
Project
Speerpunt 1 - Opkomende risico's
Een belangrijk aspect van het waarborgen van de voedselveiligheid is het tijdig identificeren van opkomende chemische voedselveiligheidsrisico's. In dit project zullen methoden worden ontwikkeld en samengebracht op het gebied van in vitro bioassays, toxicologie, data mining, Artificial Intelligence (AI) en analytische chemie om deze risico's tijdig te kunnen vaststellen.
In dit project worden methoden ontwikkeld met als doel om opkomende chemische voedselveiligheidsgevaren in een vroeg stadium op te sporen en een inschatting te maken van hun mogelijke risico’s. Deze kwestie zal vanuit verschillende invalshoeken benaderd worden met een interdisciplinaire aanpak. Er zijn 3 thema’s gedefinieerd waarbinnen methodes worden ontwikkeld: ‘in vitro bioassays en toxicologie’, ‘in silico tools’ en ‘non-target screening’. In vitro bioassays zijn tools om voedingsmiddelen te kunnen screenen op negatieve effecten om aanwezigheid en de gevaren van ongewenste stoffen te kunnen vaststellen. In dit thema zal worden gewerkt aan het implementeren van relevante, nog op WFSR ontbrekende, in vitro bioassays. Daarnaast zal er gekeken worden naar mengseleffecten van stoffen, bestudeerd met RNA-sequencing, om zodoende meer inzicht te krijgen in de nadelige effecten van een gecombineerde blootstelling aan stoffen. Verder wordt onderzocht of deze technologie kan worden gebruikt om stoffen te classificeren volgens de cumulative assessment groups van EFSA.
In het tweede thema zal gewerkt worden aan in silico methoden om opkomende stoffen te kunnen detecteren uit literatuur en openbare data d.m.v. data mining en AI. Ook zal een prioriteringstool verder ontwikkeld worden waarbij stoffen op basis van fysico-chemische eigenschappen uit openbare databases en door AI voorspelde eigenschappen worden geprioriteerd.
In thema 3 ‘non-target screening’ zal er gewerkt worden aan methoden om onbekende stoffen te identificeren op basis van high resolution mass spectrometry (HRMS) data. Onderzoek naar de mogelijkheden van nieuwe data mining methoden voor het voedselveiligheidsdomein worden onderzocht. Hiervoor zullen nieuw verworven spectrale gegevens worden gebruikt.
In een vierde deelproject wordt met behulp van case studies gewerkt aan het integreren van deze verschillende methoden om actief op zoek te gaan naar opkomende gevaren.
Publicaties
-
In vitro relative potencies of perfluoroalkyl substances (PFASs) based on gene expression changes in human HepaRG liver cells
-
AI en de risico’s in de voedselketen
-
Transport of perfluoroalkyl substances across human induced pluripotent stem cell-derived intestinal epithelial cells in comparison with primary human intestinal epithelial cells and Caco-2 cells
Archives of Toxicology (2024), Volume: 98, Issue: 11 - ISSN 0340-5761 - p. 3777-3795. -
Extracting chemical food safety hazards from the scientific literature automatically using large language models
Applied Food Research (2025), Volume: 5, Issue: 1 - ISSN 2772-5022