技创造出来的不少新药，固然拥有前所未有的疗效，但也往往由于人们不足足够的意识，它们也可能拥有前所未有的毒性风险。
肝脏自身的职能就是从身段中断根各类药物，这使得这个器官首当其冲受到药物毒性风险的冲击。药物研发的一个最大的挑战是在进行人体试验之前搞明显哪些候选药物有可能中伤肝脏。如今，科学家们已经开发出了一种推算机模型，通过比力候选药物和已知拥有肝毒性的药物，来预测这种新药是否也可能有肝毒性。这项钻研成就颁发在《Chemical Research in Toxicology》上。（Computational Models for Human and Animal Hepatotoxicity with a Global Application Scope.  Chem. Res. Toxicol., DOI: 10.1021/acs.chemrestox.5b00465）

赛诺菲-安万特（Sanofi-Aventis）的Denis Mulliner说，多种生物蹊径都与肝毒性有关。确定肝毒性的尺度步骤是动物尝试，但即便对动物无害的药物也不能保障对人肯定无害。 “这出格难以预测，对患者来说也是一个大问题，”Mulliner说。即便经过很屡次的人体临床试验后，有些药物也可能在上市之后才被发现有肝毒性，由于这种肝败坏可能仅偶然产生，或必要很长的功夫才逐步产生。梦想的情况是，若是科学家们能够在药物研发的初始阶段就排除有害的候选药物，就可预防后续对这些药物进行昂贵和费时的动物钻研和人体临床试验，Mulliner说。因而，能预测药物潜在毒性的推算模型能够使药物开发更快、更便宜、更安全。

最早期的毒性测试模型只提供一个是或否的答案，Mulliner说。他想要一个可能提供更多信息的技术，蕴含该模型预测的相信概率。“有时我们得到的了局仅仅是‘不知路’，”他说，“这不是梦想的答案，但它比谬误地判断‘没问题’要好。”此表，现有的推算步骤使用的化学数据库太幼或太同质化，使其很难预测新的候选药物。
所以Mulliner的幼组开发了一个模型，蕴含了高达3712种化合物的分子性质和肝毒性数据，这是之前的模型数据库的三倍以上？蒲Ъ颐嵌哉庑┦萁辛舜χ，并用之训练他们开发的模型，以寻找常见的化学和结构性质与某种特定类型毒性的关联。而后，他们用269种不在数据库中的化合物来测试这个模型，这些化合物都曾在动物尝试中进行了肝毒性测试，该模型正确地鉴别了拥有肝毒性化合物中的大部门，鉴别率达72％。以结构类似的四种曲坦类药物为例，只有Yohimbine没有肝毒性，Mulliner的模型成功地预测了哪些化合物有肝毒性，而哪个化合物没有（上图）。

钻研人员已将这个数据库以及该模型的源代码共享，以使科学界“推动预测毒物学领域”的发展，Mulliner说。

维也纳大学的Gerhard Ecker对该模型的数据库质量印象深刻。“这是迄今为止我看到过的最大的数据集，”他说，“并且非？康米。”