KEY POINTS
- La valutazione dell’incertezza nel read-across impiega sette pilastri strutturati per determinare l’affidabilità della previsione tossicologica.
- Il sistema classifica rigorosamente l’incertezza in quattro livelli ordinali, conformemente alle direttive europee ECHA ed EFSA.
- L’approvazione regolatoria richiede una certezza pratica, ottenibile esclusivamente con livelli di incertezza valutati bassi o molto bassi.
Il read-across si configura come uno degli strumenti più importanti nell’ambito della tossicologia computazionale e delle New Approach Methodologies (NAMs), offrendo un percorso rigoroso per colmare le lacune dei dati tossicologici ai fini regolatori senza la necessità di intraprendere nuove sperimentazioni animali.
Questo approccio poggia sul principio di similitudine, presupponendo che sostanze chimiche con strutture affini inducano risposte biologiche comparabili, permettendo così di trasporre le evidenze da una molecola sorgente ricca di dati a una molecola target meno conosciuta.
Tuttavia, come evidenziato dalle ricerche di Cronin e Schultz (recentemente pubblicate su Regulatory Toxicology and Pharmacology), la sfida risiede nella giustificazione scientifica di tale somiglianza, un processo che richiede di navigare tra le limitazioni intrinseche della conoscenza che l’EFSA definisce come incertezza, ossia l’insieme dei limiti nella conoscenza disponibile che influenzano la probabilità delle risposte a un quesito di valutazione.
Secondo gli autori, per decodificare questa complessità, è essenziale adottare uno schema strutturato basato su 7 pilastri che fungono da input per determinare l’affidabilità della previsione.
Il primo pilastro riguarda la misurazione della similarità chimica, basata principalmente sull’indice di Tanimoto. Il tossicologo deve però considerare che l’affidabilità di questi calcoli dipende fortemente dal metodo utilizzato per descrivere la molecola (i cosiddetti fingerprint). Inoltre, questi indici presentano un limite importante: rischiano di non individuare gli activity cliffs, ossia quei casi in cui una modifica strutturale minima provoca un cambiamento estremo nell’effetto biologico della sostanza.
Il secondo aspetto chiave riguarda l’identificazione della classe chimica di appartenenza della sostanza. Questa classificazione è una procedura che viene svolta generalmente in modo manuale, valutando e combinando le caratteristiche strutturali essenziali della molecola, come la sua impalcatura di base (il cosiddetto scaffold molecolare) e i gruppi funzionali che la compongono.
Il terzo pilastro, la similarità molecolare relativa alla tossicodinamica, rappresenta un salto di qualità metodologico poiché collega i meccanismi di reattività, come l’addizione di Michael o la formazione di basi di Schiff, al Molecular Initiating Event (MIE) inserito in un quadro di Adverse Outcome Pathway (AOP), garantendo che la previsione sia ancorata a una logica biologica meccanicistica solida.
La valutazione prosegue con il quarto e il quinto pilastro focalizzati sulla tossicocinetica, analizzando la biodisponibilità sistemica e la formazione di metaboliti comuni o prodotti di degradazione, elementi cruciali per assicurare che il destino metabolico della molecola sorgente sia equivalente o più conservativo rispetto alla target.
Il sesto pilastro esamina le proprietà fisico-chimiche fondamentali, come il log P e il peso molecolare, che devono essere coerenti con l’endpoint considerato, mentre il settimo pilastro si concentra sulla qualità dei dati tossicologici originali; in questa fase, un esperto regolatorio non deve limitarsi allo score di Klimisch, ma deve integrare schemi di valutazione avanzati come CRED (Criteria for Reporting and Evaluating Ecotoxicity Data) e SciRAP (Science in Risk Assessment and Policy) per garantire la massima affidabilità dell’evidenza di partenza.
Questi sette pilastri alimentano una matrice di valutazione che classifica l’incertezza su una scala ordinale di quattro livelli (molto bassa, bassa, moderata e alta), in piena armonia con il Read-Across Assessment Framework (RAAF) dell’ECHA e i mandati EFSA. In questo contesto, il peso di ogni incertezza non è uniforme ma dipende dai driver di tossicità specifici dell’endpoint; se per la sensibilizzazione cutanea la tossicodinamica e la reattività chimica sono fattori ad alto impatto, per la tossicità a dosi ripetute il driver primario dell’incertezza è rappresentato dalla tossicocinetica e, specificamente, dalla similitudine nella clearance metabolica.
L’efficacia di questa metodologia è dimostrata da casi studio emblematici, come la valutazione della fragranza 2-benzilidene-3,7-dimetiloct-6-enale per la sensibilizzazione cutanea, dove l’uso del 2-benzilideneottanale come sorgente ha evidenziato un’incertezza molto bassa grazie a meccanismi di reattività identici. Analogamente, nel caso della tossicità sub-cronica del tripropilen glicole monometil etere (1-[1-(1-metossipropan-2-ilossi)propan-2-ilossi]propan-2-olo), la scelta della sostanza sorgente 1-(1-butossipropan-2-ilossi)propan-2-olo si è rivelata ottimale non solo per le proprietà ADME identiche, ma anche per la disponibilità di dati di qualità eccezionale derivanti da studi conformi alle Good Laboratory Practice (GLP) e alle linee guida OECD TG 408/422.
Il traguardo finale di tale processo è il raggiungimento della cosiddetta certezza pratica, un concetto introdotto dall’EFSA (2018a) per indicare un livello di incertezza che sia sufficiente per lo scopo pratico in esame, ovvero l’accettazione del read-across per una specifica finalità regolatoria. L’incertezza è considerata tollerabile quando il giudizio complessivo si attesta sui livelli basso o molto basso, una condizione frequentemente riscontrata in settori come quello delle fragranze analizzato dal RIFM, il quale beneficia di una diversità strutturale limitata che favorisce la robustezza delle similitudini.
In conclusione, la trasparenza nella caratterizzazione dei sette pilastri e la capacità di spiegare scientificamente ogni deviazione strutturale rimangono i requisiti minimi per l’accettazione regolatoria, confermando che il read-across, se supportato da evidenze solide e una valutazione dell’incertezza metodica, costituisce uno strumento d’eccellenza per una sicurezza chimica moderna, efficace e orientata alla trasparenza decisionale.
Sono Fabio Lunghi, Chimico con Master in ‘Valutazione e controllo del rischio tossicologico’ all’Università di Pavia. Aiuto le aziende a navigare il complesso mondo della conformità normativa (REACH, CLP, Biocidi) attraverso consulenze mirate, valutazioni del rischio e formazione.