FBMN、QSIIRモデル、インシリコ毒性予測を統合した新規戦略は化粧品中の違法添加物スクリーニングを加速する：キノロンを用いた検証研究

概要

本ワークフローは、FBMN、QSIIR-MLRモデル、インシリコ毒性予測を統合し、化粧品中の違法キノロン類をノンターゲットで検出・優先度付けします。17種のシード標準のみで51種（新規14種）を13群にクラスタ化し、LOD 1 ppmを達成、構造記述子から濃度を高精度に予測しました。

主要発見

• FBMNにより、17種のシード標準のみで51種（新規14種）のキノロンを13の構造群にクラスタ化した。
• 化粧品文脈でキノロンの検出下限（LOD）1 ppmを達成した。
• 7つの構造記述子を用いるMLRのQSIIRモデルでキノロン濃度を高精度に予測した。
• インシリコ毒性予測を統合し、危険度の高い添加物候補を優先順位付けした。

臨床的意義

有害な混入物の早期検出によるリコール・毒性評価の迅速化に寄与し、有害事象の曝露源推定を通じて美容皮膚科診療を支援します。

限界

• 検証対象はキノロンに限られており、他の禁止化合物群への一般化には追加検証が必要。
• 実地監視データや施設間再現性に関する詳細が不足。

今後の方向性

他の違法添加物群への拡張、施設間・製品マトリクスをまたぐ前向き検証、分析結果と臨床トキシビジランスの連携を進める。