ChemSkin DB 2.0：一个关于皮肤腐蚀和刺激的综合性化学参考数据库

《Archives of Toxicology》：ChemSkin DB 2.0: a comprehensive reference chemical database for skin corrosion and irritation

　　摘要
我们之前开发了ChemSkin数据库，其中列出了100种参考化学品，以帮助开发用于评估皮肤刺激的新方法（NAMs）。然而，ChemSkin数据库对于涵盖所有皮肤危害（即皮肤腐蚀和刺激）的新方法来说还不够全面。为了解决这一不足，ChemSkin数据库通过新增134种参考化学品扩展为ChemSkin DB 2.0，该数据库将皮肤腐蚀和刺激的数据与联合国GHS标准进行了统一。总共234种独特的物质被整合并归类到参考类别中，遵循预防性决策框架。ChemSkin DB 2.0包含了通过OECD TG 431和439体外皮肤腐蚀和刺激测试（重组人表皮RhE测试方法）获得的标准化体内指标和模型特定的体外存活值，确保了透明度和监管可追溯性。特别是，性能评估显示，在OECD TG 431 RhE模型中，对于腐蚀识别的结果具有显著的一致性。相比之下，OECD TG 439刺激RhE模型的一致性为中等到显著，其特异性存在变异性，这与刺激分类的单阈值结构有关。通过对化学物质进行分类，进一步揭示了不同化学类别在两个终点上的表现模式，突显了机制多样性对模型可靠性的影响。总体而言，ChemSkin DB 2.0提供了一个按严重程度分层、符合监管要求的参考资源，支持透明的模型开发和评估，并提高了皮肤危害评估的一致性。

引言
皮肤刺激和皮肤腐蚀是工业化学品、化妆品、药品和消费品安全评估中的关键局部毒性指标（Rana等人，2025年）。这些指标代表了不同的生物学结果：刺激通常反映可逆的炎症反应，而腐蚀则涉及不可逆的组织破坏。这两种危害在国际化学品安全框架下的监管分类和危害沟通中都起着核心作用。
历史上，分类依赖于使用兔子Draize测试（OECD测试指南404（OECD 2015））生成的体内数据。尽管这种测试为监管决策提供了基础，但它也引发了伦理问题，并且在预测人类反应方面存在局限性。因此，人们投入了大量努力来开发替代测试策略，包括体外模型和基于人类的测试方法，以减少对动物实验的依赖（Robinson等人，2000年）。伦理问题、对动物测试的立法限制（尤其是在化妆品行业）以及将动物反应外推到人类的科学局限性，加速了向新方法（NAMs）的转变，其中包括经过验证的体外系统（国家研究委员会，2007年；Sheng等人，2025年）。
监管框架使用根本不同的决策原则来区分腐蚀和刺激。如图1所示，腐蚀（第1类）是根据不可逆组织破坏的证据来定义的，并根据效应时间标准进一步细分为1A、1B、1C子类别，而不是基于数值评分。相比之下，刺激类别是根据24-72小时内评估的定量平均红斑和/或水肿评分来确定的。联合国全球统一系统（UN GHS）定义了一个从无类别、第3类（轻微刺激）到第1类子类别（1A、1B、1C）的有序严重程度连续体（联合国，2025年）。虽然欧盟CLP采用了与UN GHS一致的腐蚀子分类方案，但它没有实施针对轻微刺激的第三类。此外，历史上的系统如欧盟危险物质指令（DSD）在术语和分类映射上存在差异，形成了复杂的监管环境（Luechtefeld等人，2016年）。

图1
欧盟DSD、欧盟CLP和UN GHS下皮肤腐蚀和刺激分类标准的监管比较。该图展示了从无刺激到腐蚀性物质的严重程度连续体。第1类子类别（A-C）是根据不可逆效应的出现来定义的，而第2类和第3类则是根据平均红斑和水肿评分来确定的。这一框架为ChemSkin 2.0数据库中体内和体外数据的整合提供了基础。

这些监管差异凸显了需要一个涵盖整个腐蚀-刺激严重程度梯度的统一参考资源的必要性（Hartung，2016年）。然而，现有的精选数据集通常主要关注刺激，并且往往依赖于部分重叠或方法特定的化学物质集合。强腐蚀性物质和明确的1A/1B/1C分类往往被低估，而跨监管的映射记录也不一致。
已经建立了经过验证的体外方法来支持非动物危害识别，包括在OECD TG 439（OECD 2025b）中描述的基于重组人表皮（RhE）的刺激测试，以及在OECD TG 431（OECD 2025a）中描述的腐蚀测试。这些先进的三维组织模型是现代非动物安全测试策略的关键组成部分，并在新兴NAM平台的背景下得到了广泛审查（Alépée等人，2014年；Ezendam等人，2016年）。向综合测试策略（ITS）的转变对于现代安全评估至关重要，因为这些策略能够整合多种数据来源以提高预测可靠性（Rovida等人，2015年）。然而，这些方法通常针对特定的决策节点进行了优化，并且是在有限的参考集上评估的，限制了跨方法的比较性和在整个严重程度连续体上的综合解释。
综合测试和评估方法（IATA）需要透明、方法独立的参考数据集，这些数据集能够在统一的基于严重程度的框架内整合监管分类、体内指标和体外结果。缺乏这样的统一数据集限制了方法性能的系统性评估，阻碍了边界物质的识别，并限制了按严重程度分层的分析。将体外RhE模型整合到IATA框架中代表了向机制毒理学的转变，利用NAMs提供与人类相关的安全数据。利用这些机制途径（例如，不良结局途径，AOPs）可以比传统的动物研究中的顶端终点提供更稳健的毒理效应预测（Leist等人，2017年）。

我们最初开发的ChemSkin数据库（Han等人，2021年）主要关注精选的皮肤刺激数据，以支持RhE模型的比较评估，用于测试皮肤刺激。尽管ChemSkin数据库中包含了一些腐蚀信息，但全面反映腐蚀严重程度并不是该初始版本的核心目标。这一局限性强调了需要一个能够系统地将腐蚀和刺激指标整合到统一监管框架中的扩展参考资源的迫切需求。为了解决这一不足，ChemSkin DB 2.0作为一个统一的参考化学数据库被开发出来，它整合了整个监管严重程度范围内的皮肤刺激和腐蚀数据。该数据库扩大了化学物质的覆盖范围，加强了第1类腐蚀性物质的表示，并根据UN GHS标准进行了明确的1A/1B/1C分类，同时保持了与欧盟CLP和历史系统的可追溯性。结构化字段包括化学物质身份、监管分类、标准化的体内Draize指标、人类证据以及来自经过验证的OECD测试指南的相应体外结果。

通过涵盖整个腐蚀-刺激连续体，ChemSkin 2.0提供了一个透明且以严重程度为导向的参考资源，旨在支持体外数据的监管解释，并促进IATA的发展。本研究描述了该数据库的构建、协调策略和结构特征，并评估了其作为全面皮肤危害评估参考框架的适用性。

材料与方法
数据来源和化学物质纳入标准
参考化学品是通过系统搜索同行评审文献和截至2025年12月发布的公开监管资源来确定的。在PubMed、Scopus和Web of Science中使用了包括“皮肤刺激”、“皮肤腐蚀”、“OECD TG 404”、“OECD TG 431”、“OECD TG 439”、“重组人表皮”和“验证研究”等关键词的组合进行文献搜索。
报告皮肤刺激或腐蚀数据的研究被筛选出来，得到了2,680个初始数据条目。在基于CAS注册号合并化学名称并去除重复项后，确定了668种候选物质。
根据预定义的资格标准对候选物质进行了评估。当满足以下条件时，化学物质被纳入：（i）存在与定义物质对应的唯一CAS注册号；（ii）有足够的信息来分配皮肤腐蚀或刺激类别。这些信息包括具有足够实验细节的体内皮肤刺激或腐蚀数据，或根据欧盟CLP法规进行的统一分类。
当缺乏体内数据、描述不足或模糊不清，且没有统一的分类时，这些物质被排除在外。应用这些标准后，最终有234种物质被纳入ChemSkin 2.0数据库。

监管分类的协调
为了在监管系统中实现一致的严重程度解释，监管分类进行了协调。当根据欧盟法规（EC）第1272/2008号附件VI有统一的皮肤腐蚀或刺激分类时，该分类被用作主要的监管参考。
对于按严重程度分层的分析，最终参考类别与联合国全球统一系统（UN GHS）对齐，该系统区分了无类别、第3类（轻微刺激）和第1类子类别（1A、1B、1C）。虽然CLP的协调分类作为主要的监管参考，但严重程度分层使用了GHS术语。
通过OECD eChemPortal的搜索确定了政府GHS分类。通过这个平台，可以获取包括日本国家技术评估研究所（NITE）在内的国家分类（如果可用的话）。当有多个来源时，分类优先级遵循以下层次结构：（i）协调的CLP分类；（ii）体内实验数据的评估；（iii）政府GHS分类。用于分配最终参考分类的层次工作流程如图2所示。

图2
ChemSkin 2.0数据库中分配最终参考类别的工作流程。首先使用欧盟CLP法规附件VI中的协调分类作为主要参考（优先级1）。在缺乏协调分类的情况下，根据体内实验数据（优先级2）或通过OECD eChemPortal获取的政府GHS分类进行分类（优先级3）。这种层次方法确保了数据集内分类的一致性和可追溯性。

体内数据提取和基于严重程度的分类
体内兔子皮肤刺激和腐蚀数据主要来自根据OECD测试指南404或等效协议进行的研究，包括EPA OPPTS 870.2500（美国环保署，1998年）和欧盟方法B.4（欧盟，2008a），前提是研究设计和评分标准是可比的。
对于每项研究，提取了24小时、48小时和72小时时的红斑和水肿评分，并将24-72小时观察窗口内的平均红斑或平均水肿值中的较高值定义为主要刺激评分。如果有的话，还记录了主要皮肤刺激指数（PII）值作为补充信息。
当报告不可逆的组织破坏（例如，坏死、溃疡、焦痂形成或全层皮肤损伤）时，无论刺激评分如何，这些物质都被归类为腐蚀性物质。对于可逆反应，根据引言中描述的基于GHS的分类框架分配严重程度类别。

体外数据整合（OECD TG 431和439）
基于重组人表皮（RhE）的体外数据是从根据OECD TG 431（皮肤腐蚀）和OECD TG 439（皮肤刺激）进行的研究中收集的。对于这两种测试指南，系统地提取了在指南推荐的暴露条件下获得的细胞存活值。当多个实验室或研究报告了相同物质-模型组合的结果时，会记录最低和最高的存活率值，以捕捉实验室间的变异性和实验分散性。为了在综合测试和评估（IATA）框架内保持保守的解释，使用每种物质-模型组合报告的最低存活率值来推导特定模型的预测分类。这一决策规则在腐蚀性和刺激性评估中始终如一地应用，以最小化由于实验变异性导致的危险低估风险。这种保护性解释策略与经合组织指南文件第203号（OECD 2014）中描述的数据整合原则以及欧洲化学品管理局（ECHA）关于信息要求的指南中概述的监管数据评估框架一致。

对于OECD TG 431，腐蚀性分类及其子分类（1A类与1B/1C类）是根据指南定义的暴露时间和存活率阈值来确定的。每个相关暴露时间对应的最低存活率值是类别分配的主要决策参考。

对于OECD TG 439，预测的刺激性分类（刺激性 vs. 非刺激性）是相对于指南定义的50%存活率阈值来确定的，使用报告的最低存活率值作为决策依据。

**ChemSkin 2.0数据库结构**
ChemSkin 2.0数据库由三个相互关联的组成部分构成，旨在支持透明的参考分类和特定模型实验数据的系统化管理。
第一个组成部分是“物质参考表”，作为数据库的核心。该表包含化学物质的身份（名称和CAS注册号）、物理状态、化学类别以及根据图2中描述的层级监管框架分配的参考类别。相关的体内数据和可用的人类数据都记录在数据库中。每种物质都被分配了一个唯一的内部识别号（ID），这个ID在所有组成部分中一致使用，以便在参考类别和体外记录之间进行直接交叉引用。
第二个组成部分包括OECD TG 431的腐蚀记录。对于每个物质ID和RhE模型，当有多个实验结果时，暴露时间和细胞存活率值会被记录为特定模型的最小-最大范围。这种结构保留了每个模型内的实验室间变异性。用于性能评估的预测腐蚀性分类是根据指南定义的阈值从最低存活率值得出的。
第三个组成部分包括OECD TG 439的刺激性记录。对于每个物质ID和RhE模型，细胞存活率值同样被记录为特定模型的最小-最大范围。预测的刺激性分类是根据OECD TG 439中定义的50%阈值，使用报告的最低存活率值来确定的。这些预测分类作为单独的分析层进行维护，而不是显示在主数据库表中。

**统计和描述性分析**
使用描述性统计方法来总结物质在参考类别和预定义化学组中的分布情况。计算了1A类子类别（1A、1B和1C）、2类、3类以及未分类（NC）的比例表示，以表征整个腐蚀-刺激性谱系中的数据库覆盖范围。
使用标准性能指标（包括敏感性、特异性和总体准确性）评估TG 431和TG 439模型相对于参考类别的二元预测性能。计算Cohen’s kappa系数（κ）来评估体外预测与参考数据之间的一致性程度，超出偶然性的预期。这些指标是针对每个重建的人表皮（RhE）模型独立得出的。
对于具有明确1A类子分类的物质，我们量化了子类别的一致性、子类别转换的频率以及低估的发生率（即，将腐蚀性物质错误分类为非腐蚀性）。为了评估序数严重性结构的保持情况，计算了参考严重性排名与模型得出结果之间的Spearman等级相关系数（ρ）。在TG 439的刺激性分析中，同样使用Spearman等级相关系数来检查体内刺激性严重性与RhE细胞存活率之间的关系，以评估定量到定性的对应关系。
为了识别模型性能中的类别依赖性变异性，按预定义的化学组对预测准确性进行了分层。使用Pearson卡方检验（χ2）评估化学类别与预测结果（例如，正确 vs. 错误）之间的关联。
所有统计分析均使用IBM SPSS Statistics（版本23.0，IBM公司，美国纽约州阿蒙克）进行。统计显著性定义为p < 0.05。没有应用多变量推断建模，这与提供透明的、基于经验的体外模型性能评估参考框架的目标一致。

**结果和讨论**
**数据库组成和严重性分布**
ChemSkin 2.0数据库包含234种物质，涵盖了皮肤腐蚀和刺激性的全部范围。每种物质都根据其CAS注册号分配了一个唯一的内部识别号（ID），以确保OECD TG 431和TG 439体外结果之间的一致性交叉引用。
物质被分为七个代表结构和机制多样性的化学类别。参考类别是通过整合监管分类（EU CLP和GHS）、体内Draize指标以及可用的人类数据来建立的。
物质信息的全面概述在补充电子材料（表S1）中提供。

**参考类别中的严重性分布**
腐蚀-刺激性谱系中参考类别的分布如图3所示。未分类（NC）的物质占数据库的46%。2类（刺激性）和3类（轻度刺激性）分别占22%和11%。腐蚀性物质（1类及其子类别）占数据库的21%。

**物理状态组成和化学类别**
物理状态的分布如图4a所示。液体占数据库的68%，其次是固体（31%）和凝胶（1%）。这种组成反映了监管数据集中液体物质的主导地位，同时保持了固体材料在评估RhE模型适用性领域的代表性。

**ChemSkin 2.0数据库中物质根据物理状态和结构-机制化学类别的分布**
图4b展示了根据物理状态和b结构-机制化学类别的物质分布。数据集包括多种物理状态和化学类别，支持对不同类型物质的全面评估。反应性有机物占数据库的39%，其次是中性有机溶剂（31%）。强酸和强碱占14%，无机化合物（6%）、芳香族磺酸盐/染料/盐（5%）和其他物质（1%）占剩余部分。这种分布表明数据库包含了多样化的结构和化学类别，以支持针对特定类别的性能评估。

**基于RhE的皮肤腐蚀测试（OECD TG 431）数据库**
根据OECD TG 431生成的体外皮肤腐蚀数据涵盖了五种经过验证的重建人表皮（RhE）模型：EpiSkin?（SM）、EpiDerm? SCT（EPI-200）、SkinEthic? RHE、epiCS?和LabCyte EPI-MODEL24 SCT。
补充电子材料（表S2）总结了每种物质ID的TG 431记录，包括特定模型的暴露时间和相应的细胞存活率值。对于给定物质有多个独立研究的情况，所有报告的结果都被保留并呈现为最小-最大存活率范围。这种表示方式捕捉了研究间的变异性，同时保持了与基础实验数据的可追溯性。推导出的分类没有嵌入数据库表中，从而清晰地区分了原始测量数据和后续的性能评估。

**TG 431模型相对于参考类别的性能**
图5和图6展示了五种OECD TG 431模型的RhE细胞存活率值在参考腐蚀类别中的分布情况。

**腐蚀性物质（1A–1C类）的预测准确性**
所有模型识别腐蚀性物质的敏感性都很高，范围从97.3%到100%。EpiSkin?（SM）、EpiDerm? SCT和LabCyte EPI-MODEL24 SCT的敏感性达到了100%。这种高敏感性表明RhE系统在检测不可逆组织损伤方面的稳健性。
图7显示了腐蚀性和非腐蚀性物质的正确和错误分类的分布。特异性范围从61.9%到77.6%，其中SkinEthic? RHE的特异性最高，EpiDerm? SCT的特异性最低。一些模型中观察到的较低特异性与边界物质有关——主要是位于监管严重性连续体中接近腐蚀决策阈值的2类和3类条目。

**子类别级别的性能（1A–1C类）**
为了评估RhE模型是否保留了1类内的层级效力结构，对具有明确子分类（1A–1C）的物质进行了严重性解析分析。

**总体而言，TG 431模型在识别腐蚀性物质方面表现出可靠性。特异性之间的变异性主要与位于监管分类边界附近的物质有关，而不是模型本身的限制。这种模式与OECD TG 431的保守危险识别框架一致，该框架优先检测腐蚀性危险，可能导致在边界刺激性物质附近特异性较低。**研究结果强调，尽管TG 431模型在危险识别方面是有效的，但在第1类子类别中对腐蚀性强度的精细分辨能力仍然有限。基于重组人表皮（RhE）的皮肤刺激测试（OECD TG 439）数据库根据OECD TG 439生成的体外皮肤刺激数据被编译到ChemSkin 2.0数据库中，使用了七个经过验证的重组人表皮模型：EpiSkin?、EpiDerm?、SkinEthic?、LabCyte EPI-MODEL24、epiCS?、Skin?和KeraSkin?。表3总结了每种物质ID的TG 439记录，包括以最小-最大范围表示的模型特定细胞存活率值。对于有多个独立研究的物质，所有报告的实验结果都被保留下来，以保持观察到的完整范围。这种表示方法捕捉了研究间的变异性，同时保持了与基础实验数据的可追溯性。预测的刺激分类是根据指南定义的50%存活率阈值分别得出的。

表3 OECD TG 439（皮肤刺激）ChemSkin 2.0数据库中物质的RhE模型存活率记录

TG 439模型相对于参考类别的性能
图8和图9展示了七种OECD TG 439模型中体内刺激评分与RhE细胞存活率值之间的关系。被分类为刺激物的物质（第2类）通常显示出低于50%阈值的存活率，而非刺激物——包括在欧盟CLP下被归类为未分类（NC）的第3类物质——则倾向于较高的存活率分布。然而，体内评分接近监管分类边界的物质分布在50%存活率阈值附近。为了量化这种关系，Spearman等级相关性分析显示所有评估模型之间存在显著的负相关性（表4）。

图8
此图像的替代文本可能是使用AI生成的。

图9
此图像的替代文本可能是使用AI生成的。

表4 OECD TG 439模型中体内刺激评分与RhE细胞存活率之间的相关性

结果表明，体内刺激程度的增加与RhE细胞存活率的降低一致相关。尽管相关性的强度有所不同（ρ = ?0.523至?0.778），但所有关系在0.01水平上仍然具有统计学意义。这种定量一致性支持了RhE存活率作为刺激程度指标的生物学相关性。

表5总结了TG 439 RhE模型相对于参考类别的预测性能，结果分布显示在图10中。

图10
此图像的替代文本可能是使用AI生成的。

TG 439 RhE模型相对于参考类别的预测分类。a 被分类为刺激物的物质（第2类）的预测结果；b 被分类为非刺激物的物质（包括在欧盟CLP实施下被归类为NC的第3类）的预测结果。

总体准确率在66.4%到100.0%之间，Cohen’s kappa系数在0.339到1.000之间，表明有中度到显著的一致性。与腐蚀分析（TG 431）相比，TG 439的kappa值通常较低，并且表现出更大的变异性，反映了刺激预测中固有的不确定性。

识别第2类刺激物的敏感性在80.6%到100.0%之间。如图10a所示，大多数参考刺激物被正确预测，支持了TG 439系统在危险检测方面的可靠性。相比之下，非刺激物的特异性表现出更大的变异性，范围在60.2%到100.0%之间（图10b）。这种在几个模型中过度预测的倾向导致kappa值较低。

这种变异性与TG 439的结构特性一致。与TG 431不同，TG 439使用暴露时间依赖的阈值，而TG 439依赖于单一的50%细胞存活率截止值进行二分类。在欧盟CLP下，将第3类（轻微刺激）合并到NC组有效地压缩了刺激程度梯度。因此，存活率值接近50%阈值的物质容易因实验变异性而发生分类变化。

数据库中保持最小-最大存活率范围使得可以检查这些接近阈值的案例。通过保持主要存活率记录（表3）和衍生性能指标（表5）之间的分离，数据库结构支持在边界条件下对RhE模型行为的透明解释。这些发现确认了第2类刺激物的检测，同时突出了二元刺激分类系统固有的监管和生物学限制。

物理和化学性质依赖的模型性能
为了研究实验性质是否影响模型性能，预测准确性按照物质的物理状态（液体、固体和凝胶）进行了分层（表6）。

表6 按物理状态分层的OECD TG 431和TG 439 RhE模型的准确性

对于TG 431，液体物质在几个RhE模型中通常比固体显示出更高的预测准确性。卡方分析显示SkinEthic? RHE（p = 0.038）和LabCyte EPI-MODEL24 SCT（p = 0.017）在不同物理状态之间的准确性存在统计学上的显著差异。这些模型中固体物质的相对较低准确性可能反映了在RhE表面的暴露行为差异，而液体在系统中均匀分布，固体可能在暴露期间表现出溶解表面接触的变异性，从而可能影响腐蚀作用的一致性。

在TG 439中，几个模型——包括SkinEthic? RHE、LabCyte EPI-MODEL24 SIT和KeraSkin? SIT——对固体物质的准确性高于液体物质。然而，在七个TG 439模型中未观察到统计学上的显著差异（所有p > 0.05），表明物理状态不是刺激危险预测变异性的主要决定因素。

凝胶物质在大多数模型中显示出高准确性，但由于这种状态下的物质数量有限，这些结果应谨慎解释，这限制了观察到的性能的稳定性。

预测性能进一步根据预定义的化学类别进行了评估，以识别潜在的机制偏见（表7）。

表7 按化学类别分层的OECD TG 431和TG 439 RhE模型的准确性

对于TG 431腐蚀模型，强酸/碱和反应性有机物始终显示出高准确性。这些类别通常涉及快速的细胞毒性或蛋白质反应机制，导致细胞存活率显著降低。相比之下，表面活性剂和某些无机化合物的准确性较低且变化较大。这些组可能通过破坏膜或间接损害组织的作用机制，这些作用不如基于存活率的终点那么一致地被捕捉到。

具体来说，表面活性剂可能通过脂质溶解和干扰表皮屏障成分来诱导膜破坏效应，通常导致渐进而非突然的细胞毒性反应（Jackson等人，2014年；Welss等人，2004年）。这一观察与先前的研究一致，表明内在的化学反应性和结构特征是皮肤刺激和腐蚀潜力的关键决定因素（Hulzebos等人，2005年）。总的来说，这些发现表明，虽然RhE模型在识别直接作用的有毒物质方面很稳健，但它们对像表面活性剂这样机制复杂的类别的预测性能更受特定重组组织系统的结构完整性和屏障特性的影响。

卡方分析表明，两个TG 431模型（SkinEthic? RHE，p = 0.047；LabCyte EPI-MODEL24 SCT，p = 0.027）存在统计学上显著的类别依赖性差异，支持了内在化学反应性对预测性能变异性的影响。

对于TG 439刺激模型也观察到了类似但更异质性的模式。虽然强酸/碱和中性有机溶剂通常显示出相对较高的一致性，但反应性有机物和表面活性剂的变异性更大。与腐蚀测试不同，刺激分类依赖于单一的50%细胞存活率阈值。因此，引起中度或边界细胞毒性的物质更容易因实验变异性而发生分类变化，特别是在化学多样性类别中（Tornier等人，2010年）。

与TG 431模型相比，TG 439模型的类别依赖性变异性更为明显。这种差异与两个指南的结构对比一致：TG 431结合了暴露时间依赖的决策标准，有助于稳定分类结果，而TG 439依赖于二元的存活率截止值，压缩了刺激程度梯度。因此，刺激预测似乎对微妙的机制差异和接近阈值的反应更为敏感。

总体而言，这些发现表明预测性能在化学类别之间的分布并不均匀，强调了在解释RhE模型结果时进行化学类别分层的重要性。通过将结构分类与统一的参考类别相结合，ChemSkin 2.0数据库能够对腐蚀-刺激连续体中的模型行为进行基于机制的解释。

然而，对于由有限数量物质代表的化学组，应谨慎解释类别依赖的差异。在这种情况下，有限的样本大小可能会降低统计稳定性，并影响例如皮尔逊卡方测试等依赖性分析中的预期细胞频率。因此，在较小的化学类别中观察到的模式应被视为指示性趋势，而不是关于模型性能的确定性结论。

ChemSkin 2.0数据库通过整合整个危险谱系中的监管分类和实验证据，为皮肤腐蚀和刺激建立了统一的、以严重程度为导向的参考框架。通过将234种物质整合到一个与UN GHS标准对齐的统一参考类别系统中，并可追溯到欧盟CLP分类，该数据库为评估体外模型性能提供了透明和符合监管要求的基础。

数据库结构将物质级别的参考类别与模型特定的RhE存活率记录联系起来，使得可以直接比较监管分类、体内观察和体外反应。保持最小-最大存活率范围保持了与基础实验数据的可追溯性，并支持对接近监管决策阈值的物质的预防性解释。

性能分析表明，OECD TG 431模型可靠地识别了腐蚀性物质，并与参考类别有相当大的一致性。严重程度解析分析进一步表明，在第1类（1A–1C）内部分保留了层次梯度，表明RhE系统捕捉到了二元腐蚀结果和效力差异的方面。

相比之下，TG 439刺激模型显示出中度到显著的一致性，变异性主要由特异性差异驱动。这反映了刺激分类的结构特性，它依赖于单一的存活率阈值，并在欧盟CLP实施下将轻微刺激（第3类）合并到未分类（NC）组中。这些发现说明了监管决策架构如何影响验证指标和模型性能的解释。

分层分析显示，模型性能根据物理状态和化学类别而变化，突出了机制和实验因素对基于RhE的预测的影响。例如，强酸/碱和反应性有机物显示出一致的高一致性，而表面活性剂和化学异质类别的变异性更大。这强调了在解释体外测试结果时考虑化学结构和作用方式的必要性。

总体而言，ChemSkin 2.0提供了一个稳健的、符合监管要求的平台，用于评估腐蚀-刺激连续体中的RhE模型性能。通过整合统一的参考类别、严重程度分层和保留的实验变异性，该数据库支持了对体外测试结果的改进解释，并促进了综合测试和评估（IATA）方法的发展。

未来的研究应利用保留的存活率范围来研究接近阈值的物质和监管“灰色区域”。与互补的新方法学（NAMs）和结构信息分析的整合可能会增强预测的稳健性，并支持更一致、以严重程度为导向的危险评估策略。