จำเป็นต้องกล่าวทักทายกันแบบเดิมอีกรึไม่ เพราะห่างหายจากการเขียนมู้ไปอย่างยาวนานมาก วันนี้ผมจะมานำเสนอหัวข้อของ การวิจัยฯและการใช้ชีวิตของสัตว์ทดลอง ในปกติแล้วการศึกษาความเป็นพิษของยาต่างๆนั้นเราจะเริ่มจากการใช้ เซลล์ และ สัตว์ทดลอง เป็นด่านแรกๆ และแน่นวล นั้นหมายถึงต้องมีการใช้ชีวิตของสัตว์ทดลองนับร้อยเพื่อศึกษาผลของยา ซึ่งแน่นอนว่าในฐานะของนักวิจัยฯ ซึ่งก็เป็นคนปกติ มีจิตใจเฉกเช่นมนุษย์ธรรมดาใครเล่าจะอยากเบียดเบียนชีวิตผู้อื่น การไม่ใช่ชีวิตของสัตว์เลยแต่ได้ผลการศึกษานั่นเป็นความคิดในอุดมคติของนักวิจัยหลายๆคนแน่นอน โดยสำหรับในหัวข้อนี้อาจมีบางส่วนที่ตกหล่น หรือผิดพลาดประการใด จขกท. ก็ขออภัยทุกท่านมา ณ ที่นี้ด้วยนะครับ หากอ่านแล้วชอบใจก็อยากให้ทุกท่านแวะมาที่เพจ "วิจัยกากๆ" กันด้วยนะครับบบบบบบ
สำหรับหัวข้อนี้เราคงต้องเท้าความกันก่อนว่า ส่วนหนึ่งของการศึกษาและวิจัยยานั้น เราจะมีขั้นตอนที่จะต้องศึกษาผลการรักษา และความเป็นพิษต่อสิ่งมีชีวิตของยานั้นๆด้วยเสมอ ซึ่งแน่นอนครับว่า คงไม่มีใครอยากใช้ยาอะไรไม่รู้มีผลมีพิษอย่างไร แน่นอน ฉันใดก็ฉันนั้นมาถึงจะเอายาให้คนกินเลยก็คงเป็นไปไม่ได้ พวกนักวิจัย จึงต้องเริ่มจากการเอายาเหล่านี้ ไปป้อนให้ เซลล์ และสัตว์กินกันดูก่อนว่ามันเป็นอย่างไร รักษาได้มั้ย และมันมีความเป็นพิษรึไม่ ซึ่งแน่นอนว่าสัตว์ทดลองที่ใช้ก็ยกตัวอย่างที่หลายๆท่านคงทราบกันดีอยู่แล้วเช่น กระต่าย หนู เป็นต้น ซึ่งกระบวนการป้อนยานั้นก็มีทั้ง ฉีดยา หยอดยา และเก็บผลการศึกษา เพื่อที่จะยืนยันให้ได้ว่า ยานั้นๆที่จะเอามาใช้กับคนเนี่ยมันปลอดภัย โดยการศึกษาความเป็นพิษนี้เองในทางการศึกษาเราจะเรียกว่า Toxicology นั่นเอง
เพื่อให้ได้ซึ่งผลการศึกษาเหล่านี้ มีสัตว์นับร้อยต้องสังเวย ซึ่งแน่นอนว่าคงไม่มีใครที่จะอยากเป็นฆาตกรฆ่าเเละเบียดเบียนชีวิตผู้อื่นแน่ๆ ในปัจจุบันนี้จึงได้มีความพยายามในการรณรงค์ให้หยุดใช้สัตว์ทดลอง หรือในปัจจุบันก็จะมีคำกล่าวที่ว่า ใช้สัตว์ทดลองให้น้อยที่สุด แต่ต้องได้ประสิทธิภาพที่สุด!!! ดูดีขึ้นเยอะเลยครับ แต่นั้นก็อาจจะไม่เพียงพอเพราะสุดท้ายมันก็ยังต้องใช้การสังเวยชีวิตอยู่ดี
และเพื่อแก้ปัญหานี้ ในที่สุดก็ได้มีกลุ่มนักวิทยาศาสตร์จาก John Hopkins ได้ทำการพัฒนาคอมพิวเตอร์เพื่อให้สามารถนำมาใช้ในการวิเคราะห์ผลความเป็นพิษ ได้อย่างแม่นยำขึ้น ซึ่งเทคนิคที่พวกเขาพัฒนาขึ้นเรียกว่า Machine learning เอาจริงๆแล้ว machine learning เนี่ยมันมีมาได้สักพักใหญ่ๆแล้วครับ
แล้ว machine learning คืออะไร ??
เจ้า machine learning คือการมองมุมกลับปรับมุมมองซะใหม่ หรืออาจเรียกว่าเป็นการทำให้คอมพิวเตอร์สามารถที่จะเรียนรู้ระบบได้เองโดยเราเพียงแค่ป้อนข้อมูลเข้าไป หรือหากใครที่จำภาพยนตร์เรื่อง imitation game ได้ ที่พระเอกจะต้องพยายามถอดรหัสลับของนาซี ด้วยการสร้างเครื่องถอดรหัสขึ้นมา ซึ่งเครื่องจะทำการคำนวณไปเรื่อยๆเพื่อหาความสัมพันธ์ของรหัสลับของนาซีนั้นคือ machine learning นั้นเอง หรืออาจสรุปว่าในปกติแล้วการเขียนโปรแกรม แต่เดิมเราจะใช้การเขียนโปรแกรมขึ้นมาแล้วนำค่า in puts หรือตัวแปรใส่เข้าไป เพื่อหาคำตอบ หรือ outputs นั่นเอง!!! แต่ machine learning คือการนำทั้งค่าตัวแปร in puts กับผลที่ควรได้คือ out puts ใส่เข้าไป แล้วให้คอมพิวเตอร์มันประมวบออกมาเป็นโปรแกรมแทนนนน งงมั้ยครับ ถ้างงผมจะยกตัวอย่างให้เช่น
เราเขียนโปรแกรมขึ้นมา ว่า y = x + 5
แล้วเราก็ให้ in puts คือตัว x เข้าไป
จากนั้นคอมฯจะทำการคำนวณหาค่า out puts คือค่า y ออกมาให้เรานี้คือรูปแบบปกติที่เราใช้ๆกันอยู่ในปัจจุบัน
สำหรับ machine learning จะต่างออกไป นั้นคือเราไม่ต้องเขียนสมการ แต่ให้เราเอา in puts และ out puts เยอะๆ มายัดให้คอมฯ และคอมฯจะเขียนสมการขึ้นมาให้เราเอง ง่อววววว ดูดีขึ้นเลยมั้ยละ
ซึ่ง machine learning เนี่ยในตอนนี้ก็มีการนำไปใช้ในงานด้านธุรกิจและอื่นๆอยู่เช่น การวิเคราะห์อารมณ์ การวิเคราะห์ผลบอล การวิเคราะห์ธุรกิจ นั่นเองนะจ้ะ
กลับมาที่เรื่องของเรากันต่อนะครับ แล้วเจ้า machine learning เนี่ยมันจะเอามาใช้กับการวิจัยและศึกษา toxicology ได้ยังไง ???ก็
ก็ง่ายๆเลยครับเนื่องจากในปัจจุบันเรามีผลการศึกษาความเป็นพิษของตัวยาตั้งมากมายนับหมื่นนับพันโครงสร้าง หรือเราอาจเรียกโครงสร้างทางเคมีของสารแต่ละตัวว่า in puts และผลความเป็นพิษที่มีการศึกษาของโครงสร้างเหล่านั้นอยู่แล้วว่า out puts เราเอาทั้งสองตัวนี้มาจาก data base ต่างๆ แล้วจัดการป้อนเข้าไปให้คอมพิวเตอร์ เพื่อให้คอมพิวเตอร์เริ่มการเรียนรู้และเชื่อมโยงของมันเอง ว่าหน้าตาแบบนี้ เป็นพิษหรือไม่ ซึ่งเจ้าพวกสารเคมีต่างๆเหล่านี้เนี่ย ถ้าส่วนไหนหน้าตาที่มันก่อพิษได้ พวกตัวที่มีหน้าตาคล้ายๆกันก็จะมีสิทธิ์ในการก่อพิษได้เช่นกันครับ ซึ่งการนำเอาข้อมูลจาก data base จำนวนมหาศาลมาวิเคราะห์นี้เอง เราเรียกว่า big data นั้นเองงงงงง โดยในกระบวนการนี้เองกลุ่มนักวิจัยจะต้องทำการรวบรวมข้อมูลจำนวนมหาศาลโดยวิธีการที่เราเรียนกว่าเป็น mining data (มนต์รักฟักทองบด
ไม่ใช่) สำหรับกระบวนการนี้กลุ่มนักวิจัยได้ทำการรวบรวมข้อมูลสารเคมีและความเป็นพิษของมันมาจาก guideline ต่างๆที่มีความน่าเชื่อถือและนำมาวิเคราะห์เปรียบเทียบด้วยวิธีการ pairwise ออกมาเป็น hazard นั้นเอง
ภาพแสดงข้อมูลความใกล้เคียงของโครงสร้างทางเคมีของสารเคมีกว่า 10ล้าน ตัวโดยที่จุดแต่ละจุดคือสารเคมีและโครงสร้างเคมีแต่ละตัว และระยะห่างระหว่างจุดจะแสดงถึงความเหมือนกันหรือคล้ายกันของโครงสร้างทางเคมี
นักวิจัยจาก John Hopkins ได้นำเอาสองเทคนิคนี้เองมาผสมผสาน และจัดการพัฒนาให้มันมีประสิทธิภาพมากขึ้น โดยพวกเขาได้นำเอาข้อมูลตัวของโครงสร้างทางเคมีกว่า 866,000 ตัวพร้อมทั้งข้อมูลทางด้าน toxicology (hazards) มาใช้ในการศึกษาและพัฒนาให้ machine learning มีประสิทธิภาพมากยิ่งขึ้น โดยเทคนิคที่ได้นี้ เรียกว่า RASARs (Read-across structure activity relationship) นั่นเอง เมื่อพวกเขาได้รวบรวมข้อมูลแล้วจึงนำข้อมูลมาป้อนให้คอมพิวเตอร์ทำการเชื่อมโยงความสัมพันธ์ของมันขึ้นมา โดยใช้วิธีการ Supervised Learning นั้นคือการสอนให้คอมรู้ว่าโมเลกุลแบบไหนเป็นพิษต่อระบบอะไรอย่างไรบ้าง สอนซ้ำไปซ้ำมา อาจนึกภาพว่าเรากำลังสอนเด็กให้รู้จัก ปลา กับ นก เราก็ขนรูปปลากับนกมาเยอะๆแล้วชี้ทีละภาพสอนเด็กไปเรื่อยๆ จนวันหนึ่ง หากเราอุ้มนกมาเด็กจะตอบได้ว่ามันคืออะไรนั่นเอง
ซึ่งความน่าสนใจมันอยู่ตรงนี้ครับ การพัฒนาเทคนิคนี้ผลที่ได้พบว่า คอมฯ สามารถพยากรณ์ผลความเป็นพิษและมีความแม่นยำมากถึงระดับ 80-95% เลยทีเดียว เรียกได้ว่าเป็นการโชว์เทพคอมพิวเตอร์กันเลยทีเดียว ซึ่งหากเทคนิคนี้ได้รับการพัฒนาต่อไปจนมีความแม่นยำในระดับสูงสุดก็จะส่งผลให้นักวิจัยฯอย่างเราๆอาจไม่ต้องใช้ สัตว์ทดลองอีกเลยก็เป็นได้ นับว่าเป็นข่าวดีกันเลยทีเดียวนะครัช แต่ถึงกระนั้นอย่างไรก็ตาม มันก็ยังต้องใช้การพัฒนาต่ออีกสักระยะกันเลยทีเดียวถึงจะเป็นที่ยอมรับและนำมาใช้ได้อย่างจริงจัง ซึ่งในปัจจุบันนอกจากนักวิจัยจาก John Hopkins แล้วก็ยังมีนักวิจัยอื่นๆที่พยายามเทคนิคคอมพิวเตอร์ใหม่ เพื่อใช้ในการวิเคราะห์และศึกษาความเป็นพิษของสารได้อย่างคร่าวๆ โดยยกตัวอย่างเช่น
การศึกษาความพิษของสารเคมีต่อหัวใจ Cardiotoxicity เช่นงานศึกษาการพัฒนาโมเดลเพื่อพยากรณ์การต้าน hERG (human ether-a-go-go related gene) (Zhang et al., 2016b) ซึ่งเป็นตัวที่สำคัญที่ใช้ในการการทำงานของเซลล์กล้ามเนื้อหัวใจ เป็นต้น จากทั้งหมดนี้เราจะเห็นแล้วว่า คอมพิวเตอร์เริ่มเข้ามามีบทบาทในการวิเคราะห์และวิจัยทางด้านการแพทย์มากยิ่งขึ้น ไม่แน่ว่าในอนาคตมันอาจจะมีความแม่นยำระดับ100% ก็เป็นได้ เราอาจไม่จำเป็นต้องไปเบียดเบียนชีวิตของสัตว์ทดลองกันอีกก็เป็นได้นะครับ
References
Davis A. P., Grondin C. J., Johnson R. J., Sciaky D., King B. L., McMorran R., et al. . (2017). The comparative toxicogenomics database: update 2017. Nucleic Acids Res. 45, 972–8.
Du H., Cai Y., Yang H., Zhang H., Xue Y., Liu G., et al. . (2017). In silicoprediction of chemicals binding to aromatase with machine learning methods. Chem. Res. Toxicol. 30, 1209–18.
https://www.nature.com/articles/d41586-018-05664-2?utm_source=fbk_nr&utm_medium=social&utm_campaign=NNPnature&sf193629546=1
https://academic.oup.com/toxsci/advance-article/doi/10.1093/toxsci/kfy152/5043469 
เมื่อการวิจัยฯ ไม่จำเป็นต้องใช้ชีวิตสัตว์ทดลองอีกต่อไป
สำหรับหัวข้อนี้เราคงต้องเท้าความกันก่อนว่า ส่วนหนึ่งของการศึกษาและวิจัยยานั้น เราจะมีขั้นตอนที่จะต้องศึกษาผลการรักษา และความเป็นพิษต่อสิ่งมีชีวิตของยานั้นๆด้วยเสมอ ซึ่งแน่นอนครับว่า คงไม่มีใครอยากใช้ยาอะไรไม่รู้มีผลมีพิษอย่างไร แน่นอน ฉันใดก็ฉันนั้นมาถึงจะเอายาให้คนกินเลยก็คงเป็นไปไม่ได้ พวกนักวิจัย จึงต้องเริ่มจากการเอายาเหล่านี้ ไปป้อนให้ เซลล์ และสัตว์กินกันดูก่อนว่ามันเป็นอย่างไร รักษาได้มั้ย และมันมีความเป็นพิษรึไม่ ซึ่งแน่นอนว่าสัตว์ทดลองที่ใช้ก็ยกตัวอย่างที่หลายๆท่านคงทราบกันดีอยู่แล้วเช่น กระต่าย หนู เป็นต้น ซึ่งกระบวนการป้อนยานั้นก็มีทั้ง ฉีดยา หยอดยา และเก็บผลการศึกษา เพื่อที่จะยืนยันให้ได้ว่า ยานั้นๆที่จะเอามาใช้กับคนเนี่ยมันปลอดภัย โดยการศึกษาความเป็นพิษนี้เองในทางการศึกษาเราจะเรียกว่า Toxicology นั่นเอง
เพื่อให้ได้ซึ่งผลการศึกษาเหล่านี้ มีสัตว์นับร้อยต้องสังเวย ซึ่งแน่นอนว่าคงไม่มีใครที่จะอยากเป็นฆาตกรฆ่าเเละเบียดเบียนชีวิตผู้อื่นแน่ๆ ในปัจจุบันนี้จึงได้มีความพยายามในการรณรงค์ให้หยุดใช้สัตว์ทดลอง หรือในปัจจุบันก็จะมีคำกล่าวที่ว่า ใช้สัตว์ทดลองให้น้อยที่สุด แต่ต้องได้ประสิทธิภาพที่สุด!!! ดูดีขึ้นเยอะเลยครับ แต่นั้นก็อาจจะไม่เพียงพอเพราะสุดท้ายมันก็ยังต้องใช้การสังเวยชีวิตอยู่ดี
และเพื่อแก้ปัญหานี้ ในที่สุดก็ได้มีกลุ่มนักวิทยาศาสตร์จาก John Hopkins ได้ทำการพัฒนาคอมพิวเตอร์เพื่อให้สามารถนำมาใช้ในการวิเคราะห์ผลความเป็นพิษ ได้อย่างแม่นยำขึ้น ซึ่งเทคนิคที่พวกเขาพัฒนาขึ้นเรียกว่า Machine learning เอาจริงๆแล้ว machine learning เนี่ยมันมีมาได้สักพักใหญ่ๆแล้วครับ
แล้ว machine learning คืออะไร ??
เจ้า machine learning คือการมองมุมกลับปรับมุมมองซะใหม่ หรืออาจเรียกว่าเป็นการทำให้คอมพิวเตอร์สามารถที่จะเรียนรู้ระบบได้เองโดยเราเพียงแค่ป้อนข้อมูลเข้าไป หรือหากใครที่จำภาพยนตร์เรื่อง imitation game ได้ ที่พระเอกจะต้องพยายามถอดรหัสลับของนาซี ด้วยการสร้างเครื่องถอดรหัสขึ้นมา ซึ่งเครื่องจะทำการคำนวณไปเรื่อยๆเพื่อหาความสัมพันธ์ของรหัสลับของนาซีนั้นคือ machine learning นั้นเอง หรืออาจสรุปว่าในปกติแล้วการเขียนโปรแกรม แต่เดิมเราจะใช้การเขียนโปรแกรมขึ้นมาแล้วนำค่า in puts หรือตัวแปรใส่เข้าไป เพื่อหาคำตอบ หรือ outputs นั่นเอง!!! แต่ machine learning คือการนำทั้งค่าตัวแปร in puts กับผลที่ควรได้คือ out puts ใส่เข้าไป แล้วให้คอมพิวเตอร์มันประมวบออกมาเป็นโปรแกรมแทนนนน งงมั้ยครับ ถ้างงผมจะยกตัวอย่างให้เช่น
เราเขียนโปรแกรมขึ้นมา ว่า y = x + 5
แล้วเราก็ให้ in puts คือตัว x เข้าไป
จากนั้นคอมฯจะทำการคำนวณหาค่า out puts คือค่า y ออกมาให้เรานี้คือรูปแบบปกติที่เราใช้ๆกันอยู่ในปัจจุบัน
สำหรับ machine learning จะต่างออกไป นั้นคือเราไม่ต้องเขียนสมการ แต่ให้เราเอา in puts และ out puts เยอะๆ มายัดให้คอมฯ และคอมฯจะเขียนสมการขึ้นมาให้เราเอง ง่อววววว ดูดีขึ้นเลยมั้ยละ
ซึ่ง machine learning เนี่ยในตอนนี้ก็มีการนำไปใช้ในงานด้านธุรกิจและอื่นๆอยู่เช่น การวิเคราะห์อารมณ์ การวิเคราะห์ผลบอล การวิเคราะห์ธุรกิจ นั่นเองนะจ้ะ
กลับมาที่เรื่องของเรากันต่อนะครับ แล้วเจ้า machine learning เนี่ยมันจะเอามาใช้กับการวิจัยและศึกษา toxicology ได้ยังไง ???ก็
ก็ง่ายๆเลยครับเนื่องจากในปัจจุบันเรามีผลการศึกษาความเป็นพิษของตัวยาตั้งมากมายนับหมื่นนับพันโครงสร้าง หรือเราอาจเรียกโครงสร้างทางเคมีของสารแต่ละตัวว่า in puts และผลความเป็นพิษที่มีการศึกษาของโครงสร้างเหล่านั้นอยู่แล้วว่า out puts เราเอาทั้งสองตัวนี้มาจาก data base ต่างๆ แล้วจัดการป้อนเข้าไปให้คอมพิวเตอร์ เพื่อให้คอมพิวเตอร์เริ่มการเรียนรู้และเชื่อมโยงของมันเอง ว่าหน้าตาแบบนี้ เป็นพิษหรือไม่ ซึ่งเจ้าพวกสารเคมีต่างๆเหล่านี้เนี่ย ถ้าส่วนไหนหน้าตาที่มันก่อพิษได้ พวกตัวที่มีหน้าตาคล้ายๆกันก็จะมีสิทธิ์ในการก่อพิษได้เช่นกันครับ ซึ่งการนำเอาข้อมูลจาก data base จำนวนมหาศาลมาวิเคราะห์นี้เอง เราเรียกว่า big data นั้นเองงงงงง โดยในกระบวนการนี้เองกลุ่มนักวิจัยจะต้องทำการรวบรวมข้อมูลจำนวนมหาศาลโดยวิธีการที่เราเรียนกว่าเป็น mining data (มนต์รักฟักทองบด
ภาพแสดงข้อมูลความใกล้เคียงของโครงสร้างทางเคมีของสารเคมีกว่า 10ล้าน ตัวโดยที่จุดแต่ละจุดคือสารเคมีและโครงสร้างเคมีแต่ละตัว และระยะห่างระหว่างจุดจะแสดงถึงความเหมือนกันหรือคล้ายกันของโครงสร้างทางเคมี
นักวิจัยจาก John Hopkins ได้นำเอาสองเทคนิคนี้เองมาผสมผสาน และจัดการพัฒนาให้มันมีประสิทธิภาพมากขึ้น โดยพวกเขาได้นำเอาข้อมูลตัวของโครงสร้างทางเคมีกว่า 866,000 ตัวพร้อมทั้งข้อมูลทางด้าน toxicology (hazards) มาใช้ในการศึกษาและพัฒนาให้ machine learning มีประสิทธิภาพมากยิ่งขึ้น โดยเทคนิคที่ได้นี้ เรียกว่า RASARs (Read-across structure activity relationship) นั่นเอง เมื่อพวกเขาได้รวบรวมข้อมูลแล้วจึงนำข้อมูลมาป้อนให้คอมพิวเตอร์ทำการเชื่อมโยงความสัมพันธ์ของมันขึ้นมา โดยใช้วิธีการ Supervised Learning นั้นคือการสอนให้คอมรู้ว่าโมเลกุลแบบไหนเป็นพิษต่อระบบอะไรอย่างไรบ้าง สอนซ้ำไปซ้ำมา อาจนึกภาพว่าเรากำลังสอนเด็กให้รู้จัก ปลา กับ นก เราก็ขนรูปปลากับนกมาเยอะๆแล้วชี้ทีละภาพสอนเด็กไปเรื่อยๆ จนวันหนึ่ง หากเราอุ้มนกมาเด็กจะตอบได้ว่ามันคืออะไรนั่นเอง
ซึ่งความน่าสนใจมันอยู่ตรงนี้ครับ การพัฒนาเทคนิคนี้ผลที่ได้พบว่า คอมฯ สามารถพยากรณ์ผลความเป็นพิษและมีความแม่นยำมากถึงระดับ 80-95% เลยทีเดียว เรียกได้ว่าเป็นการโชว์เทพคอมพิวเตอร์กันเลยทีเดียว ซึ่งหากเทคนิคนี้ได้รับการพัฒนาต่อไปจนมีความแม่นยำในระดับสูงสุดก็จะส่งผลให้นักวิจัยฯอย่างเราๆอาจไม่ต้องใช้ สัตว์ทดลองอีกเลยก็เป็นได้ นับว่าเป็นข่าวดีกันเลยทีเดียวนะครัช แต่ถึงกระนั้นอย่างไรก็ตาม มันก็ยังต้องใช้การพัฒนาต่ออีกสักระยะกันเลยทีเดียวถึงจะเป็นที่ยอมรับและนำมาใช้ได้อย่างจริงจัง ซึ่งในปัจจุบันนอกจากนักวิจัยจาก John Hopkins แล้วก็ยังมีนักวิจัยอื่นๆที่พยายามเทคนิคคอมพิวเตอร์ใหม่ เพื่อใช้ในการวิเคราะห์และศึกษาความเป็นพิษของสารได้อย่างคร่าวๆ โดยยกตัวอย่างเช่น
การศึกษาความพิษของสารเคมีต่อหัวใจ Cardiotoxicity เช่นงานศึกษาการพัฒนาโมเดลเพื่อพยากรณ์การต้าน hERG (human ether-a-go-go related gene) (Zhang et al., 2016b) ซึ่งเป็นตัวที่สำคัญที่ใช้ในการการทำงานของเซลล์กล้ามเนื้อหัวใจ เป็นต้น จากทั้งหมดนี้เราจะเห็นแล้วว่า คอมพิวเตอร์เริ่มเข้ามามีบทบาทในการวิเคราะห์และวิจัยทางด้านการแพทย์มากยิ่งขึ้น ไม่แน่ว่าในอนาคตมันอาจจะมีความแม่นยำระดับ100% ก็เป็นได้ เราอาจไม่จำเป็นต้องไปเบียดเบียนชีวิตของสัตว์ทดลองกันอีกก็เป็นได้นะครับ
References
Davis A. P., Grondin C. J., Johnson R. J., Sciaky D., King B. L., McMorran R., et al. . (2017). The comparative toxicogenomics database: update 2017. Nucleic Acids Res. 45, 972–8.
Du H., Cai Y., Yang H., Zhang H., Xue Y., Liu G., et al. . (2017). In silicoprediction of chemicals binding to aromatase with machine learning methods. Chem. Res. Toxicol. 30, 1209–18.
https://www.nature.com/articles/d41586-018-05664-2?utm_source=fbk_nr&utm_medium=social&utm_campaign=NNPnature&sf193629546=1
https://academic.oup.com/toxsci/advance-article/doi/10.1093/toxsci/kfy152/5043469