In Silico Modeling Method for Computational Aquatic Toxicology of Endocrine Disruptors: A Software-Based Approach Using QSAR Toolbox

Marie-L&#233;onie Bohlen; Hyun  Pyo Jeon; Young  Jun Kim; Baeckkyoung Sung

doi:10.3791/60054

JoVE Journal > Bioengineering

Please note that all translations are automatically generated. Click here for the English version.

Bioengineering

בשיטת מידול סיליקו לרעלים מימיים לחישוביות חישובית של משבנים אנדוקרינים: גישה מבוססת תוכנה באמצעות ארגז הכלים QSAR

Published: August 28, 2019

doi:

10.3791/60054

Marie-Léonie Bohlen¹, Hyun Pyo Jeon¹, Young Jun Kim¹, Baeckkyoung Sung¹

¹KIST Europe Forschungsgesellschaft mbH

Summary

מבנה כמותי-קשרי גומלין (QSAR) מידול הוא ביואינפורמטיקה מייצגת שיטה בסיוע בהקרנה רעילות. פרוטוקול זה מדגים כיצד להעריך מבחינה חישובית את הסיכונים של המשורים האנדוקריניים (עורכים) בסביבות מימיות. באמצעות כתיבת הכלים של ה-OECD QSAR, הפרוטוקול מיישם בתוך שיטת סיליקו, לניתוח רעילות של העורכים בדגים.

Abstract

ניתוחים חישוביים של תהליכים טוקסילוגיים מאפשרים הקרנת תפוקה גבוהה של חומרים כימיים וחיזוי נקודות הקצה שלהם במערכות ביולוגיות. במיוחד, מבנה כמותי-יחסי פעילות (QSAR) מודלים הוחלו יותר ויותר כדי להעריך את ההשפעות הסביבתיות של שפע של חומרים רעילים. בשנים האחרונות, מספר סוגים מודגשים יותר של טוקסינים הם משבשים אנדוקרינים (עורכים, שהם כימיקלים העלולים להפריע לכל חילוף החומרים הקשור להורמונים). בגלל שעורכים יכולים להשפיע באופן משמעותי על פיתוח ורבייה של בעלי חיים, יש צורך לחזות במהירות את ההשפעות השליליות של עורכים המשתמשים בטכניקות סיליקו. מחקר זה מציג שיטת סיליקו כדי ליצור מידע חיזוי על ההשפעות של מייצגים העורכים בעלי חוליות מימיות, במיוחד מיני דגים. הפרוטוקול מתאר דוגמה העושה שימוש בזרימת העבודה האוטומטית של תוכנת ארגז הכלים של QSAR שפותחה על-ידי הארגון לשיתוף פעולה כלכלי ופיתוח (ה-OECD) כדי לאפשר תחזיות לפני הרעלה חריפה של עורכים. כתוצאה מכך, הבאים נקבעים: (1) חישוב של היחסים מספריים בין הריכוז עבור 50% של השפעה (LC₅₀) ו octanol מים מקדם מחיצה (K_ow), (2) הופעות פלט שבו LC₅₀ערכים שנקבעו בניסויים מושווים לאלה שנוצרו על ידי חישובים, ו (3) את התלות של הזיקה לקולטן אסטרוגן על הקשר_{בין K או} ו LC₅₀.

Introduction

התפתחויות חדשות באינפורמטיקה ובטכנולוגיה חישובית כללו את המדעים הביולוגיים עם מתודולוגיות כמותיים המציעות דיוק גבוה ואמינות¹. בפרט, אלגוריתמים המשמשים בטקסונומיה מולקולרית ובסיווג הרכוש הביאו למערכת יחסים כמותית מבנה-פעילות (QSAR) מודלים². מודלים אלה מיישמים באופן אוטומטי את המבנים הכימיים ואת הפעילות הביולוגית של מסד נתונים כימי נתון ומיישמת מהירה בהקרנה סיליקו של מגוון רחב של מצעים כימיים בהתאם לפעולות הרפואיות או הרעילות שלהם³. כלים QSAR יכול לייצר פרופילי רעילות חזוי כפונקציה של וקטורים התכונה של מתארי מולקולרית (כלומר, פרמטרים פיזיקליים) של כימיקלים של עניין ליצור מספרית נקודות הקצה⁴. בדרך כלל, כל נקודת קצה כמותית מוצגת כמסגרת מגרש דו-ממדי לעומת שינויים בערכי מתארים. מודל QSAR נוצר לאחר מכן באמצעות (מספר) ניתוחי רגרסיה ליניארית. לאחר שערכת נתונים נוצלה במלואה כדי לבנות מודל QSAR (המכונה קבוצת ההדרכה), אזי המודל מאומת על ידי ניבוי נקודות הקצה של קבוצת כימיקלים שאינם כלולים בערכת ההדרכה (המכונה ערכת הבדיקה). לאחר מכן ניתן להשתמש במודל כדי לנבא את הפעילות הביולוגית של תרכובות שנבדקו³.

בין כימיקלים מזיקים רבים, משבשים האנדוקרינית (עורכים) הודגש כקבוצה של רעלים שעלולים להפריע מטבוליזם רבים הקשורים להורמונים ביונקים, דו-חיים ודגים⁵^,⁶. עורכים ידועים כדי לגרום למגוון של תופעות לוואי, כגון סרטן מומים, על ידי חסימת או שינוי מסלולים הורמונליים נורמלי או הפעלת סינתזה הורמון הורמונלי/אותות השפלה. כתוצאה מכך, אלה כימיקלים מחקה הורמון יכול לperturb מערכות אנדוקריניות כגון פיתוח ביולוגי רבייה של אוכלוסיות חיות הבר הם הכשלו. במיוחד, ההשפעות האקולוגיים של העורכים נחקרו בהרחבה בחוליות מימיות, אשר יש כמעט זהה הורמון קולטן מבנים לאלה של יונקים, כולל בני אדם. מכיוון שכל הפעולות ההורמונאליים מתרחשות במינונים נמוכים בvivo, חיזוי הרעלים הפוטנציאליים של מועמדים אד באמצעות הקרנה מהירה סיליקו הוא קריטי לבריאות הציבור והסביבה.

מודלים QSAR מבוסס על רעלים של עורכים נערכו ניצול שני מתארי 2D ו-3D (המכונה 2D ו-3D QSAR, בהתאמה), אשר לחשוף את ליגיום ED ומאגד מחייב של אסטרוגן, אנדרוגן, וקולטני פרוגסטרון⁷. למרות היתרונות הגבוהים ביותר של QSAR 3D, שבו הקונפורמציה ואינטראקציות אלקטרוסטטית נחשבים, 2D QSAR שומרת על החוסן שלה באלגוריתמים מתמטיים ישירים, חישובים מהירים, ועומסים חישובית נמוכה מאוד. בנוסף, מודלים של 2D-QSAR גמישים לשימוש במגוון רחב של יישומים תוך השגת ביצועי חיזוי מדויקים יחסית.

כיום ארגז הכלים של ה-OECD הוא אחד מכלי התוכנה הנפוצים ביותר במחשב, המספק מודלים qsar באופן חופשי ומובנה מראש,⁸^. יוצר הפרופילים שלו משתמש במסדי נתונים של מתארי דו-ממדי. מאז שחרורו של הגרסה הראשונה ב-2008, התוכנה החלה בתחומים של תעשיות כימיות וביולוגיות, בריאות הציבור, ובטיחות סביבתית לניתוח מלא או חלקי של הסיכונים הפוטנציאליים של תרכובות טבעיות וסינתטיים, עם תחומי עניין מיוחדים בקרצינובגנזה¹⁰^,¹¹,¹², מוטגניות¹³^,¹⁴^,¹⁵ו רעילות התפתחותית¹⁶. היישום לרעלים מימיים הוכח גם, עם דגש על הצטברות ביולוגית ו bioaccumulation¹⁷.

כתיבת הכלים QSAR הוכח שימושי בניבוי רעילות לטווח קצר של מגוון רחב של כימיקלים¹⁷, כמו גם קולטן אסטרוגן (ER) איגוד מחייב של עורכים¹⁸. עם זאת, לא נותחו באמצעות ארגז הכלים של QSAR את הקשרים האקוטוקטיים החריפים של העורכים בחוליות מים מימיים. במחקר זה, פרוטוקול אופייני ו נתיישב מוצג לבצע מידול qsar על תופעות לוואי חריפה של עורכים עם דגש מינים דגים. המחקר מראה כי כתיבת הכלים QSAR היא תוכנה נגישה מאוד לחישוב וחיזוי הבליות/תמותה של בעלי חוליות מימיות עבור כמה עורכים נציג. שיטות טיפול סטטיסטי לנגזרות של מערכות נתונים סיליקות מוצגות. איור 1 מציג את הערכה הכוללת עבור הפעולה הכללית של ארגז הכלים qsar. זרימת העבודה המוצגת באיור 2 מספקת הוראות ברורות לגבי אופן ההפעלה של שיטת סיליקו, כדי לחזות רעילות חריפה של חומרים ליעד כגון כימיקלים משבשי המערכת האנדוקרינית.

Protocol

1. ציוד למכשור תוכנה: השתמש ב-OECD בארגז כלים 4.0 או בגירסה חדשה יותר (הורדה חינם מ-< https:/pasoln.ufi/.) ותוכנת ניתוח נתונים. מחשב: עבור ארגז הכלים של ה-OECD QSAR, השתמש: (i) סוג מערכת: 64 bit, Windows 7 או חדש יותר; (ii) מעבד: I5 ב 2.4 GHz, או מעבד מהיר יותר או שווה-מעבד AMD; (3) זיכרון מותקן (RAM): 6 ג’יגה-בתים; (iv) כונן דיסק קשיח (HDD): 20 ג’יגה-בתים של שטח פנוי בכונן הקשיח (ה-OECD בארגז הכלים 4.3 הערות לשחרור: ). 2. נוהל ארגז הכלים של ה-OECD QSARהערה: ארגז הכלים של QSAR פועל בשש מודולי זרימה רצופים החל מקלט ואחריו פרופילים, נתונים, הגדרת קטגוריה, מילוי מרווח נתונים, לאחר מכן report, הממוקם בחלק העליון של ממשק התוכנית. לחקור את ששת השלבים הנ ל באמצעות שישה סמלי סרגל הכלים על ידי לחיצה שמאלית. ראשית, הסתכל על שלבי קלט, מילוי מרווח נתונים ודוח הנחוצים לביצוע זרימת העבודה האוטומטית “נקודת קצה של הרעלים האקולוגיים” ולתעד את תוצאותיה. קבל מבט קצר על יצירת פרופיל ונתונים של שלבים אופציונליים. שלב הפרופילים מספק תובנה ראשונית על הפוטנציאל רעילות של חומר היעד ואת התכונות הסביבתיות של הגורל. שלב הנתונים האופציונלי מאפשר חיפוש אחר נתונים ניסיוניים זמינים הקשורים לחומר היעד. קלט עם הפעלת ארגז הכלים QSAR, המשתמש מתחיל בשלב ארגז הכלים של הקלט כברירת מחדל. ארגז הכלים של QSAR יוצר קובץ עבודה בשם “Document 1” באופן אוטומטי, המוצג בלוח אפשרויות הבמה שמשמאל לממשק התוכנית. שנה את שם הקובץ, אם תרצה, על-ידי לחיצה ימנית על קובץ העבודה. לחץ על כפתור האישורים בסרגל הכלים פעולות, הזן את מספר השירות המופשט הכימי (CAS) של חומר היעד בשדה הטקסט הזמין ולחץ על Search (חיפוש). לאחר מכן, הכלי יחפש אחר חומר היעד לפי מספר CAS. במקרה הצורך, בחרו אפשרויות חיפוש אחרות הזמינות בסרגל הכלים ‘ פעולה ‘, כגון חיפוש לפי שם חומר או קוד מערכת כניסה מולקולארית פשוט (חיוכים). ניתן להזין את ‘ חיוכים ‘ כ-2D ללא סטריאוכימיה או סטריאוכימיה המכילה טפסים. לחץ על שם או על מבנה, בהתאמה . השתמש בכלי מבנה כדי לצייר את חומר היעד. כלי החיפוש מציג את תוצאות החיפוש באמצעות רשומות מסד נתונים בחלון מוקפץ. בחר ברשומה המדווחת על יחס “גבוה” של CAS-חיוכים (שדהקשר CS ) אם מאוחזרים רשומות מרובות עבור חומר היעד על-ידי בדיקת התיבה משמאל לרשומה. לחץ על אישור.הערה: המשך מנקודה זו אפשרי רק אם הרשומה המאוחזרת מכילה קוד חיוכים, כקוד חיוכים (דו-כימי שאינו סטריאוכימיה המכיל טופס) הוא הבסיס לחישוב. מצב אצווה: לבצע את המערכת בתוך שינון סיליקו עבור חומרי יעד מרובים, לכתוב רשימת חומרים פשוטים בעורך טקסט שבו כל מספר CAS מופיע בשורה אחת (S3 איור משלים). שמור את קובץ הטקסט עם שם מתאים וסיומת. txt במחשב. מצב אצווה: לחץ על נתונים. לאחר מכן, עבור למסדי נתונים בלוח אפשרויות הבמה שמשמאל לממשק התוכנית. ודא שמסדי נתונים המפורטים תחת מידע אקולוגי מתבצע בדיקה. מצב אצווה: לחץ על קלט. בחרו שאילתה מסרגל הכלים ‘ פעולות ‘. קבל את ההגדרות שנקבעו בשלב 2.2.6 על-ידי לחיצה על כן בחלון הדו. מצב אצווה: בחר בכרטיסיה CAS . העלה את רשימת החומרים שנשמרה כקובץ טקסט באמצעות רשימת טעינה מהמחשב. מצב אצווה: יש שני לחצנים להוסיף זמין; לחץ על לחצן הוסף בתחתית התפריט הנפתח ולאחר מכן לחץ על בצע. ארגז הכלים של QSAR יציג הודעה על מספר החומרים שאוחזרו עבור החיפוש.הערה: ייתכן שחלק מהחומרים של הרשימה שנטענה לא יימצאו באמצעות כלי החיפוש או שמספר ערכים יהיו זמינים עבור מספר CAS אחד. לא ניתן למחוק חומרים מערכת החומרים שאוחזרו. פרופילהערה: הסעיף הבא הוא אופציונלי. אם הדבר אינו נדרש, דלג לסעיף 2.5. לחץ על כפתור הבמה של ארגז הכלים בפרופיל. עבור לשיטות יצירת פרופיל בלוח אפשרויות הבמה שמשמאל לממשק התוכנית. לחץ על בטל בחירה של הכל. בדוק את כל הפרופיילרים המפורטים תחת מוגדרות מראש ואת אלה הקשורים רעילות מימיים המפורטים תחת נקודת קצה ספציפית כמו “סיווג רעילות מימיים חריפה על ידי Verhaar (שונה).” . סיים את הבחירה לאחר מכן לחץ על לחצן החל בסרגל הכלים פעולות.הערה: ארגז הכלים QSAR מספק המלצות על מערכת פרופיילרים. אלה מודגשים בירוק (מתאים) וכתומים (סביר) בעת בחירת אפשרויות &Gt; צבע לפי: &Gt; נקודת קצה שנבחרה במטריצת הנתונים בפינה השמאלית העליונה של שיטות יצירת פרופילים. לחץ לחיצה ימנית על שדה מטריצת הנתונים שליד נקודת הקצה של הריבית. נקודות קצה זמינות מפורטות בעץ נקודת הקצה לצד חלונית אפשרויות השלב. סוג החומר יוצר הפרופילים יציין אם חומר היעד הוא “כימיקל דיסקרטית”. המידע מוצג בעץ נקודת הקצה המורחב “פרופיל”, “מוגדר מראש” ו-“סוג החומר”. רק אם חומר היעד הוא כימיקל נפרד, ניתן להפעיל את זרימת העבודה האוטומטית בהצלחה. “סיווג אקוטי רעילות מימיים על ידי verhaar (שונה)” מספק הערכה ראשונה של מנגנון רעילות מימיים חריפה של חומר היעד19,20. המידע מוצג בעץ נקודת הקצה המורחב “פרופיל”, “ספציפי לנקודת קצה”, ו “סיווג רעילות מימיים חריפה על ידי Verhaar (שונה)”. חמישה כיתות זמינים: (מחלקה 1) כימיקלים אינרטי (רעילות בסיסית); (מחלקה 2) פחות כימיקלים אינרטי; (מחלקה 3) כימיקלים ראקטיבית; (מחלקה 4) במיוחד כימיקלים משחק; ו (מחלקה 5) עבור כימיקלים שאינם אפשריים לסווג. לחצו לחיצה ימנית על הפרמטר בעץ נקודת הקצה כדי להפעיל דגמי qsar משולבים דו-ממדיים ותלת-ממדיים הזמינים בארגז הכלים של qsar, אם תרצו. לחץ על חשב/חלץ את כל הפרמטרים עבור כל הכימיקלים בתפריט הנפתח. מודלים QSAR דו-ממדיים ותלת-ממדיים שנאספו בפרמטר מספקים ערכים מספריים. השתמש ב”שיטות ליצירת פרופילים” למידע איכותני (ראה שלב 2.3.1). נתוניםהערה: סעיף זה הוא אופציונלי. אם הוא אינו נדרש, דלג לסעיף 2.5. לחץ על נתוני לחצן הבמה של ארגז הכלים . לאחר מכן, לחץ על ‘ איסוף ‘ מסרגל הכלים ‘ פעולות ‘. בחר את כל נקודות הקצה כדי לאסוף את כל הנתונים הניסיוניים, ולאחר מכן בחר לאסוף נתונים ניסיוניים ספציפיים של נקודות קצה. כדוגמה, אם רעילות מימיים היא המוקד של המשתמש, לחץ על בחירת &Gt; מידע אקולוגי ב> לרעלים מימיים > אישור.הערה: בחירה לאיסוף נתונים ניסיוניים עבור כל נקודות הקצה עלולה להוביל לזמן עיבוד מורחב. המשתמש יכול להתאים את ההירארכיה של עץ נקודת הקצה למטרה הספציפית. פעולה זו משנה את האופן שבו מוצגים הנתונים. אם רצונך בכך, לחץ באמצעות לחצן העכבר הימני על נקודת הקצה של העניין באזור עץ נקודת הקצה. בחר ‘ קבע הירארכיית עצים ‘ בתפריט הנפתח. ארגן את עץ נקודת הקצה באופן המועדף באמצעות התנאים והחיצים הזמינים ולחץ על אישור. אם רצונך בכך, יצא את הנתונים שנאספו כקובץ Excel. לחצו לחיצה ימנית על נקודת הקצה של הריבית ובחרו ‘ ייצוא נתוני מטריצה ‘ בתפריט הנפתח. אשף “ייצוא מטריצה” נפתח ומאפשר הוספת נקודות קצה אחרות לרשימת הייצוא. סיים את הבחירה, לחץ על יצא ושמור את הקובץ במחשב.הערה: ייצוא נתונים מכל מסדי הנתונים אינו אפשרי. לדוגמה, לא ניתן לשמור נתונים שאוחזרו ממסד הנתונים “ECHA CHEM”. מילוי פער נתונים לחץ על כפתור הבמה של ארגז הכלים מילוי פער נתונים. לאחר מכן, לחץ על אוטומטי בסרגל הכלים פעולות. בחר נקודת קצה של האזור האקולוגי &GT; דג, LC50 (ריכוז קטלני, 50%) ב96 h לקבלת התמותה. לחץ על אישור. “בקר זרימת עבודה” יופיע, והעיבוד ייקח עד מספר דקות, במיוחד במצב אצווה.הערה: ארגז הכלים QSAR מחיל באופן אוטומטי ערכה מוגדרת של פרופיילרים בעת חיפוש אחר חומרים מתאימים עם נתונים ניסיוניים זמינים עבור התחזית. הנתונים הניסיוניים [g., אפקט ריכוזי 96 h LC50 (p. promelas) או 96 h EC50 (p. promelas, תמותה)] משמשים כדי ליצור את החיזוי עבור חומר היעד על ידי קירוב ליניארי או הקרוב ביותר שיטת השכן. שים לב ששיטות הקירוב הליניארי והשכן הקרוב אליהם מכונים ניתוח מגמה (מתויג כ-“T”) וקריאה-לרוחב (מתויג כ-“R”), בהתאמה. המשתמש יקבל הודעה אם התחזית תתבצע בהצלחה. לחץ על אישור וסגור את בקר זרימת העבודה המציין את “זרימת העבודה הגמורה” על-ידי לחיצה על x בפינה הימנית העליונה. מצב אצווה: בעת הפעלת זרימת העבודה האוטומטית, המשתמש יתבקש לציין את טווח החומרים שעליהם לבצע את זרימת העבודה. קבל את הטווח המלא של החומרים שנבחרו כברירת מחדל בחלון הדו על-ידי לחיצה על אישור. מצב אצווה: המשתמש לא יקבל הודעה המציינת אם החיזוי הופעל בהצלחה או ללא הצלחה. סגור את בקר זרימת העבודה המציין “סיום זרימת עבודה” בסוף עיבוד האצווה על-ידי לחיצה על x בפינה הימנית העליונה. דוח אם התחזית בוצעה בהצלחה, לחץ על דוח לחצן השלב של ארגז הכלים .הערה: לא ניתן ליצור דוחות במצב אצווה. גלול מטה וחפש את ערך החיזוי בשדה מטריצה הממוקם בשורה מסומנת צהובה ליד נקודת הקצה “96-h.” הערך החזוי מתויג באמצעות “T” או “R”. הפעל שדה מטריצת נתונים ספציפי זה על-ידי לחיצה שמאלית. לחץ על חיזוי בסרגל הכלים פעולות. התאמה אישית של תוכן ומראה הדוח באשף המוקפץ. שלושה סוגים של דוחות זמינים: (i) חיזוי, (ii) קטגוריה, ו (iii) מטריצת נתונים. האשף מאפשר למשתמש למלא את שם המחבר ואת פרטי ההתקשרות. כתוב סיכום קצר, הסבר מפורט על הפרשנות המכונה, או לספק צידוק להלימות החיזוי. כלול מידע נוסף הקשור לחיזוי שבוצע, אם תרצה. מידת המידע הנוסף תלויה במשתמש. עבור דרך האשף על-ידי לחיצה על הבא. לבסוף, לחץ על צור דוח ושמור את דוחות החיזוי והקטגוריות כקבצי PDF ומטריצת הנתונים כגיליון אלקטרוני של Excel במחשב. חפש פרטים נוספים על הפונקציונליות של ארגז הכלים של QSAR וזרימות עבודה אוטומטיות במדריך היישומים עבור העזרה של ה-OECD בארגז הכלים (F1) של המקלדת. פרטים על האלגוריתמים והרציונל מאחורי זרימת העבודה האוטומטית מתוארים על ידי דימימיטרוב ואח ‘8 ו Yordanova ואח ‘9. 3. יישום אם השימוש החזוי ההשפעה ריכוז (כלומר, 96-h LC50 של P. promelas) בהערכת סיכון סביבתי, להשתמש בגבול התחתון של 95% מרווח הביטחון. חפש את הנתונים בעמוד הראשון של דוח החיזוי השמור (PDF) ב”תקציר חיזוי”, “ערך חזוי: (מ ל)”.הערה: ההערות הניתנות כאן מבוססות על תוצאות ההשוואה בין נתונים חזויים וניסיוניים עבור קבוצה של חומרי יעד שדווחו במחקר זה. בחירת הקצה התחתון של טווח הביטחון 95% תגדיל את הסבירות שההתרכזות באפקט החזוי לא תפחית את הרעילות האמיתית של החומר (עיין בתוצאות הנציגים). ריכוז יעיל החזוי של הגבול התחתון של 95% מרווח ביטחון ולכן יציג בסיס בטוח יותר להערכת הסיכון.

Representative Results

הדוגמה המתוארת במחקר זה יושמה לניתוח כמותי וחיזוי של רעלים חריפה של עורכים שנבחרו דגים. כאשר נקודות הנתונים החזוי הותוו לעומת נקודות נתונים נסיוניות כקנה מידה של יומן רישום, מתאם חיובי בין שניהם נמצא עבור כל הדגים ומינים מייצגים, כלומר, Pimephales promelas (ראש מינו; איור 3). בשני המקרים, השיפוע של רגרסיה ליניארית נראה דומה (החזוי LC50/ניסיוני lc50 = 0.611 ו 0.602 עבור כל הדגים P. promelas, בהתאמה). בשל הכמות המוגבלת של הנתונים הניסיוניים, מספר הערכים הזמינים מההשגחה הניסיונית היה בדרך כלל קטן יותר מזה מחיזוי חישובית. יישום של גורם הסובלנות כמו 5 קיפול עבור יכולת חישובית21 הביא 94% (34/36) ו 96% (26/27) של חיזוי המגן עבור כל הדגים P. promelas, בהתאמה. מבוסס על חיזוי זה, 3 ‘, 5, 7-trihydroxy-4 ‘, 6-dimethאוקסיoflavone ו-1, 4-benzenediol הופיע התערוכה LC50 ערכים מחושבים גדול יותר מאשר גבול הסובלנות. כדי לאפשר הערכת בטיחות באמינות הגבוהה ביותר, ניתוח חישוב נוסף בוצע על ידי התוויית הגבול התחתון חזוי של 95% מרווח ביטחון של LC50 (במקום את הערכים ממוצע המשמש באיור 3) לעומת ה ערכים נגזרים (איור 4). בהערכה זו עם סף בטיחות מוגבר, 92% (33/36) של תרכובות משבשי המערכת האנדוקרינית הכוללת הוכחו ליפול לטווח המגן בהשוואה לערכים הנגזרים הנבחנים למעט: 3 ‘, 5, 7-trihydroxy-4 ‘, 6- מתיונין; 1, 4-בbenzenediol; . ו -4 הקספנול מבוסס על הערכות של המינים כולו זמין ממסד הנתונים, ערכים עבור החזוי וניסיוני 96-h יומן10LC50 הציגו יניאריות עם יומן הרישום10K-OW בתחום בין -1 ו -7, המציין מ קורלציה היפרבולית בין LC50 ו-KOW. מגמה כללית קיימת לפיה LC50 ירד עבור ערכי K-OW גבוה יותר של עורכים עבור הנתונים שהתקבלו הן תחזיות חישוביות וניסויים, מציע הגדלת רעילות חריפה במינים דגים עבור עורכים עם יותר הידרופוטביטי (איור משלים). על ידי פרופיילר המבוסס על הכלל המוטבע בארגז הכלים של ה-OECD QSAR, הקשרים המחייבים של העורכים היו מסווגים בצורה שאינה מחייבת, כמו גם כאוגדן חלש, מתון, חזק וחזק מאוד, על מנת להגדיל את הזיקה המחייבת18. בהתאם לכך, ההתפלגות הסטטיסטית של יומן הרישום10Kow יכולה להיות מוצגת כסיווג איכותי של זיקה מחייבת של ER (איור משלים S2). בסך הכל, השינויים בטווחי ההפצה של Kow ורמות הממוצע שלהם נראו כאילו אין להם נטייה מוגדרת. באופן דומה, הפצות של ה-LC50 החזוי וניסיוני הוכחו כהיקף של זיקה מחייבת ER (איור 5). במקרה זה, רמות משמעות של50 LC החזוי עבור הקלסרים של ER היו גבוהים יותר מאלה של לא קלסרים. לעומת זאת, עבור הניסיוני LC50, רמות ממוצע של קלסרים לא וחלשים היו גבוהים יותר מאלה של הקלסרים ER חזקה יותר. איור 1: ערכה בסיסית של זרימת העבודה הכללית של ארגז הכלים של ה-OECD QSAR.אנא לחץ כאן כדי להציג גירסה גדולה יותר של איור זה. איור 2: זרימת עבודה.המוצג הוא זרימת העבודה המשגה את המודולים והרצפים שהוחלו על מנת לחזות את הרעלים החריפים של המשורים האנדוקרינים (עורכים) בדגים באמצעות ארגז הכלים של ה-OECD QSAR. אנא לחץ כאן כדי להציג גירסה גדולה יותר של איור זה. איור 3: חזוי לעומת ניסיוני 96-h LC50 של עורכים בטבלה 1 עבור כל דג (יהלומים כחולים, n = 36) ו מינים שנבחרו P. promelas (יהלומים ציאן, n = 27).עבור ה-LC50החזוי, הערכים הממוצעים (“AVE”) מוצגים. הקווים המקווקווים מייצגים כסיות ליניארי עבור שתי הקבוצות: עבור כל הדגים (כחול בהיר), ניבא LC50AVE = 0.611 x (ניסיוני lc50) + 0.277 (מותאם r2 = 0.408); ו -P. promelas (ציאן בהיר), ניבאlc 50AVE = 0.602 x (ניסיוני lc50) + 0.385 (מותאם r2 = 0.441). הקו האלכסוני המוצק מראה אחדות שבה הערכים החזויים והניסיוניים שווים21. הקו האפור המנוקד מציג את מגבלת העמידות של 5 הקיפולים של יכולת החישוב19. מיירס: 3 “, 5, 7-trihydroxy-4”, 6-dimethisoflavone (*) ו-1, 4-benzenediol (* *). אנא לחץ כאן כדי להציג גירסה גדולה יותר של איור זה. איור 4: חזוי (הגבלה נמוכה יותר של 95% מרווח ביטחון, “נמוך-95%”) לעומת ניסיוני 96-h LC50 של עורכים בטבלה 1 עבור כל דג (n = 36).הקו המקווקו מייצג רגרסיה ליניארית: החזוי LC50נמוך-95% = 0.470 x (מניסיוני lc50)-0.312, שם מותאם r2 = 0.193. הקו האלכסוני המוצק מציין אחדות שבה הערכים החזויים והניסיוניים שווים אחד לשני19. מיירס: 3 “, 5, 7-trihydroxy-4”, 6-dimethisoflavone (*), 1, 4-benzenediol (* *), ו 4-הקספנול (* * *). אנא לחץ כאן כדי להציג גירסה גדולה יותר של איור זה. איור 5: הפצות החזוי (תיבות מוצקות, n = 8 – 20 לכל קטגוריה) וניסיוני (תיבות מקווקוות; n = 3 – 16 לכל קטגוריה) 96-h LC50 בהתאם לזיקה מחייבת ER של עורכים בטבלה 1 עבור כל הדג.מגרש תיבה מייצג: (א) ממוצע (ריבוע קטן עם פס אופקי מודגש), (ב)1 ו- 3 הרביעה (התחתון והעליון – קצות התיבה, בהתאמה), (ג) חציון (קטע אופקי בתוך התיבה), ( ד) ה-5 ו -95 האחוזון (שורות השגיאה הנמוכות והתחתונות, בהתאמה), (ה) 1 ו -99 האחוזון (x התחתון והעליון, בהתאמה) ו-(ו) מינימום ומקסימום (נמוך ועליון-, בהתאמה). אנא לחץ כאן כדי להציג גירסה גדולה יותר של איור זה. לא. מספר רישום של רשויות אישורים (CAS) שם החומר מחייך פורמולה (2D בצורה לא סטריאוטיקלית) כניסה לסקו AVEניבא 96-h LC50(mg/L) נמוך 95% CIניבא 96-h LC50(mg/L) Profiler-כריכת קולטן אסטרוגן 1 50-28-2 17-β Estradiol CC12CCC3C (CCc4cc (O) ccc34) C1CCC2O 4.01 3.62 1.42 קלסר חזק מאוד, קבוצת OH 2 57-63-6 17-α Ethinyl-אסטרדיול CC12CCC3C (CCc4cc (O) ccc34) C1CCC2 (O) C C 3.67 3.00 1.18 קלסר חזק, קבוצת OH 3 80-05-7 2, 2-bis (4-הhydroxyphe-nyl) פרופן (בינוקול א) CC (C) (c1ccc (O) cc1) c1ccc (O) cc1 3.32 4.68 1.80 קלסר חזק מאוד, קבוצת OH 4 80-46-6 4-tert-פנטפנול CCC (ג) (ג) c1ccc (O) cc1 3.91 2.27 0.87 קלסר חלש, קבוצת OH מיכל 5 140-66-9 4-tert-Octylphenol CC (ג) (ג) CC (ג) (ג) c1ccc (O) cc1 5.28 0.38 0.14 קלסר חזק, קבוצת OH 6 446-72-0 גנישטיין [3 “, 5, 7-trihydroxy-4, 6-דימתונות1] Oc1ccc (cc1) C1 = COc2cc (O) cc (O) c2C1 = O 2.84 32.00 10.03 קלסר חזק מאוד, קבוצת OH 7 10161-33-8 17β-טרנבולאחד CC12C = CC3C (CCC4 = CC (= O) CCC = 34) C1CCC2O 2.65 124.72 19.75 קלסר חזק, קבוצת OH 8 67747-09-5 פרולורואז CCCN (CCOc1c) cc (קלרנית) cc1Cl) C (= O) n1ccnc1 4.1 5.19 1.74 לא מאגד, ללא הקבוצה OH או NH2 9 84852-15-3 4-נונפנול CC (C) CCCCCCc1ccc (O) cc1 5.92 0.21 0.07 קלסר חזק, קבוצת OH 10 69-72-7 חומצה סליצילית OC (= O) c1ccccc1O 2.26 24.07 9.31 קלסר חלש, קבוצת OH 11 80-09-1 4, 4 ‘-דיהידרוטסטוסטרון (ביסלי) Oc1ccc (cc1) S (= O) (= O) c1ccc (O) cc1 1.65 48.67 10.67 קלסר חזק מאוד, קבוצת OH 12 84-74-2 חומצה פתלית, אסתר דיבוטיל CCCCOC (= O) c1ccccc1C (= O) OCCCC 4.5 0.76 0.06 לא מאגד, ללא הקבוצה OH או NH2 13 92-88-6 4, 4 ′-דיהידרוטסטוסטרון Oc1ccc (cc1)-c1ccc (O) cc1 2.8 12.05 4.20 קלסר מתון, הו grooup 14 94-13-3 4-חומצה הידרוקסימית, פרופיסטר CCCOC (= O) c1ccc (O) cc1 3.04 10.32 3.86 קלסר מתון, הו grooup 15 98-54-4 4-tert-בוטיפנול CC (C) (ג) c1ccc (O) cc1 3.31 4.36 1.68 קלסר חלש, קבוצת OH 16 97-23-4 2, 2 ′-דיהידרוטסטוסטרון-– 5, 5 ′-דיכלורודיפאנאיל-מתאן Oc1ccc (קלרנית) cc1Cc1cc (קלרנית) ccc1O 4.26 0.48 0.10 קלסר חזק מאוד, קבוצת OH 17 97-53-0 eugenol COc1cc (CC = C) ccc1O 2.27 14.70 5.60 קלסר חלש, קבוצת OH 18 99-76-3 4-חומצה הידרוקסימית, מתיל-אסתר COC (= O) c1ccc (O) cc1 1.96 38.20 14.01 קלסר חלש, קבוצת OH 19 103-90-2 N-(4-הידרוקסיפניאיל) אצטאמיד CC (= O) Nc1ccc (O) cc1 0.46 338.97 43.39 קלסר חלש, קבוצת OH 20 106-44-5 p-cresol Cc1ccc (O) cc1 1.94 20.47 7.14 קלסר חלש, קבוצת OH 21 108-39-4 m-cresol Cc1cccc (O) c1 1.96 23.45 9.17 קלסר חלש, קבוצת OH 22 108-45-2 1, 3-פניללינמין Nc1cccc (N) c1 -0.33 34.60 0.00 קלסר חלש, קבוצת NH2 23 108-46-3 1, 3-דהידרוקסילי בנזן Oc1cccc (O) c1 0.8 123.03 27.06 קלסר חלש, קבוצת OH 24 108-91-8 ציקלוהקאמילין NC1CCCCC1 1.49 28.08 1.40 קלסר חלש, קבוצת NH2 25 119-36-8 חומצה סליצילית, מתיל אסתר COC (= O) c1ccccc1O 2.55 16.16 5.68 קלסר חלש, קבוצת OH 26 120-47-8 4-חומצה הידרוקסימית, אתיל-אסתר CCOC (= O) c1ccc (O) cc1 2.47 19.93 7.40 קלסר חלש, קבוצת OH 27 120-80-9 1, 2-דהידרוקסילי בנזן Oc1ccccc1O 0.88 11.14 0.01 קלסר חלש, קבוצת OH 28 123-31-9 1, 4-דיהידרוטסטוסטרון בנזין [1, 4-benzenediol] Oc1ccc (O) cc1 0.59 90.75 33.19 קלסר חלש, קבוצת OH 29 131-53-3 2, 2 ′-דיהידרוטסטוסטרון-4-מתיונין COc1ccc (C (= O) c2ccccc2O) C (O) c1 3.82 3.97 1.46 קלסר חזק מאוד, קבוצת OH 30 131-56-6 2, 4-דהידרוקסיבנבניום Oc1ccc (c (O) c1) C (= O) c1ccccc1 2.96 12.04 4.73 קלסר חזק, קבוצת OH 31 131-57-7 2-הידרוxy-4-מתיונין COc1ccc (C (= O) c2ccccc2) C (O) c1 3.79 5.96 2.27 קלסר חזק, קבוצת OH 32 599-64-4 4-קולפנול CC (C) (c1ccccc1) c1ccc (O) cc1 4.12 2.15 0.84 קלסר חזק, קבוצת OH 33 2855-13-2 1-אמינית-3-מאמיאתיל-3, 5, 5-טרימתיל-ציקלוהקסאן CC1 (ג) CC (N) CC (C) (CN) C1 1.9 30.65 1.53 קלסר מתון, קבוצת NH2 34 6864-37-5 3, 3 ′-דימתיל-4, 4 ′-דיאמנודישיקלולקסתאן CC1CC (CCC1N) CC1CCC (N) C (ג) C1 4.1 1.07 0.05 קלסר חזק, קבוצת NH2 35 25013-16-5 tert-בוטיל-4-הידרויאנאולה COc1ccc (O) c (c1) C (C) (C) C 3.5 4.85 1.85 קלסר מתון, הו grooup 36 147315-50-2 2-(4, 6-diphenyl-1, 3, 5-triazin-2-yl)-5-(hexyloxy) פנול CCCCCCOc1ccc (c (O) c1)-c1nc (nc (n1)-c1ccccc1)-c1ccccc1 6.24 0.17 0.06 קלסר חזק, קבוצת OH 37 88-68-6 2-אמיאובאנאמיד NC (= O) c1ccccc1N 0.35 694.00 84.30 קלסר חלש, קבוצת NH2 38 611-99-4 4, 4 ′-דהידרוקסיבנאניום Oc1ccc (cc1) C (= O) c1ccc (O) cc1 2.19 37.74 14.67 קלסר חזק מאוד, קבוצת OH 39 27955-94-8 1, 1, 1-טריס (4-הידרוקסיפנול) אתאן CC (c1ccc (O) cc1) (c1ccc (O) cc1) c1ccc (O) cc1 4.38 2.09 0.82 קלסר חזק מאוד, קבוצת OH 40 87-18-3 חומצה סליצילית, 4-tert-בוטילאיל אסתר CC (C) (C) c1ccc (OC (= O) c2ccccc2O) cc1 5.73 0.24 0.09 קלסר חזק, קבוצת OH 41 47465-97-4 3, 3-bis (3-מתיל-4-הידרוקסילי) 2-indolinone Cc1cc (ccc1O) C1 (C (= O) Nc2ccccc12) c1ccc (O) c (C) c1 4.48 2.07 0.77 קלסר חזק מאוד, קבוצת OH 42 99-96-7 p-חומצה הידרוקסימית OC (= O) c1ccc (O) cc1 1.58 8.54 0.00 קלסר חלש, קבוצת OH 43 80-07-9 1-כלורקו 4-(4-כלוררופאנאיל) סולולבנץ Clc1ccc (cc1) S (= O) (= O) c1ccc (קלרנית) cc1 3.9 3.92 0.85 לא מאגד, ללא הקבוצה OH או NH2 44 84-65-1 9, 10-אנראקווינה O = C1c2ccccc2C (= O) c2ccccc12 3.39 7.00 3.54 לא מאגד, ללא הקבוצה OH או NH2 45 85-44-9 2-בנזיל-1, 3-dione O = C1OC (= O) c2ccccc12 1.6 2.69 0.00 לא מאגד, ללא הקבוצה OH או NH2 46 92-84-2 10H-פנוטאזין N1c2ccccc2Sc2ccccc12 4.15 1.07 0.08 לא מאגד, ללא הקבוצה OH או NH2 47 2855-13-2 1-אמינית-3-מאמיאתיל-3, 5, 5-טרימתיל-ציקלוהקסאן CC1 (ג) CC (N) CC (C) (CN) C1 1.9 30.65 1.53 קלסר מתון, קבוצת NH2 48 50-27-1 אסטריול CC12CCC3C (CCc4cc (O) ccc34) C1CC (O) C2O 2.45 21.21 8.29 קלסר חזק מאוד, קבוצת OH 49 50-50-0 בטא אסטרדיל-3-בנזואט CC12CCC3C (CCc4cc (OC (= O) c5ccccc5) ccc34) C1CCC2O 5.47 0.36 0.02 קלסר חזק, קבוצת OH 50 53-16-7 סטרונה CC12CCC3C (CCc4cc (O) ccc34) C1CCC2 = O 3.13 7.78 3.06 קלסר חזק, קבוצת OH 51 92-52-4 ביפניאיל c1ccc(cc1)-c1ccccc1 4.01 4.10 0.47 לא מאגד, ללא הקבוצה OH או NH2 52 92-69-3 פי-פניפנול Oc1ccc(cc1)-c1ccccc1 3.2 5.99 1.82 קלסר מתון, הו grooup 53 96-29-7 2-בוטאחד מתחנין CCC (ג) = ללא 0.63 32.67 2.49 לא מאגד, מבנה לא מחזורי 54 121-75-5 מלאתון CCOC (= O) CC (SP (= S) (OC) OC) C (= O) OCC 2.36 37.73 3.33 לא מאגד, מבנה לא מחזורי 55 123-07-9 4-אטילפנול CCc1ccc (O) cc1 2.58 13.63 4.65 קלסר חלש, קבוצת OH 56 645-56-7 4-n-פרולפנול CCCc1ccc (O) cc1 3.2 7.32 2.55 קלסר חלש, קבוצת OH 57 1638-22-8 פי-בוטיל פנול CCCCc1ccc (O) cc1 3.65 4.09 1.39 קלסר חלש, קבוצת OH 58 1912-24-9 אטראטין CCNc1nc (קלרנית) nc (NC (C) C) n1 2.61 30.87 4.63 לא מאגד, ללא הקבוצה OH או NH2 59 40596-69-8 מתיונין COC (C) (C) CCCC (C) CC = CC (C) = CC (= O) OC (ג) C 5.5 0.08 0.00 לא מאגד, מבנה לא מחזורי 60 1987-50-4 4-Heptylphenol CCCCCCCc1ccc (O) cc1 5.01 0.66 0.22 קלסר מתון, הו grooup 61 92-86-4 p, p’-Diרומטוזיס פניקסיל Brc1ccc (cc1)-c1ccc (Br) cc1 5.72 0.11 0.02 לא מאגד, ללא הקבוצה OH או NH2 62 480-41-1 נרינגנין Oc1ccc (cc1) C1CC (= O) c2c (O) cc (O) cc2O1 2.52 27.84 10.87 קלסר חזק מאוד, קבוצת OH 63 486-66-8 דיידזאין Oc1ccc (cc1) C1 = COc2cc (O) ccc2C1 = O 2.55 36.47 11.71 קלסר חזק מאוד, קבוצת OH 64 491-70-3 לוטולין Oc1cc (O) c2C (= O) C = C (Oc2c1) c1ccc (O) c (O) c1 2.53 43.75 14.28 קלסר חזק מאוד, קבוצת OH 65 491-80-5 ביוחנאין א COc1ccc (cc1) C1 = COc2cc (O) cc (O) c2C1 = O 3.41 15.87 3.70 קלסר חזק, קבוצת OH 66 520-18-3 Kaempferol Oc1ccc (cc1) C1Oc2cc (O) cc (O) c2C (= O) C = 1O 1.96 70.98 8.05 קלסר חזק מאוד, קבוצת OH 67 2051-60-7 2-כלורוקסיל ביפניל (PCB 1) Clc1ccccc1-c1ccccc1 4.53 0.77 0.16 לא מאגד, ללא הקבוצה OH או NH2 68 2051-61-8 ביפניל 3-כלורומטר (PCB 2) Clc1cccc (c1)-c1ccccc1 4.58 0.77 0.16 לא מאגד, ללא הקבוצה OH או NH2 69 2051-62-9 4-כלוראו -1, 1-ביפניאיל Clc1ccc(cc1)-c1ccccc1 4.61 0.77 0.16 לא מאגד, ללא הקבוצה OH או NH2 70 2446-69-7 פ-נ-הקספנול (4-הקספנול) CCCCCCc1ccc (O) cc1 4.52 1.22 0.42 קלסר מתון, הו grooup 71 14938-35-3 4-n-אמלפנול CCCCCc1ccc (O) cc1 4.06 2.44 0.89 קלסר חלש, קבוצת OH 72 17924-92-4 זאלאלנבי CC1CCCC (= O) CCCC = Cc2cc (O) cc (O) c2C (= O) O1 3.58 7.22 2.66 קלסר חזק, קבוצת OH 73 1743-60-8 בטא-אסטרדיט 3-בנזואט 17-בוטיט CC (= O) OC1CCC2C3CCc4cc (O) ccc4C3CCC12C 4.95 0.91 0.35 קלסר חזק, קבוצת OH 74 479-13-0 קומססטרול Oc1ccc2c (OC (= O) c3c-2oc2cc (O) ccc32) c1 1.57 52.16 11.44 קלסר חזק מאוד, קבוצת OH טבלה 1: רשימה של כימיקלים העריכו משבשים המערכת האנדוקרינית. הממוצע ממוצע (AVE) והתחתון 95% מרווח ביטחון (CI) ריכוזים יעילים (95-h LC50, pimephales promelas) כמו גם כריכת קולטן אסטרוגן החזוי עם גרסת ארגז הכלים Qsar 4.3 זרימת עבודה אוטומטית. Log10Kow אוחזר באמצעות כתיבת הכלים qsar גרסה 4.3 מ kowwin v 1.68, 2000, ארה ב. הסוכנות להגנת הסביבה. יומן ניסיוני10K-ow ערכים העדיפו מעל ערכים חזויים. רשימת חומר היעד הועברה מרשימות שדווחו בעבר של עורכות22,23,24. מידע משלים. אנא לחץ כאן כדי להוריד קובץ זה.

Discussion

צדדיות של ארגז הכלים של ה-OECD QSAR כתוכנה אנליטית עבור האקוטוקסיקולוגיה מוצג כאן עם עניין ספציפי בהשפעות השליליות של כימיקלים משבשי האנדוקרינית על בעלי חוליות ימיות. בנוסף, פרוטוקול פשוט וסטנדרטי הוכח לניבוי רעילות חריפה (96-h LC₅₀) של 74 מייצגים (שולחן 1) עבור מינים דגים. הדבר הושג על-ידי החלת בניית קטגוריה, מילוי פערי נתונים ומודולי פרופיל ER המוטבעים בארגז הכלים של qsar (איור 1, איור 2).

הקורלציה הליניארית בין יומן₁₀LC₅₀ ו-log₁₀K_OW עם מדרון שלילי (כפי שמוצג בדמות המשלים S1) כבר זמן רב מוכר בתור מערכת יחסים כמותית סטנדרטית בניתוח qsar²⁵, שבו רעילות גבוהה יותר מראה את ההידרופובי יותר כימיקל נתון. כפי שניתן לראות מחישוב פשוט, הקשר המתמטי הכללי הכולל את המשוואה S1 ו- S2 המשוואה (מידע משלים) הוא ביטוי מומר מפונקציית הכוח הבאה²⁶:

מתוך העלילה (משוואה 2), אפיון טווח ביניים של K_OW²⁶ עשוי להיות אפשרי על ידי התאמת הפרמטרים a ו-b, שבו וריאציה מסוימת ב hydrophobicity (או hydrophilicity) לא לשנות באופן משמעותי את נקודת קצה של רעילות חריפה.

ניתוחים השוואתיים בין התחזיות החישוביות והתצפיות הנסיוניות ב-LC₅₀, כפי שמוצג באיור 3 ובאיור 4, דווחו בדרך כלל במחקרים של qsar עבור הרעילות הימית השונים, כולל טכני nonionic מסוררים²⁷, triazole קוטלי פטריות²⁸, ו מטבוליטים של חומרי הדברה²¹. סוג זה של אימות רטרוספקטיבי מספק מידע לגבי המרחק של כלי QSAR שניתן להגיע אליו במונחים של ביצועים השוואתיים לתוצאות נסיוניות. במחקר זה של רעילות חריפה דגים, את ארגז הכלים QSAR הוכח לספק תחזיות הגנה עבור מעל 90% של עורכים מנוסה בכל הדגים במין אחד, Pimephales promelas.

עוד זיהוי שלושה כימיקלים חריג חשוד טעות באיור 3 ואיור 4, אשר הראה גבוה יותר החזוי LC₅₀ בממוצע ובמינימום, בהתאמה, נדרש. ראשית, the 3 “, 5, 7-trihydroxy-4”, 6-dimethoxyisoflavone הוא סוג של פלונואיד (יותר ספציפי, isoflavone), אשר נחשב להיות בטוח בדרך כלל בשימוש בתרופות צמחיות; עם זאת, יש עדיין הקשורות אסטרוגן חששות²⁹ ועלול לגרום לרעילות חריפה כנראה באמצעות זירחון חמצוני לא מצמד³⁰. בשלב הבא, ה-1, 4-benzenediol, הנקרא הידרוקווינה, הוא תרכובת פנופילית שיכולה להפעיל תגובה חיסונית לא ספציפית ו ציטוטוקסיב דגים³¹. בסופו של דבר, 4-הקספנול ידוע להציג פעילות אסטרוגניים חיובית מספיק כדי להיות מסווג כ-ED³². זה כבר למד היטב כי הסיבה העיקרית של רעילות חריפה של הידרוקינון היא הפחתת חמצון (מחדש) רכיבה על אופניים. ההידרוקווינה הוא תחמוצת בנזואנקי1 ומופחת בחזרה לחצי quinone או הידרוקווינה שוב ושוב, עם קופרינים מכלה ויצירת מיני חמצן תגובתי³³. שני הכימיקלים האחרים עשויים לדרוש חקירות עמוקות יותר כדי לחשוף את מנגנוני הפעולה שלהם ברעילות חריפה באמצעות גישות עגינה מולקולריות, כגון השימוש ב-Panche et al.³⁴, אשר לא ניתן לכסות על ידי ארגז הכלים qsar.

עורכים להפריע למערכת האנדוקרינית בעיקר באמצעות אינטראקציות פיסיוכימיקלים עם קולטני סטרואידים כגון אסטרוגן קולטנים אנדרוגן, אשר הם של עניין רב ב QSAR מידול לימודי³⁵. בהתחשב בכך, ארגז הכלים QSAR הוא חסון במונחים של הסיווג המהיר של מאגד ER מחייב עבור סט של כימיקלים מבוסס רק על מתארי 2D של מבנים מולקולריים. כאשר מערכת פרופיילר ER זו הוחלה על רשימת העורכים שלנו, לא נמצאה קורלציה ברורה בין הזיקה לאיגוד המיון לבין הידרופוטביניטי (השלמה שלהאיור S2). תוצאה זו עשוי להיות מוסבר על ידי העובדה כי היווצרות של מתחם קולטן סטרואידים היא לא תוצאה ישירה של תרומה הידרופובי מליטה אבל צריך להיות מלווה על ידי שינוי קונפורמאני במבנה הפעיל באתר קולטן³⁶. כריכת הקולטן יכול להיות גם בשל מימן מליטה ו-π-הערמה.

בנוסף, המיקום של כל קבוצה כימית על המולקולה עשויה להשפיע על כריכת הקולטן, גם אם ההידרופוטביטי ומספר המועמדים לקשר מימן-תורמים נשארים אותו דבר. שנית, היוצר של ER בייצור מגמות מנוגדות בין החזוי וניסיוני LC₅₀ רמות ממוצע עם הגדלת זיקה מחייבת ER (איור 5). זה יכול להיות בגלל החריפות של ההורים במבחן רעילות חריפה אינם בשל מאגד ER אלא לנרקוזיס ברוב המקרים, או כדי לחדש את הרכיבה על אופניים במקרה של הhydroquinone. לדוגמה, ניתוח מקיף יותר, כולל רעילות כרונית, נדרש לקבוצה גדולה יותר של עורכים להגדיר מגבלות ניבוי של הגירסה הנוכחית של ארגז הכלים QSAR.

מחקר מקדמי זה עשוי להיות גם השלכות בריאות הציבור כי סטרואידים (אנדרוגנים, אסטרוגנים, פרוסטרינס, ו corticoids) וקולטנים שלהם להציג מבנים דומים או אפילו זהה macromolecular על פני החוליות⁵. סוגים אלה של מערכות איתות אנדוקריניות מקבילה עשויות לפעול באמצעות מנגנון משותף באירועי מפתח של עורכים⁵. עם זאת, מתודולוגיות נוספות ומשלימות נדרשות להאיר את ההיבט העצום והמורכב הזה [לדוגמה, על-ידי ביצוע מידול חישובית של קליטה, הפצה, חילוף חומרים והוצאת מטבוליזם (ADME) ו/או תוצאה שלילית מסלול (AOP)]³⁸. יתרה מזאת, מכיוון שרוב החששות המדעיים והציבוריים שהועלו על ההשפעות השליליות של העורכים קשורות לרעלים הכרוניים שלהם, משפרים את מאגרי הנתונים והאלגוריתמים בארגז הכלים של QSAR ומייצרים לאורך זמן אמין האקוטוקסיקולוגיה. תחזיות לעורכים יש צורך.

נייר זה מדגים את היישום של כתיבת הכלים qsar כדי להשוות את ערכי LC₅₀ של מעבר אקולוגי עבור דגים עם יומן₁₀_{K הערכים} של עורכים. במהלך הפרוטוקול, היא גורמת ליחסים חלשים בין שני הפרמטרים, כפי ש נחשף על ידי מחקרים קודמים (למשל, קים et al.³⁹) כי הרישום₁₀K_ow אינו מנבא ישיר מעולה של LC מימיים₅₀. למרות מגבלה זו, פרוטוקול זה מספק סקירה כללית או “כהות” כדי לתאר כיצד להשתמש לוח המחוונים למטרה נתונה, שכן הוא יישום חוקי להשתמש בארגז הכלים QSAR לחקירת מערכת יחסים בין LC₅₀ (או ER הכריכה אהדה)_ו–₁₀K או ככלי עבור הקרנת רעילות האקולוגי המהירה. עם זאת, יש לציין כי (1) להאיר את הקשר בין כריכת קולטן אסטרוגן ורעילות כרונית, במקום רעילות חריפה (השפעה), רלוונטי יותר כך היחסים ברורים ניתן למצוא, ו (2) קולטן האנדרוגן, יחד עם זה של אסטרוגן, גם ממלא תפקיד קריטי ברעילות הרבייה. לכן, הוא נדרש עבור הגירסה העתידית של ארגז הכלים QSAR כדי לשפר את פונקציות חיזוי לאור שתי נקודות אלה.

Disclosures

The authors have nothing to disclose.

Acknowledgements

מחקר זה נתמך על ידי המועצה הלאומית למדעים של המדע & טכנולוגיה (NDT) מענק על ידי ממשלת דרום קוריאה (MSIP) (לא. CAP-17-01-כדור אירופה) ו-Project 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

Najarian, K., Najarian, S., Gharibzadeh, S., Eichelberger, C. N. . Systems Biology and Bioinformatics: A Computational Approach. , (2009).
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).
Roy, K., Kar, S., Das, R. N. . Understanding the Basics of QSAR for Applications in Pharmaceutical Sciences and Risk Assessment. , (2015).
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).
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).
Schug, T. T., et al. Minireview: endocrine disruptors: past lessons and future directions. Molecular Endocrinology. 30, 833-847 (2016).
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).
Dimitrov, S. D., et al. QSAR Toolbox – workflow and major functionalities. SAR QSAR Environmental Research. 27, 203-219 (2016).
Yordanova, D., et al. Automated and standardized workflows in the OECD QSAR Toolbox. Computational Toxicology. 10, 89-104 (2019).
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).
Devillers, J., Mombelli, E., Samsera, R. Structural alerts for estimating the carcinogenicity of pesticides and biocides. SAR QSAR Environmental Research. 22, 89-106 (2011).
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).
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).
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).
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).
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).
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).
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).
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).
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).
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).
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).
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).
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).
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).
Sánchez-Bayo, F. From simple toxicological models to prediction of toxic effects in time). Ecotoxicology. 18, 343-354 (2009).
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).
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).
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).
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).
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).
Nishihara, T., et al. Estrogenic activities of 517 chemicals by yeast two-hybrid assay. Journal of Health Science. 46, 282-298 (2000).
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).
Panche, A. N., Diwan, A. D., Chandra, S. R. Flavonoids: an overview. Journal of Nutritional Science. 5, e47 (2016).
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).
Bohl, M. . Molecular Structure and Biological Activity of Steroids. , (2017).
Kaminuma, T., Takai-Igarashi, T., Nakano, T., Nakata, K. Modeling of signaling pathways for endocrine disruptors. BioSystems. 55, 23-31 (2000).
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).
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

PDF

DOI

DOWNLOAD MATERIALS LIST

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).

Automatically Generated