2026
Dissertation, RWTH Aachen University, 2026
Veröffentlicht auf dem Publikationsserver der RWTH Aachen University
Genehmigende Fakultät
Fak01
Hauptberichter/Gutachter
;
Tag der mündlichen Prüfung/Habilitation
2026-03-12
Online
DOI: 10.18154/RWTH-2026-08974
URL: https://publications.rwth-aachen.de/record/1041880/files/1041880.pdf
Einrichtungen
Projekte
Inhaltliche Beschreibung (Schlagwörter)
chemical safety assessment (frei) ; high-throughput PBK modelling (frei) ; machine learning (frei) ; new approach methodologies (frei) ; pharmacokinetics (frei) ; physiologically based kinetic modelling (frei)
Thematische Einordnung (Klassifikation)
DDC: 570
Kurzfassung
Die moderne Toxikologie und Pharmakologie befinden sich in einem tiefgreifenden Wandel. Ethische Erwägungen und Fortschritte in rechnergestützten Methoden ermöglichen zunehmend die Ersetzung von Tierversuchen durch humanrelevantere, tierversuchsfreie Bewertungsmethoden. Diese Dissertation trägt zu diesem Übergang bei, indem sie einen Ansatz entwickelt und validiert, der als Hochdurchsatz-physiologisch basierte kinetische (HT-PBK) Modellierung bezeichnet wird. Diese neue Methode integriert mathematische PBK-Modelle mit modernen Werkzeugen des maschinellen Lernens (ML), welche zentrale physikochemische und Absorptions-, Distributions-, Metabolismus- und Exkretionseigenschaften (ADME) von Molekülen direkt aus ihrer chemischen Struktur vorhersagen. Dadurch ermöglicht sie eine schnelle, automatisierte Modellparametrisierung, während die mechanistische Interpretierbarkeit erhalten bleibt und Engpässe in der traditionellen PBK-Modellentwicklung beseitigt werden. Unter ausschließlicher Verwendung von in-vitro- und computergestützten Eingangsdaten ermöglicht die HT-PBK-Modellierung die Abschätzung der Exposition des Menschen gegenüber Chemikalien und somit die Wirkung von Chemikalien auf den Menschen. Das übergeordnete Ziel dieser Arbeit ist es, die prädiktive Leistungsfähigkeit HT-PBK-basierter pharmakokinetischer (PK) Simulationen gegenüber beim Menschen beobachteten in-vivo-PK-Daten zu quantifizieren und den praktischen Nutzen dieser Simulationen für Sicherheitsbewertungen aufzuzeigen. Um eine umfassende Evaluation zu ermöglichen, wurde einer der größten verfügbaren Datensätze menschlicher Plasmakonzentrations-Zeit-Profile zusammengestellt und kuratiert, der über 2000 menschliche PK-Kurven von mehr als 200 Verbindungen nach intravenöser und oraler Applikation umfasst. In diesem Datensatz reproduzierten HT-PBK-Simulationen die PK der meisten Substanzen ausreichend zuverlässig, wobei 87% der Cmax- und 84% der AUC-Werte innerhalb eines Faktors von zehn der beobachteten Daten lagen. Nach der Evaluation der intravenösen und oralen Exposition weitet die Arbeit die Analyse auf die dermale Exposition aus, einer wichtigen Expositionsroute für viele Verbraucher- und Kosmetikprodukte, für die Tierversuche regulatorisch zunehmend eingeschränkt werden. Obwohl die Vorhersage der systemischen PK nach dermaler Exposition anspruchsvoller ist, blieben 75% der Cmax- und AUC-Werte innerhalb eines Zehnfachen der beobachteten Humandaten. Anschließend wird die Evaluation auf praktische Risikobewertungsaufgaben ausgedehnt. Zuerst wird im Rahmen des European Partnership for Alternative Approaches to Animal Testing (EPAA) NAM Designathon gezeigt, wie HT-PBK-Vorhersagen allein die Klassifizierung von Chemikalien anhand ihres Potenzials zur systemischen Verfügbarkeit unterstützen können, wenn Informationen zur toxischen Potenz fehlen. Abschließend werden HT-PBK-Vorhersagen mit in-vitro-Toxizitätsassay-Daten kombiniert, um das Risiko zu bewerten, dass Arzneistoffe eine arzneimittelinduzierte Leberschädigung (drug-induced liver injury, DILI) verursachen. Die Integration von in-vitro-Assays und HT-PBK-Simulationen zeigt dabei mit einer ROC-AUC von 91% eine hohe Übereinstimmung mit klinischen DILI-Befunden. Diese Evaluation der Kombination von mechanistischen Simulationen und ML-basierter Parametervorhersage stärkt die Grundlage für toxikologische Bewertungen der nächsten Generation. Die resultierenden Werkzeuge sind transparent, unabhängig von Tierdaten und für die effiziente Bewertung großer Substanzmengen ausgelegt. Sie unterstützen somit die wachsenden wissenschaftlichen und regulatorischen Bestrebungen zur Integration ML-gestützter Modellierung in der Toxikologie und Pharmakologie.Modern toxicology and pharmacology are undergoing a fundamental transformation. Ethical considerations and advances in computational methods are increasingly enabling the replacement of animal testing with more human-relevant, non-animal assessment approaches. This thesis contributes to this transition by developing and validating an approach termed high-throughput physiologically based kinetic (HT-PBK) modelling. This new method integrates mathematical PBK models with modern machine learning (ML) tools that predict key physicochemical and absorption, distribution, metabolism and excretion (ADME) properties of molecules directly from their chemical structure. Thereby, it enables rapid, automated model parameterisation while preserving mechanistic interpretability and removing bottlenecks in traditional PBK model development. Relying solely on in vitro and computational input data, HT-PBK modelling enables the estimation of human exposure to chemicals, and consequently the effects of chemicals on humans. The overarching aim of this thesis is to quantify the predictive performance of HT-PBK-based pharmacokinetic (PK) simulations against in vivo PK data observed in humans, and to showcase the utility of such simulations for real-world application in safety assessment. To enable a comprehensive evaluation, the work assembled and curated one of the largest available datasets of human plasma concentration-time profiles, covering over 2000 human PK curves of more than 200 compounds following intravenous and oral administration. Across this dataset, HT-PBK simulations reproduced the PK of most compounds sufficiently reliably with 87% of Cmax and 84% of AUC values within tenfold of the observed data. After evaluating intravenous and oral exposure, the thesis extends the assessment to dermal exposure, which is a major route for many consumer and cosmetic products, and for which animal testing is increasingly restricted by regulation. Although the prediction of systemic PK after dermal exposure is more challenging, 75% of Cmax and AUC values remained within a tenfold range of observed human data. The evaluation is then extended to real-world risk assessment tasks. First, within the European Partnership for Alternative Approaches to Animal Testing (EPAA) NAM Designathon, the thesis demonstrates how HT-PBK predictions alone can support the classification of chemicals based on their potential for systemic availability when toxic potency information is unavailable. Finally, HT-PBK predictions are combined with in vitro toxicity assay data to assess the risk of drugs to cause drug-induced liver injury (DILI). The integration of in vitro assays and HT-PBK simulations yields strong alignment with clinical DILI outcomes, with a ROC AUC of 91%. By combining mechanistic simulation with ML-driven parameter prediction, this thesis advances the scientific basis for next generation risk assessment. The resulting tools are transparent, independent of animal data, and designed for efficient evaluation across large chemical sets. They support the growing scientific and regulatory efforts to integrate ML-enabled modelling into toxicology and pharmacology.
OpenAccess:
PDF
(zusätzliche Dateien)
Dokumenttyp
Dissertation / PhD Thesis
Format
online
Sprache
English
Externe Identnummern
HBZ: HT031597877
Interne Identnummern
RWTH-2026-08974
Datensatz-ID: 1041880
Beteiligte Länder
Germany