需要JoVE订阅才能观看此内容。 请登录或开始免费试用

方法文章

跨物种序列比对预测易感性工具在蛋白质保守性快速评估中的应用演示

4.8K 次观看

⸱

DOI：

10.3791/63970

⸱

2023年2月10日

 ,  ,  ,  ,  ,  ,  ,  , 
1Office of Research and Development, Center for Computational Toxicology and Exposure, Scientific Computing and Data Curation Division, U.S. Environmental Protection Agency, 2Oak Ridge Institute for Science and Education, 3Swenson College of Science and Engineering, Department of Biology, University of Minnesota Duluth, 4University of Wisconsin-Madison Aquatic Sciences Center, 5General Dynamics Information Technology, Research Triangle Park, 6Office of Research and Development, Center for Computational Toxicology and Exposure, Great Lakes Toxicology and Ecology Division, U.S. Environmental Protection Agency

本文内容

摘要

本文介绍了一种利用美国环境保护署最新版本的跨物种敏感性序列比对预测工具（SeqAPASS）的操作方案。该方案演示了如何应用此在线工具快速分析蛋白质保守性，并对不同物种的化学物质敏感性进行可定制且易于解读的预测。

摘要

美国环境保护署跨物种敏感性预测序列比对（SeqAPASS）工具是一种快速、免费、在线的筛选应用程序，可帮助研究人员和监管人员将毒性信息外推至不同物种。对于人类细胞、小鼠、大鼠和斑马鱼等模型系统中的生物靶标，已有多种化学物质的毒性数据。通过评估蛋白质靶标的保守性，该工具可将这些模型系统产生的数据外推至数千种缺乏毒性数据的其他物种，从而预测相对内在化学敏感性。该工具的最新版本（2.0–6.1 版）新增了多项功能，可快速合成、解读和使用相关数据，并生成适合发表和展示的高质量图表。

这些功能包括可自定义的数据可视化以及一份全面的摘要报告，旨在总结 SeqAPASS 数据，便于用户解读。本文描述了指导用户提交任务、浏览各级蛋白质序列比对，以及解释和展示结果数据的操作流程。文中重点介绍了 SeqAPASS v2.0-6.0 版本的新功能。此外，还描述了两个应用案例，分别聚焦于利用该工具分析转甲状腺素蛋白和阿片受体蛋白的保守性。最后，讨论了 SeqAPASS 的优势与局限性，以明确该工具的适用范围，并展示其在跨物种外推中的不同应用。

引言

传统上，毒理学领域在很大程度上依赖整体动物实验来获取化学品安全性评估所需的数据。这类方法通常成本高昂且耗费大量资源。然而，由于目前使用的化学品数量庞大，且新化学品的开发速度迅速，全球范围内已普遍认识到需要更高效的化学品筛选方法1,2。这一需求以及随之而来的从动物实验转向新范式的变革，推动了多种新方法的发展，包括高通量筛选检测、高通量转录组学、下一代测序技术以及计算建模，这些方法均为颇具前景的替代性测试策略3,4.

评估化学物质暴露可能影响的各类物种的化学安全性一直是一项长期挑战，这不仅存在于传统的毒性测试中，也存在于新兴的替代方法中。比较毒理学和预测毒理学的进步为理解不同物种间的相对敏感性提供了框架，而计算方法的技术进步则持续提升了这些方法的适用性。过去十年中，已有多种策略被提出，这些策略利用现有的基因和蛋白质序列数据库，结合对特定化学物质分子靶点的认识，支持跨物种外推的预测方法，从而将化学安全性评估范围扩展到典型模式生物之外5,6,7,8。

为了推动科学研究成果的实际应用，建立在预测毒理学的基础研究之上，优先开展化学品测试工作，并支持决策制定，美国环境保护署开发了“基于序列比对预测跨物种敏感性”（SeqAPASS）工具。该工具是一个公开且免费的基于网络的应用程序，利用公共数据库中持续扩展的蛋白质序列信息，预测不同物种对化学品的敏感性9。该工具基于以下原理：通过评估某种化学品已知蛋白质靶点的保守性，可判断该物种对该化学品的相对内在敏感性。因此，SeqAPASS能够快速将已知敏感物种的蛋白质氨基酸序列，与所有具备现有蛋白质序列数据的物种进行比对。这一评估过程包含三个分析层级：（1）初级氨基酸序列比对，（2）功能结构域比对，以及（3）关键氨基酸残基比对。每个层级对化学物-蛋白质相互作用的知识要求逐步深入，同时在敏感性预测中提供更高的分类学分辨率。SeqAPASS的一个重要优势在于，用户可根据所关注的化学物-蛋白质或蛋白质-蛋白质相互作用的相关信息丰富程度，自定义并进一步优化评估过程，通过增加额外的证据来完善靶点保守性的判断。

首个版本于2016年发布，允许用户以简化的方式评估蛋白质的初级氨基酸序列和功能结构域，以预测化学物质敏感性，并具备基本的数据可视化功能（表1）。已有研究表明，单个氨基酸的差异是影响化学物质-蛋白质相互作用跨物种差异的重要决定因素，进而可能影响物种对化学物质的敏感性10,11,12。因此，后续版本的开发着重考虑了对化学物质直接相互作用具有关键作用的氨基酸残基13。根据利益相关方和用户的反馈，该工具每年发布新版本，新增功能旨在满足科研人员和监管机构在应对跨物种外推挑战方面的需求（表1）。2020年发布的SeqAPASS 5.0版本引入了以用户为中心的功能，包括数据可视化和数据整合选项、外部链接、摘要表格与报告生成功能，以及图形化展示功能。总体而言，该版本的新特性和功能提升了数据整合能力、与外部数据库的互操作性，以及跨物种敏感性预测结果的数据解读便捷性。

访问受限。请登录或开始试用以查看此内容。

方案

1. 开始实验

注意：此处介绍的方案侧重于工具的实用性和关键特性。有关方法、特性和组件的详细描述，请参见网站上的综合用户指南（表1）。

表1：SeqAPASS 工具的发展历程。 从该工具首次部署以来所添加的功能和更新列表。缩写：SeqAPASS = 跨物种敏感性预测序列比对工具；ECOTOX = 生态毒理学知识库。请点击此处下载此表格。

  1. 前往 https://seqapass.epa.gov/seqapass，使用 Chrome 浏览器。选择“登录以使用现有账户”或按照说明创建 SeqAPASS 账户，以便用户运行、存储、访问和自定义已完成的任务。
  2. 在开展分析之前，首先通过查阅现有文献或已有数据来确定目标蛋白及相应的靶向或敏感物种（图1）。由于 SeqAPASS 包含指向外部资源的链接，可用于帮助识别查询蛋白，请单击 下拉 按钮下方 确定蛋白质靶标 以获取相关资源。

figure-protocol-1
图1SeqAPASS 问题构建：成功分析所需的初步信息示意图 缩写：SeqAPASS = 跨物种敏感性预测序列比对；LBD = 配体结合域 请点击此处以查看此图的放大版本。

figure-protocol-2
图2：SeqAPASS 在不同数据库间的互操作性。 SeqAPASS 中整合的外部工具、数据库和资源的示意图。缩写：SeqAPASS = 跨物种易感性预测序列比对；AOP = 不良结局通路；NCBI = 美国国家生物技术信息中心；ECOTOX = 生态毒理学知识库。 请点击此处查看此图的放大版本。

表2：整合到SeqAPASS工具中的链接、资源和工具。 SeqAPASS 工具所利用的各种数据来源、链接和资源列表。缩写：SeqAPASS = 序列比对预测跨物种敏感性 请点击此处下载此表格。

2. 开发和运行 SeqAPASS 查询：第一级

注：在一级分析中，需将待查询蛋白质的完整一级氨基酸序列与所有已获得序列信息的物种的一级氨基酸序列进行比较。该工具利用算法挖掘、收集并整合公开数据，以快速实现跨物种氨基酸序列的比对与分析。其后端存储来自美国国家生物技术信息中心（NCBI）数据库的信息，并策略性地采用蛋白质基本局部比对搜索工具（BLASTp）的独立版本。54 基于约束的多序列比对工具（COBALT）55.

  1. 在比较初级氨基酸序列下，点击按物种或按登录号。使用按物种选项，可通过键入或从物种列表中选择来确定目标蛋白。
  2. 通过在按登录号文本框中输入登录号，直接提交蛋白登录号（例如，NCBI 蛋白 ID）。
  3. 点击请求运行以提交查询。提交后，请等待浏览器窗口右上角出现通知，提示提交成功。
  4. 在页面顶部选择SeqAPASS 运行状态标签，以显示该用户账户下所有已执行的 SeqAPASS 运行记录，并查看完成百分比。
    1. 在选中适当的单选按钮后，点击刷新数据，以检查第二级和第三级运行的状态。
  5. 在页面顶部选择查看 SeqAPASS 报告标签，以访问该账户下所有已完成报告的列表。
  6. 在查看 SeqAPASS 报告标签中，选择感兴趣的目标蛋白查询项。点击请求所选报告，以打开第一级目标蛋白信息页面，并查看结果、数据自定义选项、可视化图表及摘要报告。
  7. 默认情况下，选择查看报告可在网页浏览器中查看数据。或者，选择保存报告以将原始数据下载为 .zip 文件。
    ​注意：第一级分析所需时间会因当前全球用户需求、队列中提交的任务数量以及所提交任务对应的蛋白信息量而有所不同（版本 5.1 平均耗时 23 分钟）。若目标蛋白此前已完成分析，提交后数秒内即可获取数据。

3. 开发和运行 SeqAPASS 查询：第二级

注意：由于整个蛋白质序列并非都直接参与化学相互作用，2级分析仅比较功能结构域的氨基酸序列，以在较低的分类等级（如纲、目、科）上进行敏感性预测。

  1. 在一级查询蛋白质信息页面，点击二级标题旁的加号+，以展开二级查询菜单。
  2. 确定目标蛋白质（查询蛋白）中的适当结构域。
    1. 若尚未确定结构域，可点击NCBI保守结构域数据库（CDD）的集成链接（表1），该链接有助于选择合适的结构域。
      注意：通常在二级查询中仅选择特定的显著匹配结构域作为查询对象。
  3. 点击选择结构域框，系统将自动列出该查询蛋白的功能结构域。
  4. 从下拉列表中选择结构域登录号，然后点击请求结构域运行按钮以启动二级查询。提交后，请等待提示成功提交的通知出现。
  5. 点击刷新二级和三级运行结果，以加载二级数据，该数据通常在提交后数秒内即可获取。
  6. 在查看二级数据部分，从下拉列表中选择已完成的结构域登录号，然后点击查看二级数据按钮，在新页面中打开结果。

4. 访问和理解数据：SeqAPASS 1 级和 2 级

  1. 滚动至底部 查询蛋白质信息 查看结果报告的页面 - a 初步报告 默认提供一级和二级分析。选择 完整报告 单选按钮以查看更详细的报告，该报告提供所有序列匹配结果及比对指标。点击相应的 登录号/ID/名称 在两份报告中均可访问 NCBI 数据库中的透明蛋白质比对及分类学信息。
  2. 向结果表格的右侧滚动以查看内容 ECOTOX 柱。点击 链接 到生态毒理学知识库（ECOTOX），以快速收集具有易感性预测物种的相应毒性数据。
    注意：ECOTOX 是一个全面且公开的知识库，提供针对水生和陆生植物及野生动物的单一化学品毒性数据。SeqAPASS v6.0 包含一个 ECOTOX 小工具，可通过感兴趣的化学品和物种更快速地连接到相关的 ECOTOX 数据。
  3. 点击 下载表格 将表格另存为电子表格文件。单击 查看摘要报告 单击按钮以查看和下载按分类群排序的数据摘要报告表。
    ​注意：初级报告和完整报告均提供数据汇总表，用于概述针对特定靶标的预测结果。

5. 数据设置的操作：SeqAPASS 一级和二级

注意：在一级和二级分析中，均假设蛋白质相似性越高，化学物质与该蛋白质的相互作用方式就越可能类似于查询物种/蛋白质，从而使这些蛋白质对其分子靶点相同的化学物质的潜在影响更为敏感。由于这两类数据具有相似性，理解一级和二级数据的步骤将在同一实验方案中一并说明。

  1. 请参阅顶部的子菜单 查询蛋白质信息 访问并调整报告设置，对大多数分析使用所有报告选项的默认设置。如果存在科学依据需要更改默认设置，请执行以下可选步骤：
    1. （可选）单击加号 + 旁边 敏感性截断值 在新标签页中查看和调整敏感性截断值设置。可通过下拉列表选择新的截断值，或输入自定义的截断值。
    2. （可选）更改数字 E值 （预期随机发生的不同比对数量）字段，若希望使用非默认值。
      注意：E值大于方框中数值的任何蛋白将从主报告中剔除。
    3. （可选）使用 按分类群排序 选择要在其中显示分类层级级别的选项 过滤的分类群 结果表格中的列
      注意：更改分类学层级也将改变基于每个过滤组中高于截断值物种的易感性预测结果。
    4. （可选）更改 常见结构域 （若希望设置非默认值，则需填写结果中蛋白质与查询蛋白必须共有的常见结构域数量）字段。
      注意：由于默认设置为1，任何与查询蛋白不共享至少一个共有结构域的序列都将被排除。
    5. （可选）选择 无 下 物种间数据外推 以恢复易感性预测结果 Y 仅当 相似百分比 大于或等于阈值，或该命中被鉴定为直系同源候选。
      注意：此设置默认为“是”，意味着将对所有直系同源候选基因、位于易感性阈值以上的所有物种，以及与阈值以上物种同属一个分类群且至少有一个物种位于阈值以上的所有低于阈值的物种，报告易感性预测结果为 Y。
  2. 点击 下载当前报告设置 单击按钮以下载包含当前应用设置的文件。
    ​注意：所选择的特定评估级别（1、2 或 3）将决定报告中显示的设置。

6. 数据可视化：SeqAPASS 1 级和 2 级

  1. 点击 Visualization 旁边的加号 +，然后点击 Visualize Data 按钮，打开一个新标签页，显示用户自定义的信息，并提供选择结果交互式图表的选项。
  2. 点击 Boxplot 打开交互式箱形图及其控制选项，使箱形图可视化能够实时更新以反映数据表的变化，并生成适用于出版和展示的高质量图形。
    注意：默认的箱形图在 x 轴上显示物种分组，在 y 轴上显示相似性百分比。箱形图展示敏感性截断值（虚线）、相对于查询物种的各物种相似性百分比，以及每个分类群的均值和中位数，同时显示第25和第75百分位数及四分位距。根据分析目的和用户需求，可通过以下可选步骤修改箱形图的多种特征。
    1. （可选）如需自定义显示的分类群，请参阅 Controls 区域下的 Taxonomic Groups 框。可通过将鼠标悬停在 名称 上并点击 x，或使用 Taxonomic Groups 下拉菜单来移除分组。
    2. （可选）如需添加图例以突出显示感兴趣的物种或特定预定义分组（例如濒危或受威胁物种），可将鼠标悬停在 x 轴上的 分类群名称 上，以激活弹出框，列出按相似性百分比从高到低排序的前三个物种。将鼠标悬停在图例中的 物种 上，可生成包含相应物种信息的弹出框。点击某一特定分类群的 箱体 ，可生成可下载的汇总表格，列出该分类群中的物种及其预测结果。
  3. 点击 Download Boxplot 选择文件类型，自定义图像的宽度/高度分辨率，并保存可视化结果。

7. 开发和运行 SeqAPASS 分析：3 级

注意：3级分析评估查询蛋白中用户确定的氨基酸残基，并快速比较这些残基在不同物种间的保守性。在这些残基保守的物种中，其与化学物质发生类似模板物种/蛋白相互作用的可能性更高。由于3级分析聚焦于单个氨基酸，因此仅当已知对化学物-蛋白或蛋白-蛋白相互作用关键的氨基酸残基时，方可进行此类分析。

  1. 在Level 1 查询蛋白质信息页面上，点击Level 3标题旁的加号+，以展开 Level 3 查询菜单。
  2. 点击Reference Explorer旁的加号+，打开参考文献探索工具，该工具将生成预定义的布尔检索式，用于查询可用文献，帮助用户识别支持 Level 3 评估中关键氨基酸鉴定的合适文献（表 2 和 图 2）。
    1. （可选）当查询蛋白质自动填充后，使用添加蛋白质名称功能添加其他蛋白质。
  3. 点击生成 Google Scholar 链接，弹出一个包含自动生成检索字符串的窗口，其中包含相关检索关键词。
  4. 点击搜索 Google Scholar，使用该检索字符串查询文献数据库。
    1. 或者，点击复制到剪贴板，并通过Reference Explorer中的功能添加或删除检索词，对检索字符串进行自定义。

8. 利用已发表文献确定关键氨基酸残基

  1. 在第三级查询菜单中选择用户所选物种将要比对的模板序列。
    注意：该模板序列通常根据已发表文献中确定关键氨基酸的研究来选择，可以与第一级和第二级查询中的物种相同或不同。
    1. （可选）使用附加比较框来比对未出现在主要/完整报告表格中的任何登录号/序列。
  2. 在输入第三级运行名称文本框中输入用户自定义的第三级运行名称，以标识已完成的第三级运行。每次评估应选择唯一的名称。
  3. 在选择分类群组字段中选择感兴趣的分类群组。选择一个分类群组可自动按该分类群组过滤表格。
  4. 在结果表格中，手动点击任意物种旁的复选框，以将其与模板序列进行比对。
    注意：为确保比对的准确性，应一次仅将一个分类群组与模板进行比较。仅选择与目标物种注释相似的蛋白质。在选择用于比较的序列时，需特别注意某些序列（如假定的、低质量或不完整序列）。除非有明确合理的纳入理由，否则最好排除这些序列，因为它们可能由于序列信息不完整或不适当而干扰预测结果。
  5. 重复上述步骤，以完成所有感兴趣分类群组的比对。
  6. 在所有物种比对完成后，点击刷新第二级和第三级运行，以在选择第三级运行名称菜单中加载已完成的第三级任务，并立即获取第三级比对的数据。
  7. 点击合并第三级数据以整合来自多个分类群组的比对结果。
    1. 或者，若要查看单个报告，请在选择要查看的查询下选择用户自定义的名称，然后点击查看第三级数据。
  8. 在合并第三级报告菜单中选择用作氨基酸残基比较基础的第三级模板，然后点击下一步。
  9. 在第三级任务中选择已完成的任务进行比较，并点击下一步。如需，可使用排序第三级任务功能重新排列分类群组顺序。点击查看第三级数据生成包含合并分类群组比对结果的第三级报告页面。
  10. 在输入氨基酸残基位置框中输入模板物种先前确定的氨基酸位置（多个位置以逗号分隔），然后选择复制到残基列表。也可直接从穿梭框中选择模板序列中的残基。
  11. 点击更新报告以刷新页面并显示第三级易感性预测结果。
    ​注意：第三级采用一组简单的规则，基于侧链功能特性的基本描述符（如脂肪族、芳香族）和分子尺寸（分子量差异>30 g/mol）来判断关键位置的差异是否可能影响蛋白质相互作用13。

9. 可视化 Level 3 SeqAPASS 数据

注意：与之前的级别相同，提供初级报告和完整报告。初级报告除包含与第1级和第2级相同的数据外，还显示氨基酸位置、缩写以及与模板预测相似的易感性（是/否，Y/N）。同样，完整报告包含有关氨基酸侧链分类和分子量的信息。

  1. 在三级报告页面，向下滚动至底部以查看结果报告。点击报告底部的下载表格以保存该表格。
  2. 点击查看三级摘要报告，以查看并下载按分类群排序的数据摘要报告表格。在三级报告页面上，点击可视化旁边的加号+，将在新浏览器标签页中打开显示用户自定义信息的界面，并提供以交互式热图形式查看结果的选项。
  3. 在可视化信息页面上点击热图，以打开交互式图形与控制面板，并使热图可视化内容能够实时更新以反映数据表的变化。执行以下可选步骤以自定义热图：
    1. （可选）选择报告选项，在简要报告（显示氨基酸位置、单字母缩写及氨基酸相似性）与完整报告（显示所选每个氨基酸的详细信息）之间进行切换。
    2. （可选）选择报告选项，以更改物种的显示方式，可选择按通用名称或学名显示。
      ​注：在简要报告中，氨基酸被分类为与模板氨基酸的“完全匹配”（深蓝色）、“部分匹配”（浅蓝色，仅满足一个标准的替换）或“不匹配”（黄色，两个标准均不满足）。完整报告中，比对结果仅显示为“完全匹配”（深蓝色）或“不匹配”（黄色）。
    3. （可选）选择可选选项，以高亮显示有用信息，例如直系同源候选基因、受威胁物种、濒危物种或常用模式生物。
    4. （可选）选择热图设置，以选择其他自定义选项，包括添加或删除列、图例和文本。
  4. 点击下载箱形图，选择文件类型并保存可视化结果。

10. SeqAPASS 结果解读：蛋白质保守性的证据线

注意：为便于解读，本工具包含一份决策摘要报告（DS 报告），用于整合各层级的数据。DS 报告包含用户所选的结果（即数据表和/或可视化图表），可同时快速评估多个物种在多个层级上的敏感性预测结果。

  1. 从结果或数据可视化页面点击将 Level # 推送至 DS 报告，等待数据被“推送”并使DS 报告标签页变为可用状态。
    注意：如果结果或任何更改尚未推送至 DS 报告，将 Level # 推送至 DS 报告将保持激活状态，直至被选中。如果某项设置已更改，在更改推送至报告前，将显示文本点击以推送新更改。在评估过程中的任何时间，均可将可视化结果推送至 DS 报告。
  2. 可随时选择DS 报告标签页以访问 DS 页面。
    注意：对于在 Level 1 中比对的所有物种，最终决策汇总报告表格包含每次分析的重要数据和易感性预测结果。如果 DS 表格中的某个物种未包含在 Level 3 报告中，但出现在 Level 1 和/或 Level 2 任务中，则该表格单元格将在 Level 3 易感性预测栏中标记为不适用（NA）。

访问受限。请登录或开始试用以查看此内容。

结果

为了展示 SeqAPASS 工具的应用并突出其新功能，本文描述了两个案例研究，分别代表了蛋白质保守性可预测化学物质敏感性在物种间存在差异（人源转甲状腺素蛋白）和无差异（μ阿片受体 [MOR]）的情况。第一个案例通过蛋白质序列/结构比较，用于预测不良结局通路（AOP，定义见表2）的适用范围；第二个案例则侧重于提出与跨物种对废水中阿片类物质敏感性相关的研究假设。这些案例中描述的基本方法可应用于任何化学物质，展示了该工具在决策和科研中的广泛适用性。

甲状腺激素对正常的生长发育至关重要。它们在甲状腺中合成，并分泌到血液中，与分布蛋白结合后被运输至全身14,15,16,17,18。近期研究表明，环境污染物如多氯联苯（PCBs）、多溴二苯...

访问受限。请登录或开始试用以查看此内容。

讨论

人们普遍认识到，仅通过实验手段测试足够多的物种以涵盖可能接触毒理学相关化学物质的生物体在基因组、表型、生理和行为方面的多样性是不可行的。SeqAPASS 的目标是最大限度地利用现有且持续增长的蛋白质序列与结构数据，通过分子水平的比较，将已测试生物体的化学物质毒性数据/知识外推至数百乃至数千种其他物种。SeqAPASS 工具旨在通过简化且快速的分析流程，降低科学家、风险评估人员和监管人员在进行蛋白质序列比对时的复杂性，其功能包括透明生成并可下载的汇总表格、交互式数据可视化，以及对濒危物种和常用模式生物的便捷识别。本文描述了运行 SeqAPASS 第1、2、3级的实验方案，用于评估一级氨基酸序列相似性、功能结构域的保守性，以及参与化学物-蛋白质和蛋白质-蛋白质相互作用的关键氨基酸。通过每一级 SeqAPASS 分析所获得的证据线可预测不同物种对化学物质的易感性，提供一致且易于解读的数据。迄今为止，该工具已广泛应用于多个领域，包括识别与特定受体结合的化学物质，以及评估脊椎动物生态受体与哺乳动物系统之间的交叉读取潜力。此外，本文还通过两个案例研究——分别聚焦于甲状腺激素分布蛋白 TTR 和 MOR——展示了 SeqAPASS v2 至 v6 版...

访问受限。请登录或开始试用以查看此内容。

披露

作者声明无利益冲突。

致谢

作者感谢美国环境保护局计算毒理学与暴露研究中心的 Daniel L. Villeneuve 博士和路易斯安那州立大学环境科学系的 Jon A. Doering 博士对本文早期草稿提出的宝贵意见。本研究由美国环境保护局资助。本文所表达的观点仅为作者观点，不一定反映美国环境保护局的立场或政策，且提及商品名称或商业产品并不表示联邦政府对此类产品的认可。

访问受限。请登录或开始试用以查看此内容。

材料

本文使用的材料清单
姓名公司目录编号评论
电子表格程序N/AN/A任何可用于查看和处理 csv 文件的程序（例如 Microsoft Excel、OpenOffice Calc、Google Docs）均可用于访问数据导出文件。
基本的计算机配置和互联网接入N/AN/ASeqAPASS 是一个免费的在线工具，可通过互联网连接轻松使用，无需下载软件。

参考文献

  1. Krewski, D., et al. Toxicity testing in the 21st century: a vision and a strategy. Journal of Toxicology and Environmental Health, Part B. 13 (2-4), 51-138 (2010).
  2. Wang, Z., Walker, G. W., Muir, D. C. G., Nagatani-Yoshida, K. Toward a global understanding of chemical pollution: A first comprehensive analysis of national and regional chemical inventories. Environmental Science & Technology. 54 (5), 2575-2584 (2020).
  3. Brooks, B. W., et al. Toxicology advances for 21st century chemical pollution. One Earth. 2 (4), 312-316 (2020).
  4. Kostal, J., Voutchkova-Kostal, A. Going all in: A strategic investment in in silico toxicology. Chemical Research in Toxicology. 33 (4), 880-888 (2020).
  5. Cheng, W., Doering, J. A., LaLone, C., Ng, C. Integrative computational approaches to inform relative bioaccumulation potential of per- and polyfluoroalkyl substances (PFAS) across species. Toxicology Sciences. 180 (2), 212-223 (2021).
  6. Kostich, M. S., Lazorchak, J. M. Risks to aquatic organisms posed by human pharmaceutical use. Science of the Total Environment. 389 (2-3), 329-339 (2008).
  7. Gunnarsson, L., Jauhiainen, A., Kristiansson, E., Nerman, O., Larsson, D. G. Evolutionary conservation of human drug targets in organisms used for environmental risk assessments. Environmental Science & Technology. 42 (15), 5807-5813 (2008).
  8. LaLone, C. A., et al. Evidence for cross species extrapolation of mammalian-based high-throughput screening assay results. Environmental Science & Technology. 52 (23), 13960-13971 (2018).
  9. LaLone, C. A., et al. Editor's highlight: Sequence Alignment to Predict Across Species Susceptibility (SeqAPASS): A web-based tool for addressing the challenges of cross-species extrapolation of chemical toxicity. Toxicology Sciences. 153 (2), 228-245 (2016).
  10. Head, J. A., Hahn, M. E., Kennedy, S. W. Key amino acids in the aryl hydrocarbon receptor predict dioxin sensitivity in avian species. Environmental Science & Technology. 42 (19), 7535-7541 (2008).
  11. Bass, C., et al. Mutation of a nicotinic acetylcholine receptor β subunit is associated with resistance to neonicotinoid insecticides in the aphid Myzus persicae. BMC Neuroscience. 12, 51-51 (2011).
  12. Erdmanis, L., et al. Association of neonicotinoid insensitivity with a conserved residue in the loop d binding region of the tick nicotinic acetylcholine receptor. Biochemistry. 51 (23), 4627-4629 (2012).
  13. Doering, J. A., et al. et al. In silico site-directed mutagenesis informs species-specific predictions of chemical susceptibility derived from the Sequence Alignment to Predict Across Species Susceptibility (SeqAPASS) tool. Toxicology Sciences. 166 (1), 131-145 (2018).
  14. Noyes, P. D., et al. Evaluating chemicals for thyroid disruption: Opportunities and challenges with in vitro testing and adverse outcome pathway approaches. Environmental Health Perspectives. 127 (9), 95001(2019).
  15. Park, G. Y., Jamerlan, A., Shim, K. H., An, S. S. A. Diagnostic and treatment approaches involving transthyretin in amyloidogenic diseases. Int J Mol Sci. 20 (12), 2982(2019).
  16. Rabah, S. A., Gowan, I. L., Pagnin, M., Osman, N., Richardson, S. J. Thyroid hormone distributor proteins during development in vertebrates. Front Endocrinol (Lausane). 10, 506(2019).
  17. Richardson, S. J. Cell and molecular biology of transthyretin and thyroid hormones. International Review of Cytology. 258, 137-193 (2007).
  18. Yamauchi, K., Ishihara, A. Transthyretin and Endocrine Disruptors. Recent Advances in Transthyretin Evolution, Structure and Biological Functions. Richardson, S. J., Cody, V. , Springer. Berlin Heidelberg, Germany. 159-171 (2009).
  19. Iakovleva, I., et al. Tetrabromobisphenol A is an efficient stabilizer of the transthyretin tetramer. PLoS One. 11 (4), 0153529(2016).
  20. Ishihara, A., Sawatsubashi, S., Yamauchi, K. Endocrine disrupting chemicals: Interference of thyroid hormone binding to transthyretins and to thyroid hormone receptors. Molecular and Cellular Endocrinology. 199 (1), 105-117 (2003).
  21. Kar, S., Sepúlveda, M. S., Roy, K., Leszczynski, J. Endocrine-disrupting activity of per- and polyfluoroalkyl substances: Exploring combined approaches of ligand and structure based modeling. Chemosphere. 184, 514-523 (2017).
  22. Morais-de-Sa, E., Pereira, P. J., Saraiva, M. J., Damas, A. M. The crystal structure of transthyretin in complex with diethylstilbestrol: A promising template for the design of amyloid inhibitors. Journal of Biological Chemistry. 279 (51), 53483-53490 (2004).
  23. Morgado, I., Campinho, M. A., Costa, R., Jacinto, R., Power, D. M. Disruption of the thyroid system by diethylstilbestrol and ioxynil in the sea bream (Sparus aurata). Aquatic Toxicology. 92 (4), 271-280 (2009).
  24. Yamauchi, K., Prapunpoj, P., Richardson, S. J. Effect of diethylstilbestrol on thyroid hormone binding to amphibian transthyretins. General and Comparative Endocrinology. 119 (3), 329-339 (2000).
  25. Zhang, J., et al. Structure-based virtual screening protocol for in silico identification of potential thyroid disrupting chemicals targeting transthyretin. Environmental Science & Technology. 50 (21), 11984-11993 (2016).
  26. Ren, X. M., et al. Binding interactions of perfluoroalkyl substances with thyroid hormone transport proteins and potential toxicological implications. Toxicology. 366-367, 32-42 (2016).
  27. Wilson, N., Mbabazi, K., Seth, P., Smith, H., Davis, N. L. Drug and opioid-involved overdose deaths - United States, 2017-2018. Morbidity and Mortality Weekly Report. 69 (11), 290-297 (2020).
  28. EPA. National Pollutant Discharge Elimination System (NPDES). United States Environmental Protection Agency. , Available from: https://www.epa.gov/npdes/npdes-resources (2018).
  29. Duvallet, C., Hayes, B. D., Erickson, T. B., Chai, P. R., Matus, M. Mapping community opioid exposure through wastewater-based epidemiology as a means to engage pharmacies in harm reduction efforts. Preventing Chronic Disease. 17, 200053(2020).
  30. Gushgari, A. J., Venkatesan, A. K., Chen, J., Steele, J. C., Halden, R. U. Long-term tracking of opioid consumption in two United States cities using wastewater-based epidemiology approach. Water Research. 161, 171-180 (2019).
  31. Lau, B., Bretaud, S., Huang, Y., Lin, E., Guo, S. Dissociation of food and opiate preference by a genetic mutation in zebrafish. Genes Brain Behave. 5 (7), 497-505 (2006).
  32. Bossé, G. D., Peterson, R. T. Development of an opioid self-administration assay to study drug seeking in zebrafish. Behavioural Brain Research. 335, 158-166 (2017).
  33. Mottaz, H., et al. Dose-dependent effects of morphine on lipopolysaccharide (LPS)-induced inflammation, and involvement of multixenobiotic resistance (MXR) transporters in LPS efflux in teleost fish. Environmental Pollution. 221, 105-115 (2017).
  34. Manglik, A., et al. Crystal structure of the µ-opioid receptor bound to a morphinan antagonist. Nature. 485 (7398), 321-326 (2012).
  35. Comer, S. D., Cahill, C. M. Fentanyl: Receptor pharmacology, abuse potential, and implications for treatment. Neuroscience & Biobehavioral Reviews. 106, 49-57 (2019).
  36. Podlewska, S., Bugno, R., Kudla, L., Bojarski, A. J., Przewlocki, R. Molecular modeling of µ opioid receptor ligands with various functional properties: PZM21, SR-17018, morphine, and fentanyl-simulated interaction patterns confronted with experimental data. Molecules. 25 (20), 4636(2020).
  37. Huang, W., et al. Structural insights into µ-opioid receptor activation. Nature. 524 (7565), 315-321 (2015).
  38. Lipiński, P. F. J., et al. Fentanyl family at the mu-opioid receptor: Uniform assessment of binding and computational analysis. Molecules. 24 (4), 740(2019).
  39. Boland, L. A., Angles, J. M. Feline permethrin toxicity: Retrospective study of 42 cases. Journal of Feline Medicine and Surgery. 12 (2), 61-71 (2010).
  40. Stevenson, B. J., Pignatelli, P., Nikou, D., Paine, M. J. Pinpointing P450s associated with pyrethroid metabolism in the dengue vector, Aedes aegypti: developing new tools to combat insecticide resistance. PLoS Neglected Tropical Diseases. 6 (3), 1595(2012).
  41. Ankley, G. T., Gray, L. E. Cross-species conservation of endocrine pathways: A critical analysis of tier 1 fish and rat screening assays with 12 model chemicals. Environmental Toxicology and Chemistry. 32 (5), 1084-1087 (2013).
  42. Meteyer, C. U., Rideout, B. A., Gilbert, M., Shivaprasad, H. L., Oaks, J. L. Pathology and proposed pathophysiology of diclofenac poisoning in free-living and experimentally exposed oriental white-backed vultures (Gyps bengalensis). Journal of Wildlife Diseases. 41 (4), 707-716 (2005).
  43. EPA. ECOTOX User Guide: ECOTOXicology Knowledgebase System. EPA, United States Environmental Protection Agency. , Available from: https://cfpub.epa.gov/ecotox/index.cfm (2021).
  44. ECOS Environmental Conservation Online System. U.S. Fish & Wildlife Service. , Available from: https://ecos.fws.gov/ecp/ (2021).

访问受限。请登录或开始试用以查看此内容。

重印与许可

标签

跨物种序列比对预测易感性工具在蛋白质保守性快速评估中的应用演示
联系我们
向图书馆推荐

隐私

使用条款

政策

版权所有 © 2026 MyJoVE Corporation。保留所有权利。