标题： AOP-Wiki EMOD 3.0：数据模型扩展与内容评估框架——利用自主式AI改善AOP与新方法学（NAMs）之间的整合
摘要： 不良结局路径（AOP）是一种逻辑模型，将实验室可测量的生物学机制与化学监管终点相关的不良结局建立因果联系。AOP为作为动物实验替代方案的体外（in vitro）和计算机模拟（in silico）新方法学（NAMs）提供了背景框架，而AOP中的序列事件则充当跨越生物尺度的多尺度模型。AOP-Wiki是全球性的AOP知识库。尽管过去十年中AOP-Wiki在AOP扩展方面发挥了核心作用，但当前数据模型与应用基础设施的局限性使其难以支持AOP的持续增长与演进。然而，在核心AOP原则可用于指导AI聚合与结构化AOP相关信息的当下，自主式AI（agentic AI）的变革性力量重新激发了AOP-Wiki的数据现代化工作。借此势头，我们提出AOP-Wiki EMOD 3.0——系列证据模型原型中的第三个版本。该版本具体展示了数据模型的扩展，并阐述了我们对如何改造AOP-Wiki以更好地服务于监管科学以及AOP在生物医学与“同一健康”（One Health）背景下新兴应用的愿景。我们旨在通过聚焦以下解决方案来奠定基础，以支持计算生成的AOP和定量AOP（qAOP）：AOP-Wiki内部质量改进、增强AOP FAIR原则（可查找、可访问、可互操作、可重用）与AI就绪性的证据结构化，以及改善AOP框架与NAMs之间的整合，从而更好地服务于下一代风险评估。