Summary

في طريقة النمذجة Silico لعلم السموم المائية الحسابية من اضطرابات الغدد الصماء: نهج يستند إلى البرمجيات باستخدام أدوات QSAR

Published: August 28, 2019
doi:

Summary

النمذجة الكمية للعلاقة بين الهيكل والنشاط (QSAR) هي طريقة تمثيلية بمساعدة المعلوماتية الحيوية في فحص السمية. يوضح هذا البروتوكول كيفية التقييم الحسابي لمخاطر اضطرابات الغدد الصماء (EDs) في البيئات المائية. وباستخدام مجموعة أدوات منطقة البحر الكاريبي التابعة لمنظمة التعاون والتنمية في الميدان الاقتصادي، ينفذ البروتوكول فحصاً في السيليكو لتحليل سمية الـ EDs في الأسماك.

Abstract

وتتيح التحليلات الحسابية للعمليات السمية فحص المواد الكيميائية بالإنتاجية العالية والتنبؤ بنقاط النهاية في النظم البيولوجية. وعلى وجه الخصوص، يتزايد تطبيق نماذج العلاقة بين الهيكل والنشاط (QSAR) لتقييم الآثار البيئية لكثرة المواد السمية. في السنوات الأخيرة، بعض أنواع أكثر تسليط الضوء على المواد السامة هي اضطرابات الغدد الصماء (EDs، والتي هي المواد الكيميائية التي يمكن أن تتداخل مع أي عملية التمثيل الغذائي ذات الصلة بالهرمونات). لأن EDs قد تؤثر بشكل كبير على نمو الحيوانات والتكاثر، والتنبؤ بسرعة الآثار الضارة للEDs باستخدام في تقنيات silico مطلوب. تقدم هذه الدراسة طريقة في السيليكو لتوليد بيانات التنبؤ على آثار EDs التمثيلية في الفقاريات المائية، ولا سيما أنواع الأسماك. ويصف البروتوكول مثالاً يستخدم سير العمل الآلي لبرمجيات مجموعة أدوات QSAR التي وضعتها منظمة التعاون والتنمية في الميدان الاقتصادي (OECD) لتمكين تنبؤات السمية الإيكولوجية الحادة للمواد الإلكترونية. ونتيجة لذلك، يتم تحديد ما يلي: (1) حساب الارتباطات العددية بين التركيز على 50٪ من الفتك (LC50)ومعامل تقسيم الماء الأوكتانول (Kow)،(2) أداء الإخراج الذي LC50 يتم مقارنة القيم المحددة في التجارب لتلك التي تولدها الحسابات، و (3) الاعتماد على مستقبلات الإستروجين تقارب ملزمة على العلاقة بين Kow و LC50.

Introduction

وقد مكنت التطورات الجديدة في المعلوماتية والتكنولوجيا الحسابية العلوم البيولوجية من خلال منهجيات كمية توفر دقة عالية وموثوقية1. وعلى وجه الخصوص، أدت الخوارزميات المستخدمة في التصنيف الجزيئي وتصنيف الممتلكات إلى نماذج العلاقة الكمية بين الهيكل والنشاط (QSAR)2. هذه النماذج تربط تلقائيا الهياكل الكيميائية والأنشطة البيولوجية لقاعدة بيانات كيميائية معينة وتنفيذ سريع في الفحص السيليكو لمجموعة واسعة من الركائز الكيميائية وفقا لأعمالهم الطبية أو السمية3. يمكن لأدوات QSAR أن تنتج ملامح سمية تنبؤية كدالة لمتجهات الخصائص الجزيئية (أي المعلمات الفيزيائية الكيميائية)للمواد الكيميائية ذات الأهمية لإنشاء نقاط النهاية القاطعة رقمياً 4. عادةً، يتم عرض كل نقطة نهاية كمية كقطعة مبعثر2D مقابل التغييرات في قيم واصف. ثم يتم إنشاء نموذج QSAR باستخدام تحليلات الانحدار الخطي (متعددة). وبمجرد استغلال مجموعة البيانات استغلالاً كاملاً لإنشاء نموذج QSAR (يسمى مجموعة التدريب)، يتم التحقق من صحة النموذج إحصائياً عن طريق التنبؤ بنقاط نهاية مجموعة من المواد الكيميائية غير المدرجة في مجموعة التدريب (تسمى مجموعة الاختبار). ويمكن بعد ذلك استخدام النموذج للتنبؤ بالأنشطة البيولوجية للمركبات غير المختبرة3.

من بين العديد من المواد الكيميائية الضارة، تم تسليط الضوء على المواد المسببة لاضطرابات الغدد الصماء (EDs) كمجموعة من المواد السامة التي قد تتداخل في العديد من عمليات التمثيل الغذائي المتصلة بالهرمونات في الثدييات والبرمائيات والأسماك5و6. ومن المعروف أن EDs تحفز مجموعة متنوعة من الآثار السلبية, مثل السرطانات والتشوهات, عن طريق منع أو تغيير المسارات الهرمونية العادية أو تفعيل تخليق هرمون غير طبيعي / إشارات التحلل. ونتيجة لذلك، فإن هذه المواد الكيميائية التي تحاكي الهرمونات يمكن أن تعكر صفو نظم الغدد الصماء بحيث يعوق التطوير البيولوجي وتكاثر تجمعات الحيوانات البرية. وعلى وجه الخصوص، تم التحقيق على نطاق واسع في الآثار السمية الإيكولوجية للأمراض الإلكترونية في الفقاريات المائية، التي لديها هياكل مستقبلات هرمون متطابقة تقريبا لتلك التي للثدييات، بما في ذلك البشر. لأن جميع الإجراءات الهرمونية تحدث بجرعات منخفضة في الجسم الحي، والتنبؤ بالسمية المحتملة للمرشحين ED باستخدام سريع في فحص silico أمر بالغ الأهمية للصحة العامة والبيئية.

وقد أجريت نماذج QSAR على أساس السمية من EDs باستخدام كل من 2D و 3D واصفات (المعروفة باسم 2D و 3D QSAR، على التوالي)، والتي تكشف عن الروابط ملزمة ED ligand من الإستروجين، الاندروجين، ومستقبلات البروجسترون7. على الرغم من المزايا عالية الدقة لـ 3D QSAR، والتي يتم فيها النظر في التفاعلات المطابقة والكهروستاتيكية، تحتفظ QSAR 2D بقوتها الخاصة في الخوارزميات الرياضية المباشرة، والحسابات السريعة، والأحمال الحسابية المنخفضة للغاية. وبالإضافة إلى ذلك، فإن نماذج 2D-QSAR مرنة للاستخدام في مجموعة واسعة من التطبيقات مع تحقيق أداء التنبؤ الدقيق نسبيا.

مجموعة أدوات QSAR التابعة لمنظمة التعاون والتنمية في الميدان الاقتصادي هي حالياً واحدة من أكثر أدوات برامج الكمبيوتر استخداماً، حيث توفر نماذج QSAR8و9متاحة ومسبقة البناء. يستخدم محلل ملفات التعريف الخاص به قواعد بيانات واصف 2D. منذ صدور النسخة الأولى في عام 2008، تم تطبيق البرنامج في مجالات الصناعات الكيميائية والبيولوجية، والصحة العامة، والسلامة البيئية لإجراء تحليل كامل أو جزئي للمخاطر المحتملة للمركبات الطبيعية والاصطناعية، مع مصالح خاصة في السرطنة10،11،12،الطفرات13،14،15،والسمية التنموية16. كما تم إثبات التطبيق على علم السموم المائية، مع التركيز على التراكم الأحيائيوالتحولالأحيائي

وقد ثبت أن مجموعة أدوات QSAR مفيدة في التنبؤ بالسمية القصيرة الأجل لمجموعة واسعة من المواد الكيميائية17، فضلا عن مستقبلات الإستروجين (ER) الروابط الملزمة من EDs18. ومع ذلك، لم يتم تحليل السمية الإيكولوجية الحادة للخلايا الإلكترونية في الفقاريات المائية باستخدام مجموعة أدوات QSAR. في هذه الدراسة، يتم تقديم بروتوكول نموذجي وسهل لتنفيذ نمذجة QSAR على الآثار الضارة الحادة للـ EDs مع التركيز على أنواع الأسماك. وتبين الدراسة أن مجموعة أدوات منطقة قطر للتحقق في منطقة البحر الأبيض أو النُسَّم هي برنامج يُسِّح بدرجة عالية من المنال لحساب والتنبؤ بفتك/وفيات الفقاريات المائية بالنسبة لبعض الـ EDs التمثيلية، وتُعرض أساليب المعالجة الإحصائية للمشتقة في مجموعات بيانات السيليكو. ويبين الشكل 1 المخطط العام للتشغيل العام لمربع أدوات QSAR. ويوفر سير العمل المبين في الشكل 2 تعليمات مباشرة بشأن كيفية تشغيل الاختبار في السيليكو للتنبؤ بالسمية الإيكولوجية الحادة للمواد المستهدفة مثل المواد الكيميائية المسببة لاضطرابات الغدد الصماء.

Protocol

١ – المعدات البرنامج: استخدم مجموعة أدوات QSAR 4.0 لمنظمة التعاون والتنمية في الميدان الاقتصادي أو أحدث (تحميل مجاني من <https://qsartoolbox.org/download/?) وبرامج تحليل البيانات. الكمبيوتر: لأدوات QSAR لمنظمة التعاون والتنمية في الميدان الاقتصادي، استخدم: (1) نوع النظام: 64 بت، ويندوز 7 أو أحدث؛ ‘2’ المعالج: I5 بسرعة 2.4 جيجاهرتز، أو معالج أسرع أو وحدة المعالجة المركزية AMD المكافئة؛ ‘3’ الذاكرة المثبتة (RAM): 6 غيغابايت؛ ‘4’ محرك الأقراص الثابتة (HDD): 20 غيغابايت من المساحة الحرة على القرص الصلب (مجموعة أدوات QSAR 4.3 من منظمة التعاون والتنمية في الميدان الاقتصادي: ). 2- الإجراء مجموعة أدوات QSAR لمنظمة التعاون والتنمية في الميدان الاقتصاديملاحظة: تعمل مجموعة أدوات QSAR في ست وحدات تدفق متتالية بدءًا من الإدخال ومتبوعاً بـ Profiling والبيانات وتعريف الفئة وملء فجوة البيانات ثم Report الموجود في الجزء العلوي من واجهة البرنامج. استكشف المراحل الست المذكورة أعلاه من خلال ستة رموز شريط أدوات بالنقر بزر الماوس الأيمن. أولاً، ابحث في مراحل الإدخال وملء فجوة البيانات والتقرير الضرورية لتنفيذ سير العمل التلقائي “نقطة النهاية السمية الإيكولوجية” وتوثيق نتائجه. إلقاء نظرة قصيرة على المراحل الاختيارية Profiling والبيانات. وتوفر مرحلة التنميط نظرة أولية إلى خصائص السمية (الإيكولوجية) للمادة المستهدفة وخصائص مصيرها البيئي. وتتيح مرحلة البيانات الاختيارية البحث عن البيانات التجريبية المتاحة المتصلة بالمادة المستهدفة. الادخال عند بدء تشغيل مربع أدوات QSAR يبدأ المستخدم في مرحلة مربع أدوات الإدخال بشكل افتراضي. يقوم مربع أدوات QSAR بإنشاء ملف عمل يسمى “المستند 1” تلقائياً، والذي يتم عرضه في لوحة خيار المرحلة على يسار واجهة البرنامج. إعادة تسمية الملف، إذا رغبت في ذلك، بالنقر بزر الماوس الأيمن فوق ملف العمل. انقر فوق الزر CAS# في شريط أدوات الإجراءات، وأدخل رقم الخدمة المجردة الكيميائية (CAS) للمادة المستهدفة في حقل النص المتوفر، وانقر فوق بحث. ثم تبحث الأداة عن المادة المستهدفة حسب رقم دائرة المستخلصات الكيميائية. إذا لزم الأمر، اختر خيارات البحث الأخرى المتوفرة في شريط أدوات الإجراء مثل البحث حسب اسم المادة أو رمز نظام إدخال خط الإدخال الجزيئي (SMILES) المبسط. يمكن إدخال SMILES كنماذج غير كيميائية مجسمة أو ثلاثية الأبعاد تحتوي على مواد كيميائية مجسمة ثلاثية الأبعاد. انقر فوق الاسم أو البنية، على التوالي. استخدم أداة الهيكل لرسم المادة المستهدفة. تعرض أداة البحث نتائج البحث من خلال سجلات قاعدة البيانات في إطار منبثق. اختر السجل الذي يقوم بالإبلاغ عن علاقة “عالية” لـ CAS-SMILES (حقل علاقةCS) إذا تم استرداد سجلات متعددة للمادة الهدف عن طريق تحديد المربع الموجود على يسار السجل. انقر فوق موافق.ملاحظة: المتابعة من هذه النقطة ممكن فقط إذا كان السجل المسترد يحتوي على رمز SMILES كما رمز SMILES (نموذج 2D غير مجسمة تحتوي على) هو الأساس للحساب. وضع الدفعة: لإجراء اختبار في silico لمواد مستهدفة متعددة، اكتب قائمة مواد بسيطة في محرر نص يتم فيه سرد كل رقم CAS في صف واحد (الشكلالتكميلي S3). حفظ الملف النصي باسم مناسب وملحق .txt على الكمبيوتر. الوضع الدفعي: انقر فوق بيانات. ثم انتقل إلى قواعد البيانات في لوحة خيار المرحلة على يسار واجهة البرنامج. تأكد من التحقق من قواعد البيانات المسردة ضمن معلومات السمية الإيكولوجية. الوضع الدفعي: انقر فوق إدخال. حدد استعلام من شريط أدوات الإجراءات. قبول الإعدادات المعينة في الخطوة 2.2.6 بالنقر فوق نعم في إطار الحوار. الوضع الدفعي: اختر علامة التبويب CAS. قم بتحميل قائمة المواد المحفوظة كملف نصي من خلال قائمة التحميل من جهاز الكمبيوتر الخاص بك. وضع الدفعة: هناك اثنين من أزرار إضافة المتاحة؛ انقر فوق الزر إضافة في أسفل القائمة المنبثقة ثم انقر فوق تنفيذ. سيتم عرض مربع أدوات QSAR رسالة حول عدد المواد التي تم استردادها للبحث.ملاحظة: قد لا يتم العثور على بعض المواد من القائمة المحملة بواسطة أداة البحث أو قد تتوفر عدة إدخالات لرقم CAS واحد. ولا يمكن حذف مواد من المجموعة المستردة من المواد. التنميطملاحظة: المقطع التالي اختياري. إذا لم يكن هذا مطلوباً، انتقل إلى المقطع 2.5. انقر فوق زر مرحلة مربع الأدوات إنشاء تشكيل جانبي. انتقل إلى أساليب Profiling في لوحة خيار المرحلة على يسار واجهة البرنامج. انقر فوق إلغاء تحديد الكل. (ب) التحقق من جميع الملامح المدرجة في الفئات المحددة مسبقاً وتلك المتعلقة بالسمية المائية المدرجة تحت نقطة النهاية المحددة مثل “تصنيف السمية المائية الحادة بواسطة Verhaar (المعدلة).” إنهاء التحديد. ثم انقر فوق الزر تطبيق في شريط الأدوات إجراءات.ملاحظة: يوفر مربع أدوات QSAR توصيات حول مجموعة من محللي ملفات التعريف. يتم تمييز هذه باللون الأخضر (مناسب) والبرتقالي (معقول) عند اختيار خيارات > لون بواسطة: > نقطة النهاية المحددة في مصفوفة البيانات في الزاوية اليسرى العليا من أساليب Profiling. انقر بزر الماوس الأيمن فوق حقل مصفوفة البيانات بجوار نقطة النهاية للاهتمام. يتم سرد نقاط النهاية المتوفرة في شجرة نقطة النهاية بجوار لوحة خيار المرحلة. وسوف يشير نوع مادة محلل ملفات التعريف إلى ما إذا كانت المادة المستهدفة “مادة كيميائية منفصلة”. يتم عرض المعلومات في شجرة نقطة النهاية الموسعة “ملف التعريف” و “المعرفة مسبقاً” و “نوع المادة”. فقط إذا كانت المادة المستهدفة مادة كيميائية منفصلة يمكن تشغيل سير العمل الآلي بنجاح. “تصنيف السمية المائية الحادة من قبل فيرهار (المعدلة)” يقدم تقديرا ً أول لآلية السمية المائية الحادة للمادة المستهدفة19و20. وتُعرض المعلومات في شجرة نقطة النهاية الموسعة “Profile” و”نقطة النهاية المحددة” و”تصنيف السمية المائية الحادة بواسطة Verhaar (المعدلة)”. وتتوافر خمس فئات هي: (الفئة 1) المواد الكيميائية الخاملة (سمية خط الأساس)؛ والمواد الكيميائية الخاملة (السمية الأساسية)؛ والمواد الكيميائية الخاملة (السمية الأساسية)؛ والمواد الكيميائية الخاملة (السمية الأساسية)؛ والمواد الكيميائية الخام (الفئة 2) مواد كيميائية أقل خاملة؛ (الفئة 3) المواد الكيميائية التفاعلية؛ (الفئة 4) على وجه التحديد المواد الكيميائية بالنيابة؛ و(الفئة 5) للمواد الكيميائية غير الممكن تصنيفها. انقر بزر الماوس الأيمن فوق معلمة في شجرة نقطة النهاية لتشغيل نماذج QSAR 2D و 3D المتكاملة المتوفرة في مربع أدوات QSAR إذا رغبت في ذلك. انقر فوق حساب/استخراج كافة المعلمات لكافة المواد الكيميائية في القائمة المنبثقة. توفر نماذج QSAR ثلاثية الأبعاد وثلاثية الأبعاد المترجمة في معلمة قيم رقمية. استخدم “أساليب إنشاء تشكيل جانبي” للحصول على معلومات نوعية (راجع الخطوة 2.3.1). البياناتملاحظة: هذا المقطع اختياري. إذا لم يكن مطلوباً، انتقل إلى المقطع 2.5. انقر على زر مرحلة مربع الأدوات البيانات. ثم انقر فوق تجميع من شريط الأدوات إجراءات. حدد كافة نقاط النهاية لجمع كافة البيانات التجريبية، ثم اختر تجميع بيانات تجريبية محددة لنقطة النهاية. على سبيل المثال، إذا كانت السمية المائية هي محور تركيز المستخدم، انقر فوق اختيار > معلومات السمية الإيكولوجية > السمية المائية > موافق.ملاحظة: اختيار تجميع البيانات التجريبية لكافة نقاط النهاية قد يؤدي إلى تمديد وقت المعالجة. يمكن للمستخدم تكييف التسلسل الهرمي لشجرة نقطة النهاية إلى الغرض المحدد. يؤدي هذا إلى تغيير الطريقة التي يتم بها عرض البيانات. إذا رغبت في ذلك، انقر بزر الماوس الأيمن فوق نقطة النهاية للاهتمام في منطقة شجرة نقطة النهاية. اختر تعيين التسلسل الهرمي للشجرة في القائمة المنبثقة. تنظيم شجرة نقطة النهاية بالطريقة المفضلة باستخدام المصطلحات والأسهم المتوفرة ثم انقر فوق موافق. إذا رغبت في ذلك، قم بتصدير البيانات التي تم تجميعها كملف Excel. انقر بزر الماوس الأيمن على نقطة النهاية للاهتمام واختر تصدير مصفوفة البيانات في القائمة المنبثقة. يتم فتح معالج “تصدير مصفوفة” وتمكين إضافة نقاط نهاية أخرى إلى قائمة التصدير. إنهاء التحديد انقر فوق تصدير ثم حفظ الملف على الكمبيوتر.ملاحظة: تصدير البيانات من كافة قواعد البيانات غير ممكن. على سبيل المثال، لا يمكن حفظ البيانات التي تم استردادها من قاعدة البيانات “ECHA CHEM”. سد الفجوة في البيانات انقر على زر مرحلة مربع الأدوات ملء الفجوة البيانات. ثم انقر فوق تلقائي في شريط الأدوات إجراءات. اختر نقطة النهاية للسمية الإيكولوجية > الأسماك، التركيز المميت، التركيز المميت، 50٪. في 96 ساعة لبيمفيليس بروميلاس (الوفيات). انقر فوق موافق. ستظهر “وحدة تحكم سير العمل”، وسيستغرق المعالجة عدة دقائق، خاصة في الوضع الدفعي.ملاحظة: يتم تطبيق مربع أدوات QSAR تلقائياً مجموعة محددة من ملفات التعريف عند البحث عن مواد مناسبة مع البيانات التجريبية المتوفرة للتنبؤ. وتستخدم البيانات التجريبية [مثل تركيزات التأثير 96 h LC50 (P. promelas)أو 96 h EC50 (P.promelas, mortalit)] لتوليد التنبؤ بالمادة المستهدفة إما عن طريق التقريب الخطي أو أقرب طريقة الجار. لاحظ أن أساليب التقريب الخطي وأقرب جار يشار إليها بتحليل الاتجاه (المسمى “T”) والقراءة عبر (المسمى “R”)، على التوالي. سيتلقى المستخدم رسالة إذا تم تنفيذ التنبؤ بنجاح. انقر فوق موافق وأغلق وحدة تحكم سير العمل التي تشير إلى “سير العمل النهائي” بالنقر فوق x في الزاوية العلوية اليمنى. الوضع الدفعي: عند بدء سير العمل التلقائي، سيطلب من المستخدم تحديد نطاق المواد التي سيتم تنفيذ سير العمل عليها. قبول النطاق الكامل من المواد المحددة بشكل افتراضي في إطار الحوار بالنقر فوق موافق. الوضع الدفعي: لن يتلقى المستخدم رسالة تشير إلى ما إذا كان قد تم تشغيل التنبؤ بنجاح أو بنجاح. أغلق وحدة تحكم سير العمل التي تشير إلى “سير العمل النهائي” في نهاية معالجة المجموعة بالنقر فوق x في الزاوية العلوية اليمنى. تقرير إذا تم تنفيذ التنبؤ بنجاح، انقر فوق زر مرحلة مربع الأدوات تقرير.ملاحظة: لا يمكن إنشاء أية تقارير في الوضع الدفعي. قم بالتمرير لأسفل والعثور على قيمة التنبؤ في حقل المصفوفة الموجود في صف أصفر مُبرز بجوار نقطة النهاية “96-h”. يتم وضع علامة على القيمة المتوقعة بـ “T” أو “R”. قم بتنشيط حقل مصفوفة البيانات هذا عن طريق النقر بزر الماوس الأيمن فوقه. انقر فوق التنبؤ في شريط الأدوات إجراءات. تخصيص محتوى التقرير ومظهره في المعالج المنبثق. وهناك ثلاثة أنواع من التقارير المتاحة: ‘1’ التنبؤ، و’2′ الفئة، و’3′ مصفوفة البيانات. يسمح المعالج للمستخدم بملء اسم الكاتب وتفاصيل الاتصال به. كتابة ملخص قصير، وتقديم شرح مفصل للتفسير الميكانيكي، أو تقديم تبرير لكفاية التنبؤ. قم بتضمين معلومات إضافية متعلقة بالتنبؤ المنفذ، إذا رغبت في ذلك. يعتمد مدى المعلومات الإضافية على المستخدم. انتقل من خلال المعالج بالنقر فوق التالي. وأخيراً، انقر فوق إنشاء تقرير وحفظ تقارير التنبؤ والفئة كملفات PDF ومصفوفة البيانات كجدول بيانات Excel على الكمبيوتر. ابحث عن تفاصيل إضافية حول وظائف أدوات QSAR ومهام سير العمل التلقائية في دليل التطبيقات لـ تعليمات QSAR Toolbox v.4 (F1 على لوحة المفاتيح) من التعليمات التي توفرها منظمة التعاون والتنمية في الميدان الاقتصادي. ويرد في ديميتروف وآخرون8 ويوردانوفا وآخرون وصف التفاصيل المتعلقة بالخوارزميات والأساس المنطقي لسير العملالآلي. 3- التطبيق إذا استخدم تركيز التأثير المتوقع (أيالتركيز المميت النصفي 96-h من P. promelas)في تقييم المخاطر البيئية، استخدم الحد الأدنى لفترة الثقة البالغة 95%. ابحث عن البيانات الموجودة في الصفحة الأولى من تقرير التنبؤ المحفوظ (PDF) في “ملخص التنبؤ”، “القيمة المتوقعة: (من إلى ).”ملاحظة: تستند الملاحظات الواردة هنا إلى نتائج المقارنة بين البيانات المتوقعة والتجريبية لمجموعة من المواد المستهدفة المبلغ عنها في هذه الدراسة. ومن شأن اختيار الطرف الأدنى من نطاق الثقة البالغ 95 في المائة أن يزيد من احتمال ألا يقلل تركيز التأثير المتوقع من السمية الحقيقية للمادة (انظر النتائج التمثيلية). وبالتالي فإن التركيز الفعال المتوقع للحد الأدنى من فترة الثقة 95٪ سوف يوفر أساسا أكثر أمانا لتقييم المخاطر.

Representative Results

وقد نُفذ المثال الوارد وصفه في هذه الدراسة من أجل التحليل الكمي والتنبؤ بالسمية الحادة لعوامل محددة من الخصائص في الأسماك. وعندما تم رسم نقاط البيانات المتوقعة مقابل نقاط البيانات التجريبية كمقياس سجل، تم العثور على ارتباط إيجابي بين كل من الأسماك والأنواع التمثيلية، وهي Pimephales promelas (المنوة ذات الرأس السمين؛ الشكل3). وفي كلتا الحالتين، يبدو أن انحدار الانحدار الخطيقابل للمقارنة (المتوقع LC 50/EXPERIMENTAL LC50 = 0.611 و0.602 لجميع الأسماك وP. promelas،على التوالي). وبسبب الكمية المحدودة من البيانات التجريبية، كان عدد القيم المتاحة من الملاحظة التجريبية عادة أقل من عدد القيم المستمدة من التنبؤ الحسابي. تطبيق عامل التسامح ك5 أضعاف للقدرة الحسابية21 أدى إلى 94٪ (34/36) و 96٪ (26/27) من التنبؤ الوقائي لجميع الأسماك وP. promelas، على التوالي. استناداً إلى هذا التنبؤ, 3,5,7-تريهيدروكسي-4′,6-dimethoxyisoflavone و 1,4-benzenediol يبدو أن تظهر قيم LC50 محسوبة أكبر من حد التسامح. لتمكين تقييم السلامة بأعلى مستوى من الموثوقية، تم إجراء مزيد من التحليل الحسابي عن طريق رسم الحد الأدنى المتوقع لفاصل الثقة 95٪ من LC50 (بدلاً من القيم المتوسطة المستخدمة في الشكل3) مقابل القيم المشتقةتجريبيا (الشكل 4). في هذا التقييم مع عتبة سلامة مرتفعة، تبين أن 92٪ (33/36) من مجموع المركبات المسببة لاضطرابات الغدد الصماء التي تم اختبارها تقع في نطاق الحماية بالمقارنة مع القيم المشتقة تجريبيا باستثناء: 3’، 5،7-تريهيدروكسي-4’، 6- ديميثوكسيسوفلافون. 1,4-البنزينيدول; و 4-هيكسيلفينول. استناداً إلى تقييمات الأنواع الكاملة المتاحة من قاعدة البيانات، فإن قيم السجل المتوقع والتجريبي 96 ساعة10LC50 أظهرت الخطية مع قيم سجل10KOW في المجال بين -1 و7، مما يشير إلى ارتباط القطع الزائد بين LC50 و KOW. ويوجد اتجاه عامحيث انخفض التركيز المميت النصفي بالنسبة لقيم KOW الأعلى من الـ EDs للبيانات التي تم الحصول عليها من كل من التنبؤات والتجارب الحسابية، مما يشير إلى زيادة السمية الحادة في أنواع الأسماك بالنسبة للـ EDs ذات المعدلات الأعلى (الشكل التكميليS1). من خلال محلل ملفات تعريف التقارير الإلكترونية المستندة إلى القواعد والمضمنة في مجموعة أدوات QSAR التابعة لمنظمة التعاون والتنمية في الميدان الاقتصادي، تم تصنيف الروابط الملزمة لـ ER من EDs على أنها غير ملزمة وكذلك ملفات ضعيفة ومعتدلة وقوية وقوية جداً، من أجل زيادة التقارب الملزم18. وبناء على ذلك، يمكن عرض التوزيع الإحصائي للسجل10Kow كتصنيف نوعي لتقارب ربط التقارير الدولية (الشكلالتكميلي S2). وبشكل عام، يبدو أن التغيرات في نطاقات التوزيع Kow ومستويات متوسطها ليس لها اتجاه محدد. وبالمثل،تبين توزيعات التركيز المميت النصفي المتوقع والتجريبي على أنه مدى تقارب ربط الـ ER (الشكل5). في هذه الحالة، كان متوسط مستويات LC50 المتوقعة لموثق النّشال أعلى من مستويات غير المجلدات. وعلى النقيض من ذلك، بالنسبة لـ LC50التجريبية، كانت المستويات المتوسطة للموثقات غير الضعيفة أعلى من تلك الخاصة بالمجلدات الإلكترونية الأقوى. الشكل 1: المخطط الأساسي لسير العمل العام لمجموعة أدوات منطقة قطر لشرق البحر الكاريبي التابعة لمنظمة التعاون والتنمية في الميدان الاقتصادي.الرجاء النقر هنا لعرض نسخة أكبر من هذا الرقم. الشكل 2: سير العمل.ويتضح سير العمل الذي يضع تصوراً للوحدات والتسلسلات المطبقة للتنبؤ بالسمية الحادة لاضطرابات الغدد الصماء في الأسماك باستخدام مجموعة أدوات QSAR التابعة لمنظمة التعاون والتنمية في الميدان الاقتصادي. الرجاء النقر هنا لعرض نسخة أكبر من هذا الرقم. الشكل 3: توقع مقابل 50 من التركيز المميت النصفي التجريبي من الـ 96 ساعة من الـ EDs في الجدول 1 لجميع الأسماك (الماس الأزرق، العدد = 36) وأنواع مختارة P. promelas (الماس السماوي، ن = 27).بالنسبة لـ LC50المتوقع ، يتم عرض قيم المتوسط (“AVE”). تمثل الخطوط المتقطعة انحدارات خطية للمجموعتين: بالنسبة لجميع الأسماك (الأزرق الفاتح)، المتوقع LC50AVE = 0.611 x (LC50التجريبية ) + 0.277 (معدل r2 = 0.408)؛ وبالنسبة لـ P. promelas (سماوي خفيف)، توقع LC50AVE = 0.602 x (LC50التجريبية) + 0.385 (معدل r2 = 0.441). يظهر الخط القطري الصلب الوحدة التي تتساوى فيها القيم المتوقعة والتجريبية21. يظهر الخط الرمادي المنقط حد التسامح 5 أضعاف القدرة الحسابية19. الأوتلير: 3′, 5,7-تريهيدروكسي-4′, 6-ديميثوكسي سوفوفون (*) و 1,4-البنزين (**). الرجاء النقر هنا لعرض نسخة أكبر من هذا الرقم. الشكل 4: توقع (حد أدنى قدره 95 في المائة من فترة الثقة، “منخفض – 95 في المائة”) مقابل التركيزالمميت النصفي التجريبي 96 ساعة من الـ EDs في الجدول 1 لجميع الأسماك (العدد = 36).يمثل الخط المتقطع الانحدار الخطي: التركيز المميت النصفي المتوقع50%المنخفض -95% = 0.470 x (LC50التجريبي) – 0.312، حيث تم تعديله r2 = 0.193. يشير الخط القطري الصلب إلى الوحدة حيث القيم المتوقعة والتجريبية تساوي بعضها البعض19. الأوتلير: 3′,5,7-تريهيدروكسي-4′, 6-ديميثوكسي سوفوفون (*), 1,4-البنزين (**), و 4-هيكسيلفينول (***). الرجاء النقر هنا لعرض نسخة أكبر من هذا الرقم. الشكل 5: توزيعات الصناديق الصلبة (الصناديق الصلبة، العدد = 8-20 لكل فئة) والتجريبية (الصناديق المتقطعة؛ n = 3-16 لكل فئة) 96-h LC50 اعتماداً على تقارب ربط ER من EDs في الجدول 1 لجميع الأسماك.رسم مربع يمثل: (أ) يعني (مربع صغير مع شريط أفقي جريئة)، (B) 1ش و 3 الربعالثالث (السفلي والعلوي – نهايات مربع، على التوالي)، (C) متوسط (الجزء الأفقي داخل المربع)، ( D)5th و 95th percentile (أشرطة الخطأ السفلى والعليا، على التوالي)، (E) 1ش و 99عشر في المئة (أسفل والعلوي س، على التوالي)، و (F)الحد الأدنى والحد الأقصى (السفلي والعلوي – ، على التوالي). الرجاء النقر هنا لعرض نسخة أكبر من هذا الرقم. لا. رقم سجل دائرة المستخلصات الكيميائية اسم المادة صيغة الابتسامات (شكل غير كيميائي 2D) سجل تفريق الماء افيالمتوقع 96 ساعة LC50(مغ/لتر) أقل من 95٪ CIالمتوقع 96 ساعة LC50(مغ/لتر) محلل ملفات التعريف – مستقبلات الإستروجين ملزمة 1 50-28-2 17-بيتا استراديول CC12CCC3C (CCc4cc (O) ccc34) C1CCC2O 4.01 3.62 1.42 الموثق قوية جدا، OH مجموعة 2 57-63-6 17-α إثينيل-استراديول CC12CCC3C (CCc4cc (O) ccc34) C1CCC2 (O) C # C 3.67 3.00 1.18 الموثق قوية، OH مجموعة 3 80-05-7 2,2-مكررا (4-هيدروكسيفي-نييل) البروبان (بيسفينول A) CC(C) (c1ccc(O)cc1)c1ccc(O)cc1 3.32 4.68 1.80 الموثق قوية جدا، OH مجموعة 4 80-46-6 4-تيرت بينتيلفينول CCC(C) (C) c1ccc(O)cc1 3.91 2.27 0.87 ضعف الموثق، OH مجموعة 5 140-66-9 4-تيرت أوكتيلفينول CC(C) (C) CC(C) (C) c1ccc(O)cc1 5.28 0.38 0.14 الموثق قوية، OH مجموعة 6 446-72-0 جينيستين [3′, 5,7-تريهيدروكسي-4′,6-ديميثوكسيسوفوفون] Oc1ccc(cc1)C1=COc2cc(O)cc(O) c2C1=O 2.84 32.00 10.03 الموثق قوية جدا، OH مجموعة 7 10161-33-8 17β-Trenbolone CC12C = CC3C (CCC4 = CC (= O) CCC = 34) C1CCC2O 2.65 124.72 19.75 الموثق قوية، OH مجموعة 8 67747-09-5 بروكولاراز (مبيد الفطريات DMI) CCCN (CCOc1c (Cl) سم مكعب (كل) cc1Cl) C (= O) n1ccnc1 4.1 5.19 1.74 غير الموثق، دون OH أو NH2 المجموعة 9 84852-15-3 4-نونلفينول CC(C) CCCCCCc1ccc(O)cc1 5.92 0.21 0.07 الموثق قوية، OH مجموعة 10 69-72-7 حمض الساليسيليك OC (= O) c1ccccc1O 2.26 24.07 9.31 ضعف الموثق، OH مجموعة 11 80-09-1 4,4′-ثنائي هيدروكسي ديفينيل سولفون (بيسفينول S) Oc1ccc(cc1)S(=O) (=O) c1ccc(O)cc1 1.65 48.67 10.67 الموثق قوية جدا، OH مجموعة 12 84-74-2 حمض الفثاليك، استر ثنائي بوتيل CCCCOC (= O) c1ccccc1C (=O)OCCCC 4.5 0.76 0.06 غير الموثق، دون OH أو NH2 المجموعة 13 92-88-6 4,4′-ثنائي هيدروكسي بيفينيل Oc1ccc (cc1) -c1ccc(O)cc1 2.8 12.05 4.20 الموثق المعتدل، OH grooup 14 94-13-3 4-حمض هيدروكسي بنزويك، استر بروبيل CCCOC (= O) c1ccc(O) cc1 3.04 10.32 3.86 الموثق المعتدل، OH grooup 15 98-54-4 4-تيرت بوتيل فينول CC(C) (C) c1ccc(O)cc1 3.31 4.36 1.68 ضعف الموثق، OH مجموعة 16 97-23-4 2,2′-dihydroxy–5,5′-ثنائي كلورو ثنائي الفينيل الميثان Oc1ccc (Cl) cc1cc1cc (Cl) ccc1O 4.26 0.48 0.10 الموثق قوية جدا، OH مجموعة 17 97-53-0 اةي ؛ س من COc1cc (CC = C) ccc1O 2.27 14.70 5.60 ضعف الموثق، OH مجموعة 18 99-76-3 4-حمض هيدروكسي بنزويك، إستر الميثيل COC (= O) c1ccc(O) cc1 1.96 38.20 14.01 ضعف الموثق، OH مجموعة 19 103-90-2 N-(4-هيدروكسيفينيل) أسيتاميد CC(=O)Nc1ccc(O)cc1 0.46 338.97 43.39 ضعف الموثق، OH مجموعة 20 106-44-5 ع-كريسول Cc1ccc (O) cc1 1.94 20.47 7.14 ضعف الموثق، OH مجموعة 21 108-39-4 م-كريسول Cc1cccc(O)c1 1.96 23.45 9.17 ضعف الموثق، OH مجموعة 22 108-45-2 1,3-فينيلينديامين Nc1cccc(N)c1 -0.33 34.60 0.00 ضعيف الموثق، مجموعة NH2 23 108-46-3 1,3-ثنائي هيدروكسي البنزين Oc1cccc(O)c1 0.8 123.03 27.06 ضعف الموثق، OH مجموعة 24 108-91-8 سيكلوهيكسيلامين NC1CCCCC1 1.49 28.08 1.40 ضعيف الموثق، مجموعة NH2 25 119-36-8 حمض الساليسيليك، إستر الميثيل COC (= O) c1ccccc1O 2.55 16.16 5.68 ضعف الموثق، OH مجموعة 26 120-47-8 4-حمض هيدروكسي بنزويك، استر الإيثيل CCOC (= O) c1ccc(O)cc1 2.47 19.93 7.40 ضعف الموثق، OH مجموعة 27 120-80-9 1,2-ثنائي هيدروكسي البنزين محمد الدوسري 0.88 11.14 0.01 ضعف الموثق، OH مجموعة 28 123-31-9 1,4-ثنائي هيدروكسي البنزين [1,4-البنزين] Oc1ccc (O) cc1 0.59 90.75 33.19 ضعف الموثق، OH مجموعة 29 131-53-3 2,2′-ديهيدروكسي-4-ميثوكسي بنزوفينون COc1ccc(C(=O)c2ccccc2O)c(O)c1 3.82 3.97 1.46 الموثق قوية جدا، OH مجموعة 30 131-56-6 2,4-ثنائي هيدروكسي بنزوفينون Oc1ccc(c(O)c1)C(=O) c1ccccc1 2.96 12.04 4.73 الموثق قوية، OH مجموعة 31 131-57-7 2-هيدروكسي-4-ميثوكسي بنزوفينون COc1ccc(C(=O)c2ccccc2)c(O)c1 3.79 5.96 2.27 الموثق قوية، OH مجموعة 32 599-64-4 4-الكمونالفينول CC(C) (c1ccccc1) c1ccc(O)cc1 4.12 2.15 0.84 الموثق قوية، OH مجموعة 33 2855-13-2 1-أمينو-3-أمينوميثيل-3,5,5-تريميثيل-سيكلوهيكسان CC1 (C) CC(N) CC(C) (CN)C1 1.9 30.65 1.53 الموثق المعتدل، مجموعة NH2 34 6864-37-5 3,3′-ثنائي ميثيل-4,4′-ديمينوديسوسيكلوهيكسيلميثان CC1CC (CCC1N) CC1CCC (N) C(C) C1 4.1 1.07 0.05 الموثق قوية، مجموعة NH2 35 25013-16-5 تيرت بوتيل-4-هيدروكسينيسول COc1ccc(O)c(c1)C(C)(C)C 3.5 4.85 1.85 الموثق المعتدل، OH grooup 36 147315-50-2 2-(4,6-ديفينيل-1,3,5-تريازين-2-yl)-5-(هيكسيلوكسي) الفينول CCCCCCOc1ccc(c(O)c1)-c1nc(nc(n1)-c1ccccc1)-c1ccccc1 6.24 0.17 0.06 الموثق قوية، OH مجموعة 37 88-68-6 2-أمينوبنزاميد NC (= O) c1ccccc1N 0.35 694.00 84.30 ضعيف الموثق، مجموعة NH2 38 611-99-4 4,4′-ديهيدروكسي بنزوفينون Oc1ccc (cc1) C (=O) c1ccc(O)cc1 2.19 37.74 14.67 الموثق قوية جدا، OH مجموعة 39 27955-94-8 1,1,1-tris(4-هيدروكسيفينول) إيثان CC(c1ccc(O)cc1) (c1ccc(O)cc1) c1ccc(O)cc1 4.38 2.09 0.82 الموثق قوية جدا، OH مجموعة 40 87-18-3 حمض الساليسيليك، إستر 4-تيرت بوتيل فينيل CC(C) (C) c1ccc (OC(=O) c2ccccc2O) cc1 5.73 0.24 0.09 الموثق قوية، OH مجموعة 41 47465-97-4 3,3-bis(3-ميثيل-4-هيدروكسيفينيل) 2-إندولينون Cc1cc (ccc1O) C1 (C(=O) Nc2ccccc12)c1ccc(O)c(C)c1 4.48 2.07 0.77 الموثق قوية جدا، OH مجموعة 42 99-96-7 ف هيدروكسي بنزويك حمض OC (= O) c1ccc(O) cc1 1.58 8.54 0.00 ضعف الموثق، OH مجموعة 43 80-07-9 1-كلورو-4-(4-كلوروفينيل) سلفونيل بنز Clc1ccc(cc1)S(=O) (=O) c1ccc(Cl) cc1 3.9 3.92 0.85 غير الموثق، دون OH أو NH2 المجموعة 44 84-65-1 9,10-أنتراكينون O = C1c2ccccc2C (= O) c2ccccc12 3.39 7.00 3.54 غير الموثق، دون OH أو NH2 المجموعة 45 85-44-9 2-بنزوفوران-1،3-ديون O = C1OC (= O) c2ccccc12 1.6 2.69 0.00 غير الموثق، دون OH أو NH2 المجموعة 46 92-84-2 10H-فينوثيازين N1c2ccccc2Sc2ccccc12 4.15 1.07 0.08 غير الموثق، دون OH أو NH2 المجموعة 47 2855-13-2 1-أمينو-3-أمينوميثيل-3,5,5-تريميثيل-سيكلوهيكسان CC1 (C) CC(N) CC(C) (CN)C1 1.9 30.65 1.53 الموثق المعتدل، مجموعة NH2 48 50-27-1 اتيريول CC12CCC3C (CCc4cc (O) ccc34) C1CC (O) C2O 2.45 21.21 8.29 الموثق قوية جدا، OH مجموعة 49 50-50-0 بيتا استراديول-3-بنزوات CC12CCC3C (CCc4cc (OC (= O) c5ccccc5) ccc34) C1CCC2O 5.47 0.36 0.02 الموثق قوية، OH مجموعة 50 53-16-7 Estrone CC12CCC3C (CCc4cc (O) ccc34) C1CCC2 = O 3.13 7.78 3.06 الموثق قوية، OH مجموعة 51 92-52-4 ثنائي الفينيل c1ccc (cc1) -c1ccccc1 4.01 4.10 0.47 غير الموثق، دون OH أو NH2 المجموعة 52 92-69-3 ف-فينيلفينول Oc1ccc (cc1) -c1ccccc1 3.2 5.99 1.82 الموثق المعتدل، OH grooup 53 96-29-7 2-البوتانون أوكسيم CCC(C)=NO 0.63 32.67 2.49 غير الموثق، بنية غير دوري 54 121-75-5 مالاثون CCOC (=O)CC(SP(=S)(OC)OC)C(=O)OCC 2.36 37.73 3.33 غير الموثق، بنية غير دوري 55 123-07-9 4-إيثيل فينول CCc1ccc (O) cc1 2.58 13.63 4.65 ضعف الموثق، OH مجموعة 56 645-56-7 4-ن بروبيلبنول CCCc1ccc (O) cc1 3.2 7.32 2.55 ضعف الموثق، OH مجموعة 57 1638-22-8 p-Butyl phenol CCCCc1ccc (O) cc1 3.65 4.09 1.39 ضعف الموثق، OH مجموعة 58 1912-24-9 أترازين CCNc1nc (Cl) NC(NC(C)C)n1 2.61 30.87 4.63 غير الموثق، دون OH أو NH2 المجموعة 59 40596-69-8 ميتهوبرين COC(C)(C)CCCC(C) CC=CC(C) = CC(=O)OC(C)C 5.5 0.08 0.00 غير الموثق، بنية غير دوري 60 1987-50-4 4-هيبتيلفينول CCCCCCCc1ccc (O) cc1 5.01 0.66 0.22 الموثق المعتدل، OH grooup 61 92-86-4 ع، ف-ثنائي برومو بيفينيل Brc1ccc (cc1) -c1ccc(Br) cc1 5.72 0.11 0.02 غير الموثق، دون OH أو NH2 المجموعة 62 480-41-1 نارينغين Oc1ccc (cc1) C1CC (=O) c2c(O)cc(O) cc2O1 2.52 27.84 10.87 الموثق قوية جدا، OH مجموعة 63 486-66-8 دالدين Oc1ccc (cc1) C1 = COc2cc (O) ccc2C1 = O 2.55 36.47 11.71 الموثق قوية جدا، OH مجموعة 64 491-70-3 لوتولين Oc1cc(O)c2C(=O)C=C(Oc2c1)c1ccc(O)c(O)c1 2.53 43.75 14.28 الموثق قوية جدا، OH مجموعة 65 491-80-5 بيكونين A COc1ccc(cc1)C1=COc2cc(O)cc(O) c2C1=O 3.41 15.87 3.70 الموثق قوية، OH مجموعة 66 520-18-3 كامبفيرول Oc1ccc(cc1)C1Oc2cc(O)cc(O) c2C(=O)C=1O 1.96 70.98 8.05 الموثق قوية جدا، OH مجموعة 67 2051-60-7 2-الكلوروبيفينيل (ثنائي الفينيل متعدد الكلور 1) Clc1ccccc1-c1ccccc1 4.53 0.77 0.16 غير الموثق، دون OH أو NH2 المجموعة 68 2051-61-8 3-كلوروثنائي الفينيل (ثنائي الفينيل متعدد الكلور 2) Clc1cccc(c1)-c1ccccc1 4.58 0.77 0.16 غير الموثق، دون OH أو NH2 المجموعة 69 2051-62-9 4-كلورو-1،1′-ثنائي الفينيل Clc1ccc(cc1)-c1ccccc1 4.61 0.77 0.16 غير الموثق، دون OH أو NH2 المجموعة 70 2446-69-7 p-n-Hexylphenol [4-هيكسيلفينول] CCCCCCc1ccc (O) cc1 4.52 1.22 0.42 الموثق المعتدل، OH grooup 71 14938-35-3 4-ن-أميلفينول CCCCCc1ccc (O) cc1 4.06 2.44 0.89 ضعف الموثق، OH مجموعة 72 17924-92-4 زيرالينون CC1CCCC(=O)CCCC=Cc2cc(O)cc(O) c2C(=O)O1 3.58 7.22 2.66 الموثق قوية، OH مجموعة 73 1743-60-8 بيتا استراديول 3-بنزوات 17-نبوتيرات CC (= O) OC1CCC2C3CCc4cc (O) ccc4C3CCC12C 4.95 0.91 0.35 الموثق قوية، OH مجموعة 74 479-13-0 كومسترول Oc1ccc2c (OC (= O) c3c-2oc2cc(O) ccc32)c1 1.57 52.16 11.44 الموثق قوية جدا، OH مجموعة الجدول 1: قائمة بالمواد الكيميائية المسببة لاضطرابات الغدد الصماء المقيّمة. متوسط المتوسط (AVE) وانخفاض 95٪ فاصل الثقة (CI) تركيزات فعالة (95 ساعة LC50، Pimephales promelas) وكذلك الإستروجين مستقبلات ملزمة تم التنبؤ بها مع QSAR مربع الأدوات الإصدار 4.3 سير العمل الآلي. تم استرداد سجل10Kow عن طريق QSAR Toolbox الإصدار 4.3 من KOWWIN v1.68، 2000، وكالة حماية البيئة الأمريكية. تم تفضيل القيم التجريبية سجل10Kow على القيم المتوقعة. وقد جُمعت قائمة المواد المستهدفة من قوائم المواد الإلكترونية المبلغ عنها سابقاً22و23و24. معلومات تكميلية. الرجاء النقر هنا لتحميل هذا الملف. 

Discussion

وتظهر هنا مع اهتمام خاص بالآثار الضارة للمواد الكيميائية المسببة لاختلال الغدد الصماء على الفقاريات المائية تعدد استخدامات مجموعة أدوات منطقة قطر لشرق أفريقيا في منطقة البحر الكاريبي كبرمجيات تحليلية للسمية الإيكولوجية. وبالإضافة إلى ذلك، تم وضع بروتوكول بسيط وقياسي للتنبؤ بالسمية الحادة (96-h LC50)من 74 EDs تمثيلية (الجدول1)لأنواع الأسماك. وقد تحقق ذلك من خلال تطبيق بناء الفئات، وملء فجوةالبيانات، ووحدات توصيف الفئات الإدارية المضمنة في مجموعة أدوات QSAR (الشكل 1، الشكل2).

العلاقة الخطية بين سجل10LC50 وسجل10KOW مع منحدر سلبي (كما هو مبين في الشكل التكميلي S1)منذ فترة طويلة المعروفة باسم علاقة كمية قياسية في QSAR التحليلات25، حيث وتظهر سمية أعلى أكثر الكارهللماء مادة كيميائية معينة. كما يمكن أن نرى من حساب بسيط، العلاقة الرياضية العامةالتي تشمل المعادلة S1 والمعادلة S2 (معلومات تكميلية) هو تعبير محول من وظيفة الطاقة التالية26:

Equation 1

Equation 2

من مؤامرة(المعادلة2)، وتميز مجموعة وسيطة من KOW26 قد يكون ممكنا عن طريق تعديل المعلمات أ و ب، حيث اختلاف معين في hydrophobicity (أو hydrophilicity) لا يغير بشكل كبير من نقطة النهاية للسمية الحادة.

وقد أُبلغ عادة في دراسات QSAR عنمختلف المواد السمية المائية، بما في ذلك التنبؤات الحسابية والملاحظات التجريبية على التركيز المميت النصفي، كما هو مبين في الشكل 3 والشكل 4. المواد السطحية غير الأيونية التقنية27، تريازول الفطريات28، ونواتج الأيض المبيدات الحشرية21. يوفر هذا النوع من التحقق من الصحة بأثر رجعي معلومات عن المدى الذي يمكن أن تصل إليه أداة QSAR معينة من حيث الأداء المقارن للنتائج التجريبية. في هذه الدراسة للسمية الحادة في الأسماك، ثبت أن مجموعة أدوات QSAR توفر تنبؤات وقائية لأكثر من 90٪ من الـ EDs المختبرة في جميع الأسماك وفي نوع واحد، Pimephales promelas.

زيادة تحديد المواد الكيميائية الثلاث الزائدة في الشكل 3 والشكل 4، والتي أظهرت أن التركيزالمميت النصفي المتوقع أعلى في المتوسط وكحد أدنى، على التوالي، مطلوب. أولا، 3’،5،7-تريهيدروكسي-4’، 6-dimethoxyisoflavone هو نوع من الفلافونويد (على وجه التحديد، الايسوفلافون)، والتي تعتبر آمنة عموما وتستخدم في المستحضرات الصيدلانية العشبية. ومع ذلك، فإنه لا يزال لديه المخاوف المتعلقة بالإستروجين29 ويمكن أن يسبب سمية حادة ربما من خلال الفسفورية التأكسدية فك30. بعد ذلك، فإن 1,4-benzenediol، ودعا هيدروكينون، هو مركب الفينول التي يمكن أن تؤدي إلى استجابة مناعية غير محددة والسمية الخلوية في الأسماك31. وأخيرا، ومن المعروف أن 4-هيكسيلفينول لإظهار ما يكفي من النشاط الإستروجين إيجابية ليتم تصنيفها على أنهاED 32. وقد درست جيدا أن السبب الرئيسي للسمية الحادة من الهيدروكينون هو الحد من الأكسدة (ريدوكس) ركوب الدراجات. يتم أكسدة الهيدروكينون إلى البنزوكينون وخفضت مرة أخرى إلى شبه كوينون أو هيدروكينون مرارا وتكرارا، مع العوامل المساعدة المستنفدة وتوليد أنواع الأكسجين التفاعلية33. وقد تتطلب المواد الكيميائية الأخرى إجراء تحقيقات أعمق للكشف عن آليات عملهما في مجال السمية الإيكولوجية الحادة باستخدام نُهُج الإرساء الجزيئي مثل تلك التي يستخدمها Panche et al.34،والتي لا يمكن تغطيتها بمجموعة أدوات QSAR.

EDs تتداخل مع نظام الغدد الصماء أساسا من خلال التفاعلات الفيزيائية الكيميائية مع مستقبلات الستيرويد مثل مستقبلات الإستروجين والاندروجين, التي هي ذات أهمية كبيرة في دراسات النمذجة QSAR35. وبالنظر إلى ذلك، فإن مجموعة أدوات QSAR قوية من حيث التصنيف السهل والسريع للروابط الملزمة ER لمجموعة من المواد الكيميائية التي تستند فقط إلى واصفات ثنائية الأبعاد للهياكل الجزيئية. عندما تم تطبيق هذا النظام محلل المعلومات الإلكترونية على قائمتنا من EDs، لم يتم العثور على أي ارتباط واضح بين تقارب ربط ER وhydrophobicity (الشكلالتكميلي S2). ويمكن تفسير هذه النتيجة من خلال حقيقة أن تشكيل مجمع مستقبلات الستيرويد ليست نتيجة مباشرة لمساهمة الترابط الكاره للماء ولكن ينبغي أن تكون مصحوبة بتغيير المطابقة في هيكل مستقبلات الموقع النشط36. يمكن أن يكون ربط مستقبلات أيضا بسبب الترابط الهيدروجين والتراص.

بالإضافة إلى ذلك، قد يؤثر موقف كل مجموعة كيميائية على الجزيء على مستقبلات ملزمة، حتى لو كان هيدروفوبيسيتي وعدد من السندات الهيدروجين تقبل المانحين لا تزال هي نفسها. ثانياً، أنتج محلل ملفات تعريف التقارير عن اتجاهات معاكسة بين المستوياتالمتوسطة المتوقعة والتجريبية لـ LC50 مع زيادة تقارب ربط التقارير عن التقارير (الشكل 5). قد يكون ذلك لأن فتكا الآباء والأمهات في اختبار السمية الحادة ليست بسبب ربط ER ولكن بدلا من ذلك إلى المخدرات في معظم الحالات، أو إلى ركوب الدراجات الأكسدة في حالة الهيدروكينون. فعلى سبيل المثال، يلزم إجراء تحليل أكثر شمولاً، بما في ذلك السمية المزمنة، لكي تحدد مجموعة أكبر من الـ EDs القيود التنبؤية للنسخة الحالية من مجموعة أدوات QSAR.

هذا البحث الأولي قد يكون لها أيضا آثار على الصحة العامة لأن المنشطات (الاندروجين, الإستروجين, البروجستينات, وكورتيكويدات) ومستقبلاتها تظهر هياكل جزيئية كبيرة مماثلة أو حتى متطابقة عبر الفقاريات5. ويمكن أن تعمل هذه الأنواع من نظم إشارات الغدد الصماء المماثلة باستخدام آلية مشتركة في الأحداث الرئيسية للأنظمة النكة الإلكترونية5. ومع ذلك، هناك حاجة إلى منهجيات إضافية وتكميلية لإلقاء الضوء على هذا الجانب الواسع والمعقد [على سبيل المثال، عن طريق إجراء نمذجة حسابية للامتصاص والتوزيع والتمثيل الغذائي وإفراز (ADME)، و/أو النتائج السلبية [قبر AOP38 العالم/الامم-المتحدة2-وامم-المتحدة2-و6-4) وعلاوة على ذلك، لأن معظم الشواغل العلمية والعامة التي أثيرت بشأن الآثار الضارة للأمراض الإلكترونية ترتبط بسمية مزمنة، وتحسين قواعد البيانات والخوارزميات في مجموعة أدوات QSAR وإنتاج السمية الإيكولوجية طويلة الأجل الموثوق بها التنبؤات لEDs على حد سواء ضرورية.

توضح هذه الورقة تطبيق مجموعة أدوات QSAR لمقارنة قيم LC50 للأسماك مع قيم الـ10كأو و للأسماك السامة للأسماك. كشفت الدراسات السابقة (على سبيل المثال، كيم وآخرون39)أن سجل10Kow ليست مؤشرا مباشرا جيدا من LCالمائية 50. على الرغم من هذا القيد، يوفر هذا البروتوكول مراجعة عامة أو “المقالة القصيرة” لوصف كيفية استخدام لوحة المعلومات لغرض معين، لأنه تطبيق صالح لاستخدام مربع أدوات QSAR للتحقيق في الارتباطات بين LC50 (أو ربط النّش اليوريك تقارب) وسجل10K ow، أو كأداة لفحص السمية البيئية الحادة السريعة. ومع ذلك, تجدر الإشارة إلى أن (1) إلقاء الضوء على الصلة بين مستقبلات الإستروجين ملزمة والسمية المزمنة, بدلاً من السمية الحادة (الفتك), هو أكثر أهمية بحيث يمكن العثور على ارتباطات أكثر وضوحاً, و (2) مستقبلات الاندروجين, معاً مع أن الإستروجين، كما يلعب دورا حاسما في السمية الإنجابية. ولذلك، فإنه من المطلوب للإصدار المستقبلي من مجموعة أدوات QSAR لتحسين وظائف التنبؤ في ضوء هاتين النقطتين.

Disclosures

The authors have nothing to disclose.

Acknowledgements

وقد تم دعم هذا البحث من قبل المجلس الوطني للبحوث العلمية والتكنولوجية (NST) منحة من حكومة كوريا الجنوبية (MSIP) (رقم. CAP-17-01-KIST Europe) والمشروع 11911.

Materials

Adobe Acrobat Reader DC Adobe Systems Software Ireland Limited NA Required to view prediction and category report
Computer System: Microsoft Corporation NA Recommended system properties: (i) system type: 64 bit, Microsoft Windows 7 or newer, (ii) processor: I5 at 2.4 GHz or faster processor or equivalent AMD CPU, (iii) Installed memory (RAM): 6 GB of RAM, (iv) Hard Disk Drive (HDD): 20 GB free hard drive space
Microsoft Editor Microsoft Corporation NA Required to upload a substance list of CAS numbers (batch mode) to the OECD QSAR Toolbox as .txt file (text file)
Microsoft Excel 2016 Microsoft Corporation NA Required to export data from OECD QSAR Toolbox as .cvs, .xls or .xlsx files
OECD QSAR Toolbox version 4.0 or newer Organisation for Economic
Co-operation and Development
NA Required to run OECD QSAR Toolbox Automated Workflows; free download:
https://qsartoolbox.org/download/
OriginPro 9 OriginLab Corporation NA Optional program for data analysis; similar tools possible

References

  1. Najarian, K., Najarian, S., Gharibzadeh, S., Eichelberger, C. N. . Systems Biology and Bioinformatics: A Computational Approach. , (2009).
  2. Fujita, T., Iwasa, J., Hansch, C. A new substituent constant, π, derived from partition coefficient. Journal of the American Chemical Society. 86, 5175-5180 (1964).
  3. Roy, K., Kar, S., Das, R. N. . Understanding the Basics of QSAR for Applications in Pharmaceutical Sciences and Risk Assessment. , (2015).
  4. Raies, A. B., Bajic, V. B. In silico toxicology: computational methods for the prediction of chemical toxicity. WIREs Computational Molecular Science. 6, 147-172 (2016).
  5. Hayes, T. B. Welcome to the revolution: integrative biology and assessing the impact of endocrine disruptors on environmental and public health. Integrative Compuational Biology. 45, 321-329 (2005).
  6. Schug, T. T., et al. Minireview: endocrine disruptors: past lessons and future directions. Molecular Endocrinology. 30, 833-847 (2016).
  7. Devillers, J., Marchand-Geneste, N., Carpy, A., Porcher, J. M. SAR and QSAR modeling of endocrine disruptors. SAR QSAR Environmental Research. 17, 393-412 (2006).
  8. Dimitrov, S. D., et al. QSAR Toolbox – workflow and major functionalities. SAR QSAR Environmental Research. 27, 203-219 (2016).
  9. Yordanova, D., et al. Automated and standardized workflows in the OECD QSAR Toolbox. Computational Toxicology. 10, 89-104 (2019).
  10. Mombelli, E., Devillers, J. Evaluation of the OECD (Q)SAR Application Toolbox and Toxtree for predicting and profiling the carcinogenic potential of chemicals. SAR QSAR Environmental Research. 21, 731-752 (2010).
  11. Devillers, J., Mombelli, E., Samsera, R. Structural alerts for estimating the carcinogenicity of pesticides and biocides. SAR QSAR Environmental Research. 22, 89-106 (2011).
  12. Li, C., et al. Identifying unknown by-products in drinking water using comprehensive two-dimensional gas chromatography-quadrupole mass spectrometry and in silico toxicity assessment. Chemosphere. 163, 535-543 (2016).
  13. Devillers, J., Mombelli, E. Evaluation of the OECD QSAR Application Toolbox and Toxtree for estimating the mutagenicity of chemicals. Part 1. Aromatic amines. SAR QSAR Environmental Research. 21, 753-769 (2010).
  14. Devillers, J., Mombelli, E. Evaluation of the OECD QSAR Application Toolbox and Toxtree for estimating the mutagenicity of chemicals. Part 2. α-β unsaturated aliphatic aldehydes. SAR QSAR Environmental Research. 21, 771-783 (2010).
  15. Kulkarni, S. A., Barton-Maclaren, T. S. Performance of (Q)SAR models for predicting Ames mutagenicity of aryl azo and benzidine based compounds. Journal of Environmental Science and Health Part C Environmental Carcinogenesis & Ecotoxicology Reviews. 32, 46-82 (2014).
  16. Craig, E. A., Wang, N. C., Zhao, Q. J. Using quantitative structure-activity relationship modeling to quantitatively predict the developmental toxicity of halogenated azole compounds. Journal of Applied Toxicology. 34, 787-794 (2014).
  17. Tebby, C., Mombelli, E., Pandard, P., Péry, A. R. Exploring an ecotoxicity database with the OECD (Q)SAR Toolbox and DRAGON descriptors in order to prioritise testing on algae, daphnids, and fish. Science of the Total Environment. 409, 3334-3343 (2011).
  18. Mombelli, E. Evaluation of the OECD (Q)SAR Application Toolbox for the profiling of estrogen receptor binding affinities. SAR QSAR Environmental Research. 23, 37-57 (2012).
  19. Verhaar, H. J. M., van Leeuwen, C. J., Hermens, J. L. M. Classifying environmental pollutants. 1: structure-activity relationships for prediction of aquatic toxicology. Chemosphere. 25, 471-491 (1992).
  20. Enoch, S. J., Hewitt, M., Cronin, M. T. D., Azam, S., Madden, J. C. Classification of chemicals according to mechanism of aquatic toxicity: an evaluation of the implementation of the Verhaar scheme in Toxtree. Chemosphere. 73, 243-248 (2008).
  21. Burden, N., Maynard, S. K., Weltje, L., Wheeler, J. R. The utility of QSARs in predicting acute fish toxicity of pesticide metabolites: a retrospective validation approach. Regulatory Toxicology and Pharmacology. 80, 241-246 (2016).
  22. Nendza, M., et al. Screening for potential endocrine disruptors in fish: evidence from structural alerts and in vitro and in vivo toxicological assays. Environmental Sciences Europe. 28, 26 (2016).
  23. Roncaglioni, A., Piclin, N., Pintore, M., Benfenati, E. Binary classification models for endocrine disrupter effects mediated through the estrogen receptor. SAR QSAR Environmental Research. 19, 697-733 (2008).
  24. Sosnovcová, J., Rucki, M., Bendová, H. Estrogen receptor binding affinity of food contact material components estimated by QSAR. Central European Journal of Public Health. 24, 241-244 (2016).
  25. Walker, J. D., Dearden, J. C., Schultz, T. W., Jaworska, J., Comber, M. H. I., Walker, J. D. QSARs for New Practitioners. QSARs for Pollution Prevention, Toxicity Screening, Risk Assessment, and Web Applications. , (2003).
  26. Sánchez-Bayo, F. From simple toxicological models to prediction of toxic effects in time). Ecotoxicology. 18, 343-354 (2009).
  27. Sjöström, M., Lindgren, &. #. 1. 9. 7. ;., Uppgård, L. L., Chen, F., Schüürmann, G. Joint Multivariate Quantitative Structure-Property and Structure-Activity Relationships for a Series of Technical Nonionic Surfactants. Quantitative Structure-Activity Relationships in Environmental Sciences-VII. , (1997).
  28. Ding, F., Guo, J., Song, W., Hu, W., Li, Z. Comparative quantitative structure-activity relationship (QSAR) study on acute toxicity of triazole fungicides to zebrafish. Chemistry Ecology. 27, 359-368 (2011).
  29. Galati, G., O’Brien, P. J. Potential toxicity of flavonoids and other dietary phenolics: significance for their chemopreventive and anticancer properties. Free Radical Biology in Medicine. 37, 287-303 (2004).
  30. Russom, C. L., Bradbury, S. P., Broderius, S. J. Predicting modes of action from chemical structure: acute toxicity in the fathead minnow (Pimephales promelas). Environmental Toxicology and Chemistry. 16, 948-967 (1997).
  31. Taysse, L., Troutaud, D., Khan, N. A., Deschaux, P. Structure-activity relationship of phenolic compounds (phenol, pyrocatechol and hydroquinone) on natural lymphocytotoxicity of carp (Cyprinus carpio). Toxicology. 98, 207-214 (1995).
  32. Nishihara, T., et al. Estrogenic activities of 517 chemicals by yeast two-hybrid assay. Journal of Health Science. 46, 282-298 (2000).
  33. Bolton, J. L., Trush, M. A., Penning, T. M., Dryhurst, G., Monks, T. J. Role of quinones in toxicology. Chemical Research in Toxicology. 13, 135-160 (2000).
  34. Panche, A. N., Diwan, A. D., Chandra, S. R. Flavonoids: an overview. Journal of Nutritional Science. 5, e47 (2016).
  35. Li, J., Gramatica, P. QSAR classification of estrogen receptor binders and pre-screening of potential pleiotropic EDCs. SAR QSAR Environmental Research. 21, 657-669 (2010).
  36. Bohl, M. . Molecular Structure and Biological Activity of Steroids. , (2017).
  37. Kaminuma, T., Takai-Igarashi, T., Nakano, T., Nakata, K. Modeling of signaling pathways for endocrine disruptors. BioSystems. 55, 23-31 (2000).
  38. Lillicrap, A., et al. Alternative approaches to vertebrate ecotoxicity tests in the 21st century: a review of developments over the last 2 decades and current status. Environmental Toxicology and Chemistry. 35, 2637-2646 (2016).
  39. Kim, J. W., et al. Acute toxicity of pharmaceutical and personal care products on freshwater crustacean (Thamnocephalus platyurus) and fish (Oryzias latipes). Journal of Toxicological Sciences. 34, 227-232 (2009).

Play Video

Cite This Article
Bohlen, M., Jeon, H. P., Kim, Y. J., Sung, B. In Silico Modeling Method for Computational Aquatic Toxicology of Endocrine Disruptors: A Software-Based Approach Using QSAR Toolbox. J. Vis. Exp. (150), e60054, doi:10.3791/60054 (2019).

View Video