Data curation, predictive models, and decision support tools for risk assessment of nanomaterials and their mixtures

Abstract

Nanomaterials have been widely used in recent decades. Nanomaterials might meet various chemicals during emission, including metal ions and organic compounds in the environment to form nano-mixtures. Living organisms could expose to nanomaterials and nano-mixtures by multifaceted pathways: inhalation, ingestion, penetration through the skin, and injection. Studies showed that exposure to nanomaterials and nano-mixtures could result in many toxic outcomes. Measuring toxicity of nanomaterials and nano-mixtures were traditionally performed by exposure experiments, which have a high cost, long time, and presence of animal testing. The modeling approach (i.e., using data curation and developing predictive models) has been utilized to minimize nanotoxicity measurement costs. However, the method is currently facing obstacles of 1) outdated data curation for toxicity data of nanomaterials and nano-mixtures, 2) lacking methods for data quality control in model development, and 3) lacking web applications that can quickly provide toxicity of nanomaterials and nano-mixtures for toxicologists and industrial specialists. This thesis will solve those problems by 1) curating the most current toxicity data of nanomaterials and nano-mixtures, 2) developing quality score criteria for datasets and predictive models for toxicity of nanomaterials (e.g., metal, oxides, and multi-walled carbon nanotube) and nano-mixtures (e.g., TiO2 based nano-mixtures), and 3) providing open access web applications for users who are interested in quick nanotoxicity assessment (e.g., toxicologists and industrial specialists). This thesis consists of seven chapters. Chapter 1 gives background information on nanomaterials, nano-mixtures, nano-toxicity data and addresses the above three problems in the modeling approach. Chapter 2 will deal with the first obstacle: nanotoxicity data were collected for nanomaterials (e.g., metal, metal oxides, carbon) and nano-mixtures from literature (e.g., Google Scholar, Pubmed, and Web of Science). Chapter 3 and chapter 4 will deal with the first part of the second problem, i.e., predictive models for toxicity of nanomaterials and nano-mixtures. Chapter 5 solves the second part of the second obstacle by discussing the effect of data quality on the performance of predictive models. Chapter 6 will discuss how to develop web applications for decision support of nano-safety. Chapter 7 will conclude this thesis. |나노 물질은 최근 수십 년 동안 널리 사용되어 왔다. 나노 물질은 배출이 되는 과정 중 환경에서 금속 이온과 유기화합물을 포함한 다양한 화학물질을 만나 나노 혼합물을 형성한다. 살아있는 유기체는 흡입, 섭취, 피부를 통한 침투, 주입과 같은 다양한 경로에 의해 나노 물질과 나노 혼합물에 노출될 수 있다. 본 연구는 나노 물질과 나노 혼합물에 노출되는 것이 많은 독성 결과를 초래할 수 있다는 것을 보여주었다. 전통적으로 나노 물질과 나노 혼합물의 독성 측정은 비용이 많이 들고 시간이 오래 걸리며 동물을 이용한 노출 실험을 통해 수행됐다. 최근에는 나노 독성 측정 비용을 최소화하기 위해 데이터 큐레이션을 활용하고 예측 모델을 개발하는 모델링 방법이 활용되고 있다. 그러나 이 접근 방법은 현재 1) 나노 물질과 나노 혼합물의 독성 데이터에 대한 구식 데이터 큐레이션, 2) 모델 개발에서 데이터 품질 관리 방법의 부족, 3) 독성학자 및 산업 전문가를 위해 나노 물질과 나노 혼합물의 독성을 신속하게 제공할 수 있는 웹 애플리케이션 부족이라는 장애물에 직면해 있다. 이 논문은 1) 나노 물질과 나노 혼합물의 최신 독성 데이터 큐레이션, 2) 데이터셋의 품질 점수 기준 개발 및 나노 물질(예: 금속, 산화물, 다중벽 탄소나노튜브)과 나노 혼합물(예: TiO2 기반 나노 혼합물)의 독성에 대한 예측 모델 개발, 3) 신속한 나노 독성 평가에 관심이 있는 사용자(예: 독성학자 및 산업 전문가)를 위한 웹 애플리케이션 제공을 통해 그러한 문제점들을 해결할 것이다. 이 논문은 일곱 개의 장으로 구성되어 있다. 1장에서는 나노 물질, 나노 혼합물, 나노 독성 데이터의 배경 정보를 제공하고 모델링 방법에서 나타난 세 가지 문제점을 다룬다. 2장에서는 문헌(예: Google Scholar, Pubmed 및 Web of Science)으로부터 수집된 나노 물질(예: 금속, 금속산화물, 탄소)과 나노 혼합물에 대한 나노 독성 데이터의 문제를 다룬다. 3장과 4장은 나노 물질과 나노 혼합물의 독성에 대한 예측 모델과 관련된 문제를 다룬다. 5장은 예측 모델의 성능에 대한 데이터 품질의 영향에 대해 논의함으로써 앞의 문제점을 해결한다. 6장에서는 나노 안전성에 대한 의사결정 지원을 위한 웹 애플리케이션 개발 방법에 대해 논의하고 7장에서 이 논문을 마무리한다.