Name: In silico Modeling method voor computationele aquatische toxicologie van hormoonontregelende stoffen: een op software gebaseerde aanpak met QSAR toolbox (Video) | JoVE Journal
Uploaded: 2019-08-28T14:00:00.000+00:00
Duration: 5 s
Description: Leer een computationele methode voor aquatische toxicologie met de OECD QSAR Toolbox. Deze software voorspelt de toxiciteit van hormoonontregelende stoffen en evalueert acute ecotoxiciteit bij vissen.

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

Dit onderzoek werd gesteund door de National Research Council of Science & Technology (NST) Grant door de Zuid-Koreaanse overheid (MSIP) (nr. CAP-17-01-KIST Europe) en project 11911.

1. uitrusting
<ol><li>Software: gebruik OESO QSAR toolbox 4,0 of nieuwer (gratis te downloaden van < https://qsartoolbox.org/download/?) en software voor gegevensanalyse.</li>
	<li>Computer: voor de OESO QSAR toolbox gebruikt u: (i) Systeemtype: 64 bit, Windows 7 of nieuwer; (II) processor: i5 op 2,4 GHz, of een snellere processor of gelijkwaardige AMD CPU; (III) geïnstalleerd geheugen (RAM): 6 GB; (IV) harde schijf (HDD): 20 GB vrije ruimte op de harde schijf (OESO QSAR toolbox 4,3 Release Notes: < https://qsartoolbox.org/file/2019/02/Toolbox-4.3-Release-Notes-1.pdf >).</li>
</ol>2. procedure
<ol><li>OESO QSAR toolbox Opmerking: de QSAR toolbox werkt in zes opeenvolgende stroom modules vanaf input en gevolgd door profilering, Data, categorie definitie, vullen van gegevenskloof, vervolgens rapport, gelegen op de top van de programma-interface.<ol>
<li>Verken de bovengenoemde zes fasen via zes werkbalkpictogrammen door met de linkermuisknop te klikken. Kijk eerst naar de stadia van de invoer, de vulling van gegevenskloof en het rapport dat nodig is om de geautomatiseerde workflow "ecotoxicologische endpoint" uit te voeren en om de resultaten ervan te documenteren.</li>
		<li>Neem een korte blik op optionele stadia profilering en Data. De profilerings fase biedt een eerste inzicht in het potentieel van de doel stof (eco)-toxiciteit en de milieu-lotkenmerken. Optionele gegevens fase maakt het zoeken naar beschikbare experimentele gegevens met betrekking tot de doel stof mogelijk.</li>
	</ol></li>
	<li>Input<ol>
<li>Bij het starten van de QSAR toolbox begint de gebruiker standaard bij de input Toolbox stage. De QSAR toolbox maakt automatisch een werkend bestand met de naam "document 1", dat wordt weergegeven in het deelvenster stage Option aan de linkerkant van de programma-interface. Wijzig de naam van het bestand, indien gewenst, door met de rechtermuisknop op het werkbestand te klikken.</li>
		<li>Klik op de knop CAS # op de werkbalk acties, voer het CAS-nummer (Chemical Abstract Service) van de doel stof in het beschikbare tekstveld in en klik op zoeken. De tool zal dan zoeken naar de doel stof door CAS-nummer.</li>
		<li>Kies indien nodig andere zoekopties die beschikbaar zijn in de actiewerkbalk, zoals zoeken op stoffen naam of vereenvoudigde code voor het regelinvoer systeem (SMILES) voor moleculaire invoer. Glimlachen kan worden ingevoerd als 2D niet-stereochemisch of 3D stereochemische bevattende vormen. Klik respectievelijk op naam of structuur . Gebruik het gereedschap structuur om de doel stof te tekenen.</li>
		<li>Met de zoekfunctie worden de zoekresultaten weergegeven via databaserecords in een pop-upvenster. Kies de record rapportage van een ' hoge ' CAS-SMILES-relatie (CS-relatie veld) als er meerdere records voor de doel stof worden opgehaald door het selectievakje aan de linkerkant van de record aan te vinken. Klik op OK. Opmerking: vanaf dit punt is alleen mogelijk als de opgehaalde record een GLIMLACH code bevat, omdat de SMILES code (2D niet-stereochemisch bevattende vorm) de basis voor berekening is.</li>
		<li>Batch modus: om de in silico-assay voor meerdere doelstoffen uit te voeren, schrijft u een eenvoudige stoffen lijst in een teksteditor waarin elk CAS-nummer in één rij wordt vermeld (aanvullende figuur S3). Sla het tekstbestand met de juiste naam en extensie. txt op de computer op.</li>
		<li>Batch modus: Klik op gegevens. Ga vervolgens naar databases in het deelvenster fase optie aan de linkerkant van de programma-interface. Zorg ervoor dat databases die worden vermeld onder ecotoxicologische informatie worden gecontroleerd.
</li>
		<li>Batch modus: Klik op invoer. Selecteer query in de werkbalk acties. Accepteer de instellingen die zijn ingesteld in stap 2.2.6 door te klikken op Ja in het dialoogvenster.</li>
		<li>Batch mode: Kies het tabblad CAS . Upload de stoffen lijst die is opgeslagen als tekstbestand via de ladingslijst van uw computer.</li>
		<li>Batch modus: er zijn twee knoppen toevoegen beschikbaar; Klik op de knop toevoegen onder aan het pop-upmenu en klik vervolgens op uitvoeren. In de QSAR toolbox wordt een bericht weergegeven over het aantal stoffen dat voor de zoekopdracht is opgehaald. Opmerking: sommige stoffen van de geladen lijst zijn mogelijk niet gevonden door de zoekfunctie of er kunnen meerdere vermeldingen beschikbaar zijn voor één CAS-nummer. Het is niet mogelijk om stoffen uit de opgehaalde verzameling stoffen te verwijderen.</li>
	</ol></li>
	<li>Profiling Opmerking: de volgende sectie is optioneel. Als dit niet nodig is, gaat u verder met paragraaf 2,5.<ol>
<li>Klik op de Toolbox stage knop profilering. Ga naar profilerings methoden in het deelvenster fase optie aan de linkerkant van de programma-interface.</li>
		<li>Klik op Alles deselecteren. Controleer alle onder vooraf gedefinieerde profilers en die gerelateerd zijn aan aquatische toxiciteit vermeld onder eindpunt specifiek , zoals "acute aquatische toxiciteit classificatie door Verhaar (gewijzigd)".</li>
		<li>Voltooi de selectie. Klik vervolgens op de knop toepassen op de werkbalk acties. Opmerking: de QSAR toolbox biedt aanbevelingen voor een set profilers. Deze zijn gemarkeerd in groen (geschikt) en oranje (aannemelijk) bij het kiezen van opties &Gt; kleur door: &Gt; eindpunt geselecteerd in de gegevensmatrix in de linkerbovenhoek van profilerings methoden. Klik met de linkermuisknop op het gegevensmatrix veld naast het eindpunt van de interesse. Beschikbare eindpunten worden weergegeven in de eindpunt structuur naast het deelvenster fase optie. Het type Profiler- stof geeft aan of de doel stof een ' discrete chemische ' is. De informatie wordt weergegeven in de uitgevouwen eindpunt structuur "profiel", "vooraf gedefinieerd" en "stof type". Alleen als de doel stof een discrete chemische is, kan de geautomatiseerde workflow met succes worden uitgevoerd. "Acute aquatische toxiciteits classificatie door Verhaar (gewijzigd)" geeft een eerste raming van het acute aquatische toxiciteitsmechanisme van de doel stof19,20. De informatie wordt weergegeven in de uitgebreide eindpunt structuur "profiel", "eindpunt specifiek" en "acute aquatische toxiciteits classificatie door Verhaar (gewijzigd)". Er zijn vijf klassen beschikbaar: (klasse 1) inerte chemicaliën (baseline toxiciteit); (klasse 2) minder inerte chemicaliën; (klasse 3) reactieve chemicaliën; (klasse 4), specifiek handelend chemicaliën; en (klasse 5) voor chemische stoffen die niet kunnen worden ingedeeld.</li>
		<li>Klik met de rechtermuisknop op parameter in de eindpunt structuur om, indien gewenst, geïntegreerde 2D-en 3D QSAR-modellen uit te voeren die beschikbaar zijn in de QSAR toolbox. Klik op Bereken/Extraheer alle parameters voor alle chemicaliën in het pop-upmenu.</li>
		<li>2D en 3D QSAR modellen gecompileerd in parameter bieden numerieke waarden. Gebruik "profilerings methoden" voor kwalitatieve informatie (zie stap 2.3.1).</li>
	</ol></li>
	<li>Gegevens Opmerking: deze sectie is optioneel. Als dit niet nodig is, gaat u verder met paragraaf 2,5.<ol>
<li>Klik op de knop gegevens van de werkset fase . Klik vervolgens op verzamelen op de werkbalk acties.</li>
		<li>Selecteer alle eindpunten om alle experimentele gegevens te verzamelen en Kies vervolgens voor het verzamelen van eindpunt specifieke experimentele gegevens. Als bijvoorbeeld aquatische toxiciteit de focus van de gebruiker is, klikt u op kies &Gt; ecotoxicologische informatie &Gt; aquatische toxiciteit > OK. Opmerking: kiezen voor het verzamelen van experimentele gegevens voor alle eindpunten kan leiden tot uitgebreide verwerkingstijd. De gebruiker kan de hiërarchie van de eindpunt structuur aanpassen aan het specifieke doel. Hiermee wijzigt u de manier waarop gegevens worden weergegeven.</li>
		<li>Indien gewenst, met de rechtermuisknop op het eindpunt van belang in de eindpunt-structuurgebied. Kies structuur hiërarchie instellen in het pop-upmenu. Organiseer de eindpunt structuur op de gewenste manier met de beschikbare voorwaarden en pijlen en klik op OK.
</li>
		<li>Exporteer indien gewenst de verzamelde gegevens als een Excel-bestand. Klik met de rechtermuisknop op het eindpunt van belang en kies gegevensmatrix exporteren in het pop-upmenu.</li>
		<li>Een matrix export wizard wordt geopend en toevoegen van andere eindpunten aan de export lijst. Voltooi de selectie, klik op exporteren en sla het bestand op de computer op. Opmerking: het exporteren van gegevens uit alle databases is niet mogelijk. Gegevens die zijn opgehaald uit de database ' ECHA CHEM ' kunnen bijvoorbeeld niet worden opgeslagen.</li>
	</ol></li>
	<li>Vullen van gegevenskloof<ol>
<li>Klik op de Toolbox stage knop Data gap vulling. Klik vervolgens op geautomatiseerd in de werkbalk acties.</li>
		<li>Selecteer ecotoxicologisch eindpunt > vis, LC50 (letale concentratie, 50%) op 96 h voor Pimephales promelas (sterfte). Klik op OK. Een ' Workflowcontroller ' wordt weergegeven en de verwerking duurt enkele minuten, met name in de batchmodus. Opmerking: de QSAR toolbox past automatisch een gedefinieerde set profilers toe bij het zoeken naar geschikte stoffen met beschikbare experimentele gegevens voor de voorspelling. De experimentele gegevens [bijv. effect concentraties 96 h LC50 (p. promelas) of 96 h EC50 (p. promelas, mortaliteit)] worden gebruikt om de voorspelling voor de doel stof te genereren door middel van een lineaire benadering of de dichtstbijzijnde Neighbor-methode. Houd er rekening mee dat de methoden van lineaire benadering en dichtstbijzijnde neighbor worden aangeduid als trendanalyse (gelabeld als "T") en read-across (gelabeld als "R"), respectievelijk.</li>
		<li>De gebruiker ontvangt een bericht als de voorspelling met succes wordt uitgevoerd. Klik op OK en sluit de workflowcontroller die ' voltooide workflow ' aangeeft door in de rechterbovenhoek op x te klikken.</li>
		<li>Batch mode: bij het starten van de geautomatiseerde workflow, wordt de gebruiker gevraagd om het bereik van de stoffen waarover de werkstroom uit te voeren opgeven. Accepteer het volledige bereik van stoffen die standaard in het dialoogvenster zijn geselecteerd door op OK te klikken .
</li>
		<li>Batch modus: de gebruiker ontvangt geen bericht dat aangeeft of een voorspelling is uitgevoerd of niet is geslaagd. Sluit de workflowcontroller die aangeeft dat de werkstroom is voltooid aan het einde van de batchverwerking door op x te klikken in de rechterbovenhoek.</li>
	</ol></li>
	<li>Verslag<ol>
<li>Als een voorspelling met succes is uitgevoerd, klikt u op de werkset fase knop rapport. Opmerking: er kunnen geen rapporten worden gegenereerd in de batchmodus.</li>
		<li>Scrol omlaag en zoek de voorspellingswaarde in het matrixveld in een gele gemarkeerde rij naast eindpunt "96-h." De voorspelde waarde is gelabeld met ' T ' of ' R '. Activeer dit specifieke gegevensmatrix veld door er met de linkermuisknop op te klikken.</li>
		<li>Klik op voor Spelling op de werkbalk acties. Pas de inhoud en vormgeving van het rapport aan in de pop-upwizard. Er zijn drie soorten rapporten beschikbaar: (i) voorspelling, (II) categorie en (III) gegevensmatrix.</li>
		<li>De wizard stelt de gebruiker in staat de naam en contactgegevens van de auteur in te vullen. Schrijf een korte samenvatting, geef een gedetailleerde uitleg van de mechanistische interpretatie, of geef verantwoording voor de geschiktheid van de voorspelling.</li>
		<li>Aanvullende informatie met betrekking tot de uitgevoerde voorspelling opnemen, indien gewenst. De mate van aanvullende informatie is afhankelijk van de gebruiker.</li>
		<li>Ga door de wizard door te klikken op Volgende. Klik ten slotte op rapport maken en sla de voorspellings-en categorie rapporten op als PDF-bestanden en de gegevensmatrix als een Excel-spreadsheet op de computer.</li>
		<li>Meer informatie over de functionaliteiten van de QSAR toolbox en geautomatiseerde workflows vindt u in de toepassingshandleiding van de OESO QSAR toolbox v. 4 (F1 Help op het toetsenbord). Details over de algoritmen en de logica achter de geautomatiseerde workflow worden beschreven door Dimitrov et al.8 en Yordanova et al.9.</li>
	</ol></li>
</ol>3. toepassing
<ol><li>Gebruik de ondergrens van het betrouwbaarheidsinterval van 95% als u de voorspelde effect concentratie (d.w.z. 96-h LC50 van P. promelas) in de milieurisicobeoordeling gebruikt. Zoek de gegevens op de eerste pagina van het opgeslagen Voorspellings rapport (PDF) in "Voorspellings overzicht", "voorspelde waarde: < gemiddelde > (van < ondergrens > naar < bovengrens >)." Opmerking: de hier gegeven opmerkingen zijn gebaseerd op de resultaten van de vergelijking tussen voorspelde en experimentele gegevens voor een reeks doelstoffen die in dit onderzoek worden gerapporteerd. Als u het onderste uiteinde van het 95%-betrouwbaarheids bereik selecteert, wordt de kans groter dat de voorspelde effect concentratie de werkelijke toxiciteit van de stof niet onderschat (Zie de representatieve resultaten). De voorspelde effectieve concentratie van de ondergrens van het 95% betrouwbaarheidsinterval zal daarom een veiligere basis voor risicobeoordeling vormen.</li>
</ol>

<ol><li>Najarian, K., Najarian, S., Gharibzadeh, S., Eichelberger, C. N. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aNajarian%2C+K+%22Systems+Biology+and+Bioinformatics%3A+A+Computational+Approach%22">Systems Biology and Bioinformatics: A Computational Approach</a>. , CRC Press. Boca Raton, FL, USA. (2009).</li>
<li>Fujita, T., Iwasa, J., Hansch, C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((A+new+substituent+constant%2C+%CF%80%2C+derived+from+partition+coefficient%5BTitle%5D)+AND+%22Journal+of+the+American+Chemical+Society%22%5BJournal%5D)">A new substituent constant, π, derived from partition coefficient.</a> Journal of the American Chemical Society. 86, 5175-5180 (1964).</li>
<li>Roy, K., Kar, S., Das, R. N. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aRoy%2C+K+%22Understanding+the+Basics+of+QSAR+for+Applications+in+Pharmaceutical+Sciences+and+Risk+Assessment%22">Understanding the Basics of QSAR for Applications in Pharmaceutical Sciences and Risk Assessment</a>. , Academic Press. Cambridge, MA, USA. (2015).</li>
<li>Raies, A. B., Bajic, V. B. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((In+silico+toxicology%3A+computational+methods+for+the+prediction+of+chemical+toxicity%5BTitle%5D)+AND+%22WIREs+Computational+Molecular+Science%22%5BJournal%5D)">In silico toxicology: computational methods for the prediction of chemical toxicity.</a> WIREs Computational Molecular Science. 6, 147-172 (2016).</li>
<li>Hayes, T. B. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Welcome+to+the+revolution%3A+integrative+biology+and+assessing+the+impact+of+endocrine+disruptors+on+environmental+and+public+health%5BTitle%5D)+AND+%22Integrative+Compuational+Biology%22%5BJournal%5D)">Welcome to the revolution: integrative biology and assessing the impact of endocrine disruptors on environmental and public health.</a> Integrative Compuational Biology. 45, 321-329 (2005).</li>
<li>Schug, T. T., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Minireview%3A+endocrine+disruptors%3A+past+lessons+and+future+directions%5BTitle%5D)+AND+%22Molecular+Endocrinology%22%5BJournal%5D)">Minireview: endocrine disruptors: past lessons and future directions.</a> Molecular Endocrinology. 30, 833-847 (2016).</li>
<li>Devillers, J., Marchand-Geneste, N., Carpy, A., Porcher, J. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((SAR+and+QSAR+modeling+of+endocrine+disruptors%5BTitle%5D)+AND+%22SAR+QSAR+Environmental+Research%22%5BJournal%5D)">SAR and QSAR modeling of endocrine disruptors.</a> SAR QSAR Environmental Research. 17, 393-412 (2006).</li>
<li>Dimitrov, S. D., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((QSAR+Toolbox+-+workflow+and+major+functionalities%5BTitle%5D)+AND+%22SAR+QSAR+Environmental+Research%22%5BJournal%5D)">QSAR Toolbox - workflow and major functionalities.</a> SAR QSAR Environmental Research. 27, 203-219 (2016).</li>
<li>Yordanova, D., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Automated+and+standardized+workflows+in+the+OECD+QSAR+Toolbox%5BTitle%5D)+AND+%22Computational+Toxicology%22%5BJournal%5D)">Automated and standardized workflows in the OECD QSAR Toolbox.</a> Computational Toxicology. 10, 89-104 (2019).</li>
<li>Mombelli, E., Devillers, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Evaluation+of+the+OECD+%28Q%29SAR+Application+Toolbox+and+Toxtree+for+predicting+and+profiling+the+carcinogenic+potential+of+chemicals%5BTitle%5D)+AND+%22SAR+QSAR+Environmental+Research%22%5BJournal%5D)">Evaluation of the OECD (Q)SAR Application Toolbox and Toxtree for predicting and profiling the carcinogenic potential of chemicals.</a> SAR QSAR Environmental Research. 21, 731-752 (2010).</li>
<li>Devillers, J., Mombelli, E., Samsera, R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Structural+alerts+for+estimating+the+carcinogenicity+of+pesticides+and+biocides%5BTitle%5D)+AND+%22SAR+QSAR+Environmental+Research%22%5BJournal%5D)">Structural alerts for estimating the carcinogenicity of pesticides and biocides.</a> SAR QSAR Environmental Research. 22, 89-106 (2011).</li>
<li>Li, C., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Identifying+unknown+by-products+in+drinking+water+using+comprehensive+two-dimensional+gas+chromatography-quadrupole+mass+spectrometry+and+in+silico+toxicity+assessment%5BTitle%5D)+AND+%22Chemosphere%22%5BJournal%5D)">Identifying unknown by-products in drinking water using comprehensive two-dimensional gas chromatography-quadrupole mass spectrometry and in silico toxicity assessment.</a> Chemosphere. 163, 535-543 (2016).</li>
<li>Devillers, J., Mombelli, E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Evaluation+of+the+OECD+QSAR+Application+Toolbox+and+Toxtree+for+estimating+the+mutagenicity+of+chemicals.+Part+1.+Aromatic+amines%5BTitle%5D)+AND+%22SAR+QSAR+Environmental+Research%22%5BJournal%5D)">Evaluation of the OECD QSAR Application Toolbox and Toxtree for estimating the mutagenicity of chemicals. Part 1. Aromatic amines.</a> SAR QSAR Environmental Research. 21, 753-769 (2010).</li>
<li>Devillers, J., Mombelli, E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Evaluation+of+the+OECD+QSAR+Application+Toolbox+and+Toxtree+for+estimating+the+mutagenicity+of+chemicals.+Part+2.+%CE%B1-%CE%B2+unsaturated+aliphatic+aldehydes%5BTitle%5D)+AND+%22SAR+QSAR+Environmental+Research%22%5BJournal%5D)">Evaluation of the OECD QSAR Application Toolbox and Toxtree for estimating the mutagenicity of chemicals. Part 2. α-β unsaturated aliphatic aldehydes.</a> SAR QSAR Environmental Research. 21, 771-783 (2010).</li>
<li>Kulkarni, S. A., Barton-Maclaren, T. S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Performance+of+%28Q%29SAR+models+for+predicting+Ames+mutagenicity+of+aryl+azo+and+benzidine+based+compounds%5BTitle%5D)+AND+%22Journal+of+Environmental+Science+and+Health+Part+C+Environmental+Carcinogenesis+%26+Ecotoxicology+Reviews%22%5BJournal%5D)">Performance of (Q)SAR models for predicting Ames mutagenicity of aryl azo and benzidine based compounds.</a> Journal of Environmental Science and Health Part C Environmental Carcinogenesis & Ecotoxicology Reviews. 32, 46-82 (2014).</li>
<li>Craig, E. A., Wang, N. C., Zhao, Q. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Using+quantitative+structure-activity+relationship+modeling+to+quantitatively+predict+the+developmental+toxicity+of+halogenated+azole+compounds%5BTitle%5D)+AND+%22Journal+of+Applied+Toxicology%22%5BJournal%5D)">Using quantitative structure-activity relationship modeling to quantitatively predict the developmental toxicity of halogenated azole compounds.</a> Journal of Applied Toxicology. 34, 787-794 (2014).</li>
<li>Tebby, C., Mombelli, E., Pandard, P., Péry, A. R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Exploring+an+ecotoxicity+database+with+the+OECD+%28Q%29SAR+Toolbox+and+DRAGON+descriptors+in+order+to+prioritise+testing+on+algae%2C+daphnids%2C+and+fish%5BTitle%5D)+AND+%22Science+of+the+Total+Environment%22%5BJournal%5D)">Exploring an ecotoxicity database with the OECD (Q)SAR Toolbox and DRAGON descriptors in order to prioritise testing on algae, daphnids, and fish.</a> Science of the Total Environment. 409, 3334-3343 (2011).</li>
<li>Mombelli, E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Evaluation+of+the+OECD+%28Q%29SAR+Application+Toolbox+for+the+profiling+of+estrogen+receptor+binding+affinities%5BTitle%5D)+AND+%22SAR+QSAR+Environmental+Research%22%5BJournal%5D)">Evaluation of the OECD (Q)SAR Application Toolbox for the profiling of estrogen receptor binding affinities.</a> SAR QSAR Environmental Research. 23, 37-57 (2012).</li>
<li>Verhaar, H. J. M., van Leeuwen, C. J., Hermens, J. L. M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Classifying+environmental+pollutants.+1%3A+structure-activity+relationships+for+prediction+of+aquatic+toxicology%5BTitle%5D)+AND+%22Chemosphere%22%5BJournal%5D)">Classifying environmental pollutants. 1: structure-activity relationships for prediction of aquatic toxicology.</a> Chemosphere. 25, 471-491 (1992).</li>
<li>Enoch, S. J., Hewitt, M., Cronin, M. T. D., Azam, S., Madden, J. C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Classification+of+chemicals+according+to+mechanism+of+aquatic+toxicity%3A+an+evaluation+of+the+implementation+of+the+Verhaar+scheme+in+Toxtree%5BTitle%5D)+AND+%22Chemosphere%22%5BJournal%5D)">Classification of chemicals according to mechanism of aquatic toxicity: an evaluation of the implementation of the Verhaar scheme in Toxtree.</a> Chemosphere. 73, 243-248 (2008).</li>
<li>Burden, N., Maynard, S. K., Weltje, L., Wheeler, J. R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((The+utility+of+QSARs+in+predicting+acute+fish+toxicity+of+pesticide+metabolites%3A+a+retrospective+validation+approach%5BTitle%5D)+AND+%22Regulatory+Toxicology+and+Pharmacology%22%5BJournal%5D)">The utility of QSARs in predicting acute fish toxicity of pesticide metabolites: a retrospective validation approach.</a> Regulatory Toxicology and Pharmacology. 80, 241-246 (2016).</li>
<li>Nendza, M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Screening+for+potential+endocrine+disruptors+in+fish%3A+evidence+from+structural+alerts+and+in+vitro+and+in+vivo+toxicological+assays%5BTitle%5D)+AND+%22Environmental+Sciences+Europe%22%5BJournal%5D)">Screening for potential endocrine disruptors in fish: evidence from structural alerts and in vitro and in vivo toxicological assays.</a> Environmental Sciences Europe. 28, 26(2016).</li>
<li>Roncaglioni, A., Piclin, N., Pintore, M., Benfenati, E. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Binary+classification+models+for+endocrine+disrupter+effects+mediated+through+the+estrogen+receptor%5BTitle%5D)+AND+%22SAR+QSAR+Environmental+Research%22%5BJournal%5D)">Binary classification models for endocrine disrupter effects mediated through the estrogen receptor.</a> SAR QSAR Environmental Research. 19, 697-733 (2008).</li>
<li>Sosnovcová, J., Rucki, M., Bendová, H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Estrogen+receptor+binding+affinity+of+food+contact+material+components+estimated+by+QSAR%5BTitle%5D)+AND+%22Central+European+Journal+of+Public+Health%22%5BJournal%5D)">Estrogen receptor binding affinity of food contact material components estimated by QSAR.</a> Central European Journal of Public Health. 24, 241-244 (2016).</li>
<li>Walker, J. D., Dearden, J. C., Schultz, T. W., Jaworska, J., Comber, M. H. I. QSARs for New Practitioners. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aWalker%2C+JD+%22QSARs+for+Pollution+Prevention%2C+Toxicity+Screening%2C+Risk+Assessment%2C+and+Web+Applications%22">QSARs for Pollution Prevention, Toxicity Screening, Risk Assessment, and Web Applications</a>. Walker, J. D. , SETAC Press. Pensacola, FL, USA. (2003).</li>
<li>Sánchez-Bayo, F. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((From+simple+toxicological+models+to+prediction+of+toxic+effects+in+time%29%5BTitle%5D)+AND+%22Ecotoxicology%22%5BJournal%5D)">From simple toxicological models to prediction of toxic effects in time).</a> Ecotoxicology. 18, 343-354 (2009).</li>
<li>Sjöström, M., Lindgren, Å, Uppgård, L. L. Joint Multivariate Quantitative Structure-Property and Structure-Activity Relationships for a Series of Technical Nonionic Surfactants. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aSj%C3%B6str%C3%B6m%2C+M+%22Quantitative+Structure-Activity+Relationships+in+Environmental+Sciences-VII%22">Quantitative Structure-Activity Relationships in Environmental Sciences-VII</a>. Chen, F., Schüürmann, G. , SETAC Press. Pensacola, FL, USA. (1997).</li>
<li>Ding, F., Guo, J., Song, W., Hu, W., Li, Z. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Comparative+quantitative+structure-activity+relationship+%28QSAR%29+study+on+acute+toxicity+of+triazole+fungicides+to+zebrafish%5BTitle%5D)+AND+%22Chemistry+Ecology%22%5BJournal%5D)">Comparative quantitative structure-activity relationship (QSAR) study on acute toxicity of triazole fungicides to zebrafish.</a> Chemistry Ecology. 27, 359-368 (2011).</li>
<li>Galati, G., O'Brien, P. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Potential+toxicity+of+flavonoids+and+other+dietary+phenolics%3A+significance+for+their+chemopreventive+and+anticancer+properties%5BTitle%5D)+AND+%22Free+Radical+Biology+in+Medicine%22%5BJournal%5D)">Potential toxicity of flavonoids and other dietary phenolics: significance for their chemopreventive and anticancer properties.</a> Free Radical Biology in Medicine. 37, 287-303 (2004).</li>
<li>Russom, C. L., Bradbury, S. P., Broderius, S. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Predicting+modes+of+action+from+chemical+structure%3A+acute+toxicity+in+the+fathead+minnow+%28Pimephales+promelas%29%5BTitle%5D)+AND+%22Environmental+Toxicology+and+Chemistry%22%5BJournal%5D)">Predicting modes of action from chemical structure: acute toxicity in the fathead minnow (Pimephales promelas).</a> Environmental Toxicology and Chemistry. 16, 948-967 (1997).</li>
<li>Taysse, L., Troutaud, D., Khan, N. A., Deschaux, P. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Structure-activity+relationship+of+phenolic+compounds+%28phenol%2C+pyrocatechol+and+hydroquinone%29+on+natural+lymphocytotoxicity+of+carp+%28Cyprinus+carpio%29%5BTitle%5D)+AND+%22Toxicology%22%5BJournal%5D)">Structure-activity relationship of phenolic compounds (phenol, pyrocatechol and hydroquinone) on natural lymphocytotoxicity of carp (Cyprinus carpio).</a> Toxicology. 98, 207-214 (1995).</li>
<li>Nishihara, T., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Estrogenic+activities+of+517+chemicals+by+yeast+two-hybrid+assay%5BTitle%5D)+AND+%22Journal+of+Health+Science%22%5BJournal%5D)">Estrogenic activities of 517 chemicals by yeast two-hybrid assay.</a> Journal of Health Science. 46, 282-298 (2000).</li>
<li>Bolton, J. L., Trush, M. A., Penning, T. M., Dryhurst, G., Monks, T. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Role+of+quinones+in+toxicology%5BTitle%5D)+AND+%22Chemical+Research+in+Toxicology%22%5BJournal%5D)">Role of quinones in toxicology.</a> Chemical Research in Toxicology. 13, 135-160 (2000).</li>
<li>Panche, A. N., Diwan, A. D., Chandra, S. R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Flavonoids%3A+an+overview%5BTitle%5D)+AND+%22Journal+of+Nutritional+Science%22%5BJournal%5D)">Flavonoids: an overview.</a> Journal of Nutritional Science. 5, e47(2016).</li>
<li>Li, J., Gramatica, P. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((QSAR+classification+of+estrogen+receptor+binders+and+pre-screening+of+potential+pleiotropic+EDCs%5BTitle%5D)+AND+%22SAR+QSAR+Environmental+Research%22%5BJournal%5D)">QSAR classification of estrogen receptor binders and pre-screening of potential pleiotropic EDCs.</a> SAR QSAR Environmental Research. 21, 657-669 (2010).</li>
<li>Bohl, M. <a target="_blank" href="http://scholar.google.com/scholar?hl=en&safe=off&q=author%3aBohl%2C+M+%22Molecular+Structure+and+Biological+Activity+of+Steroids%22">Molecular Structure and Biological Activity of Steroids</a>. , CRC Press. Boca Raton, FL, USA. (2017).</li>
<li>Kaminuma, T., Takai-Igarashi, T., Nakano, T., Nakata, K. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Modeling+of+signaling+pathways+for+endocrine+disruptors%5BTitle%5D)+AND+%22BioSystems%22%5BJournal%5D)">Modeling of signaling pathways for endocrine disruptors.</a> BioSystems. 55, 23-31 (2000).</li>
<li>Lillicrap, A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Alternative+approaches+to+vertebrate+ecotoxicity+tests+in+the+21st+century%3A+a+review+of+developments+over+the+last+2+decades+and+current+status%5BTitle%5D)+AND+%22Environmental+Toxicology+and+Chemistry%22%5BJournal%5D)">Alternative approaches to vertebrate ecotoxicity tests in the 21st century: a review of developments over the last 2 decades and current status.</a> Environmental Toxicology and Chemistry. 35, 2637-2646 (2016).</li>
<li>Kim, J. W., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/pubmed?term=((Acute+toxicity+of+pharmaceutical+and+personal+care+products+on+freshwater+crustacean+%28Thamnocephalus+platyurus%29+and+fish+%28Oryzias+latipes%29%5BTitle%5D)+AND+%22Journal+of+Toxicological+Sciences%22%5BJournal%5D)">Acute toxicity of pharmaceutical and personal care products on freshwater crustacean (Thamnocephalus platyurus) and fish (Oryzias latipes).</a> Journal of Toxicological Sciences. 34, 227-232 (2009).</li>
</ol>

De auteurs hebben niets te onthullen.

De veelzijdigheid van de OESO QSAR toolbox als analytische software voor Ecotoxicologie wordt hier getoond met specifieke belangstelling voor de nadelige effecten van hormoonontregelende stoffen op aquatische gewervelde dieren. Daarnaast werd een eenvoudig en standaardprotocol aangetoond voor het voorspellen van acute toxiciteit (96-h LC50) van 74 representatieve EDs (tabel 1) voor vissoorten. Dit werd bereikt door het toepassen van categorie bouw, data gap vulling en er profilerings modules ingebed in de QSAR toolbox (Figuur 1, Figuur 2).
De lineaire correlatie tussen log10LC50 en log10Kow met een negatieve helling (zoals weergegeven in aanvullende figuur S1) is al lange tijd bekend als een standaard kwantitatieve relatie in QSAR-analyses25, waarbij hogere toxiciteit wordt aangetoond hoe meer hydrofobe een bepaalde chemische stof is. Zoals blijkt uit een eenvoudige berekening, is de algemene wiskundige relatie met vergelijking S1 en vergelijking S2 (aanvullende informatie) een geconverteerde uitdrukking uit de volgende Power functie26:
<img alt="Equation 1" src="/files/ftp_upload/60054/60054equ01.jpg">
<img alt="Equation 2" src="/files/ftp_upload/60054/60054equ02.jpg">
Vanaf het perceel van (vergelijking 2) kan het karakteriseren van een tussen bereik van Kow26 mogelijk zijn door de parameters a en b aan te passen, waarbij een bepaalde variatie in hydrofobiciteit (of hydrofiele) de eindpunt van acute toxiciteit.
Vergelijkende analyses tussen de computationele voorspellingen en experimentele waarnemingen op de LC50, zoals weergegeven in Figuur 3 en Figuur 4, zijn doorgaans gerapporteerd in studies van QSAR voor verschillende aquatische toxicanten, waaronder technische nonionische oppervlakteactieve stoffen27, triazoolfungiciden28en pesticide metabolieten21. Dit type retrospectieve validatie geeft informatie over de mate waarin een bepaalde QSAR-tool kan reiken in termen van vergelijkende prestaties voor experimentele resultaten. In deze studie van acute toxiciteit in vis, de QSAR toolbox bleek te bieden beschermende voorspellingen voor meer dan 90% van geteste EDs in alle vissen en in een enkele soort, Pimephales promelas.
Verdere identificatie van de drie uitschieter chemicaliën in Figuur 3 en Figuur 4, die een hogere voorspelde LC50 gemiddeld en minimaal, respectievelijk, is gebleken. Eerste, de 3 ', 5, 7-trihydroxy-4 ', 6-dimethoxyisoflavone is een soort flavonoïde (meer in het bijzonder, een isoflavone), die wordt beschouwd als over het algemeen veilig en gebruikt in kruidengeneesmiddelen; echter, het heeft nog steeds oestrogeen-gerelateerde bezorgdheid29 en kan leiden tot acute toxiciteit waarschijnlijk door middel van oxidatieve fosforylering ontkoppeling30. Vervolgens is de 1,4-benzenediol, genaamd hydroquinone, een fenol verbinding die een niet-specifieke en cytotoxische immuunrespons in vissen kan veroorzaken31. Tot slot, de 4-hexylphenol is gekend om te exposeren voldoende positieve oestrogene activiteit worden geclassificeerd als een ED32. Het is goed bestudeerd dat de belangrijkste reden van de acute toxiciteit van Hydrochinon is de reductie-oxidatie (redox) fietsen. De Hydrochinon wordt geoxideerd tot Benzochinon en teruggebracht tot semi-quinon of Hydrochinon herhaaldelijk, met afputten van cofactoren en het genereren van reactieve zuurstof soorten33. De andere twee chemicaliën kunnen diepere onderzoeken vereisen om hun werkingsmechanismen in acute ecotoxiciteit te onthullen met behulp van moleculaire docking benaderingen zoals die gebruikt door Panche et al.34, die niet kan worden gedekt door de QSAR toolbox.
EDs interfereren met het endocriene systeem voornamelijk door middel van fysisch-chemische interacties met steroïde receptoren zoals oestrogeen en androgeen receptoren, die van groot belang zijn in QSAR Modeling studies35. Gezien dit, de QSAR toolbox is robuust in termen van facile en snelle classificatie van ER bindende affiniteiten voor een set van chemicaliën op basis van alleen op de 2D descriptoren van moleculaire structuren. Toen dit ER Profiler systeem werd toegepast op onze lijst van hormoonontregelende stoffen, werd er geen duidelijke correlatie gevonden tussen ER bindingsaffiniteit en hydrofobiciteit (aanvullende figuur S2). Dit resultaat kan worden verklaard door het feit dat de vorming van een steroïde-receptor complex is niet een direct gevolg van een hydrofobe hechting bijdrage, maar moet gepaard gaan met een conformationele verandering in de actieve-site receptor structuur36. De receptor binding kan ook worden veroorzaakt door waterstof binding en π-stacking.
Bovendien kan de positie van elke chemische groep op het molecuul de receptor binding beïnvloeden, zelfs als de hydrofobiciteit en het aantal van de waterstof-obligatie acceptoren-donoren hetzelfde blijven. Ten tweede produceerde de ER Profiler tegengestelde trends tussen voorspelde en experimentele LC50 -gemiddelde niveaus met een toenemende er-bindingsaffiniteit (Figuur 5). Dit kan zijn omdat de letaliteit van ouders in een acute toxiciteitstest niet te wijten is aan ER binding, maar eerder aan narcose in de meeste gevallen, of aan redox fietsen in het geval van hydroquinone. Er is bijvoorbeeld een uitgebreidere analyse, inclusief de chronische toxiciteit, vereist voor een grotere set hormoonontregelende stoffen om voorspellende beperkingen van de huidige versie van de QSAR toolbox te definiëren.
Dit voorbereidend onderzoek kan ook gevolgen hebben voor de volksgezondheid, omdat steroïden (androgenen, oestrogenen, progestines, en corticoïden) en hun receptoren vertonen vergelijkbare of zelfs identieke macromoleculaire structuren over gewervelde dieren5. Deze soorten analoge endocriene signaleringssystemen kunnen werken met behulp van een gemeenschappelijk mechanisme in belangrijke gebeurtenissen van EDs5. Niettemin zijn aanvullende en complementaire methodologieën nodig om dit enorme en complexe aspect te verlichten [bijvoorbeeld door het uitvoeren van computationele modellering van absorptie, distributie, metabolisme en uitscheiding (ADME) en/of ongunstige uitkomst Pathway (AOP)]38. Bovendien, omdat de meeste wetenschappelijke en publieke bezorgdheid over de nadelige effecten van hormoonontregelende stoffen verband houden met hun chronische toxiciteiten, het verbeteren van de databases en algoritmen in de QSAR toolbox en het produceren van betrouwbare lange termijn ecotoxicologie voorspellingen voor EDs zijn beide nodig.
Deze paper demonstreert de toepassing van de QSAR toolbox om ecotoxicologische LC50 waarden voor vissen te vergelijken met Log10Kow waarden van EDs. in het gehele protocol leidt dit tot zwakke verhoudingen tussen de twee parameters, werd onthuld door eerdere studies (bijv., Kim et al.39) dat Log10Kow is niet een goede directe voorspeller van aquatische LC50. Ondanks deze beperking biedt dit protocol een algemene beoordeling of "vignet" om te beschrijven hoe het dashboard voor een bepaald doel moet worden gebruikt, omdat het een geldige toepassing is voor het gebruik van de QSAR toolbox voor het onderzoeken van correlaties tussen LC50 (of er-binding -affiniteit) en log10Kow, of als een hulpmiddel voor snelle acute ecotoxiciteit screening. Niettemin moet worden opgemerkt dat (1) het verlichten van het verband tussen oestrogeen receptor binding en chronische toxiciteit, in plaats van acute toxiciteit (letaliteit), relevanter is zodat duidelijkere correlaties kunnen worden gevonden, en (2) de androgeen receptor, samen met die van oestrogeen, speelt ook een cruciale rol in reproductietoxiciteit. Daarom is het vereist voor de toekomstige versie van de QSAR toolbox om de Voorspellings functies in het licht van die twee punten te verbeteren.

Nieuwe ontwikkelingen in informatica en computationele technologie hebben de biologische wetenschappen gemachtigd met kwantitatieve methodologieën die hoge precisie en betrouwbaarheid bieden1. In het bijzonder hebben algoritmen die worden gebruikt in de moleculaire taxonomie en classificatie van eigenschappen geleid tot kwantitatieve structuur-activiteitsrelaties (QSAR) modellen2. Deze modellen correleren automatisch de chemische structuren en biologische activiteiten van een bepaalde chemische database en implementeren snel in silico-screening van een breed scala aan chemische substraten volgens hun medicinale of toxicologische acties3. QSAR-hulpmiddelen kunnen voorspellende toxiciteits profielen produceren als functie van vectoren van moleculaire descriptoren (d.w.z. fysisch-chemische parameters) van chemicaliën die van belang zijn voor het numeriek maken van categorische eindpunten4. Gewoonlijk wordt elk kwantitatief eindpunt weergegeven als een 2D teststappenvisualization versus wijzigingen in descriptor waarden. Vervolgens wordt een QSAR-model gegenereerd met behulp van (meervoudige) lineaire regressieanalyses. Zodra een gegevensset volledig is benut om een QSAR-model (de Trainingsset) te maken, wordt het model statistisch gevalideerd door de eindpunten te voorspellen van een groep chemicaliën die niet in de Trainingsset is opgenomen (de testset). Het model kan vervolgens worden gebruikt om de biologische activiteiten van niet-geteste verbindingen3te voorspellen.
Onder veel schadelijke chemicaliën, hormoonontregelende stoffen (EDs) zijn gemarkeerd als een groep van toxicantia die kunnen interfereren met talrijke hormoon-gerelateerde metabolismen in zoogdieren, amfibieën, en vis5,6. EDs zijn bekend voor het opwekken van een verscheidenheid van nadelige effecten, zoals kanker en misvormingen, door het blokkeren of wijzigen van normale hormonale trajecten of het activeren van abnormale hormoon synthese/afbraak signalen. Dientengevolge, deze hormoon-nabootsen chemicaliën kunnen perturb endocriene systemen zodanig dat biologische ontwikkeling en reproductie van Wildlife dierenpopulaties worden belemmerd. In het bijzonder zijn de ecotoxicologische effecten van hormoonontregelende stoffen uitgebreid onderzocht in aquatische gewervelde dieren, die bijna identieke hormoonreceptor structuren hebben met die van zoogdieren, waaronder mensen. Omdat alle hormonale acties optreden bij lage doses in vivo, is het voorspellen van de potentiële toxiciteiten van ED-kandidaten met behulp van Rapid in silico-screening van cruciaal belang voor de gezondheid van het publiek en het milieu.
QSAR-modellen op basis van de toxicologie van EDs zijn uitgevoerd met behulp van zowel 2D-als 3D-descriptoren (bekend als 2D en 3D QSAR, respectievelijk), die de ED ligand bindende affiniteiten van oestrogeen, androgeen en progesteron-receptoren7onthullen. Ondanks de zeer nauwkeurige voordelen van 3D QSAR, waarin conformationele en elektrostatische interacties worden overwogen, behoudt 2D QSAR zijn eigen robuustheid in directe wiskundige algoritmen, snelle berekeningen en extreem lage reken krachten. Bovendien zijn 2D-QSAR-modellen flexibel voor gebruik in een breed scala aan toepassingen, terwijl relatief nauwkeurige Voorspellings prestaties worden bereikt.
De OESO QSAR toolbox is momenteel een van de meest gebruikte computersoftware tools die gratis beschikbare en vooraf gebouwde QSAR-modellen8,9bieden. De Profiler maakt gebruik van 2D descriptor databases. Sinds de release van de eerste versie in 2008 is de software toegepast op het gebied van chemische en biologische industrieën, volksgezondheid en milieu veiligheid voor volledige of gedeeltelijke analyse van de potentiële Risico's van natuurlijke en synthetische verbindingen, met bijzondere belangen in carcinogenese10,11,12, mutageniteit13,14,15en ontwikkelingstoxiciteit16. De toepassing op aquatische toxicologie is ook aangetoond, met focus op bioaccumulatie en biotransformatie17.
De QSAR toolbox is nuttig gebleken bij het voorspellen van de toxiciteit op korte termijn van een breed scala van chemicaliën17, evenals de oestrogeen receptor (er) bindende verwantschap van EDs18. De acute ecotoxiciteiten van hormoonontregelende stoffen in aquatische gewervelde dieren zijn echter niet geanalyseerd met behulp van de QSAR toolbox. In deze studie, een typische en facile protocol wordt gepresenteerd voor het uitvoeren van QSAR Modeling op de acute nadelige effecten van hormoonontregelende stoffen met een focus in de vissoorten. De studie toont aan dat de QSAR toolbox een zeer toegankelijke software is voor het berekenen en voorspellen van de letaliteit/sterfte van aquatische gewervelde dieren voor sommige representatieve hormoonontregelende stoffen. statistische behandelingsmethoden voor de afgeleide in silico-gegevenssets worden gepresenteerd. Figuur 1 toont het algemene schema voor de algemene werking van de QSAR toolbox. De in Figuur 2 getoonde workflow biedt eenvoudige instructies voor het gebruik van de in silico-assay om acute ecotoxiciteit van doelstoffen zoals hormoonontregelende chemicaliën te voorspellen.

<table><tbody><tr><td>Adobe Acrobat Reader DC</td><td>Adobe Systems Software Ireland Limited</td><td>NA</td><td>Vereist om voorspelling en categorierapport te bekijken</td></tr><tr><td>Computer</td><td>Systeem: Microsoft Corporation</td><td>NA</td><td>Aanbevolen systeemeenheden: (i) systeemtype: 64 bit, Microsoft Windows 7 of nieuwer, (ii) processor: I5 op 2,4 GHz of snellere processor of gelijkwaardige AMD CPU, (iii) Geïnstalleerd geheugen (RAM): 6 GB RAM, (iv) Harde schijf (HDD): 20 GB vrije schijfruimte</td></tr><tr><td>Microsoft Editor</td><td>Microsoft Corporation</td><td>NA</td><td>Vereist voor het uploaden van een stoflijst van CAS-nummers (batchmodus) naar de OECD QSAR Toolbox als .txt-bestand (tekstbestand)</td></tr><tr><td>Microsoft Excel 2016</td><td>Microsoft Corporation</td><td>NA</td><td>Vereist om gegevens uit OECD QSAR Toolbox te exporteren als.cvs,.xls of.xlsx-bestanden</td></tr><tr><td>OECD QSAR Toolbox versie 4.0 of nieuwer</td><td>Organisatie voor Economische Samenwerking en Ontwikkeling</td><td>NA</td><td>Vereist om OECD QSAR Toolbox Automated Workflows uit te voeren; gratis download: https://qsartoolbox.org/download/</td></tr><tr><td>OriginPro 9</td><td>OriginLab Corporation</td><td>NA</td><td>Optioneel programma voor gegevensanalyse; vergelijkbare tools mogelijk</td></tr></tbody></table>

in silico modeling method voor computationele aquatische toxicologie van hormoonontregelende stoffen: een op software gebaseerde aanpak met qsar toolbox

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

Computationele analyses van toxicologische processen maakt screening van chemische stoffen met een hoge doorvoer mogelijk en voorspelling van hun eindpunten in biologische systemen. Met name de modellen van de kwantitatieve structuur-activiteitsverhouding (QSAR) zijn in toenemende mate toegepast om de milieueffecten van een overvloed aan giftige stoffen te beoordelen. In de afgelopen jaren, sommige meer gemarkeerde soorten toxicantia zijn hormoonontregelende stoffen (EDs, die chemicaliën die kunnen interfereren met een hormoon-gerelateerde metabolisme). Omdat hormoonontregelende stoffen een aanzienlijke invloed kunnen hebben op de ontwikkeling en reproductie van dieren, is een snelle voorspellen van de nadelige effecten van EDs die in silico-technieken werken vereist Deze studie presenteert een in silico-methode om voorspellingsgegevens te genereren over de effecten van representatieve hormoonontregelende stoffen in aquatische gewervelde dieren, in het bijzonder vissoorten. Het protocol beschrijft een voorbeeld met behulp van de geautomatiseerde workflow van de QSAR toolbox-software die is ontwikkeld door de organisatie voor economische samenwerking en ontwikkeling (OESO) om acute ecotoxiciteits voorspellingen van EDs mogelijk te maken. Als gevolg hiervan worden de volgende gegevens bepaald: (1) berekening van de numerieke correlaties tussen de concentratie voor 50% van de letaliteit (LC50) en de verdelingscoëfficiënt octanol-water (Kow), (2) uitvoerprestaties waarbij de LC50 waarden bepaald in experimenten worden vergeleken met die gegenereerd door berekeningen, en (3) de afhankelijkheid van oestrogeen receptor bindende affiniteit op de relatie tussen Kow en LC50.

De kwantitatieve structuur-Activiteitsrelatie (QSAR) modellering is een representatieve bioinformatica-geassisteerde methode in de toxicologische screening. Dit protocol laat zien hoe de Risico's van hormoonontregelende stoffen (EDs) in aquatische omgevingen op een computationeel wijze kunnen worden beoordeeld. Door gebruik te maken van de OESO QSAR toolbox implementeert het protocol een in silico-test voor het analyseren van de toxiciteit van hormoonontregelende stoffen in vissen.

In silico Modeling method voor computationele aquatische toxicologie van hormoonontregelende stoffen: een op software gebaseerde aanpak met QSAR toolbox

Computational analyses of toxicological processes enables high-throughput screening of chemical substances and prediction of their endpoints in biological ...

Ons protocol maakt gebruik van een zeer toegankelijk en open softwareprogramma om een snelle berekening van de negatieve effecten op korte termijn van hormoonontregelende chemicaliën mogelijk te maken. Deze OESO QSAR Toolbox is nuttig voor het voorspellen van de toxiciteit van chemische stoffen en biedt een efficiënte methode voor het beoordelen van acute ecotoxiciteit van hormoonontregelaars op een gebruiksvriendelijke manier. Bij het starten van de QSAR Toolbox begint de gebruiker standaard in de fase Invoergereedschapsset en maakt de toolbox automatisch een werkend bestand met de naam Document 1.Nadat u op Chemisch abstract servicenummer hebt geklikt, voert u het chemische abstracte servicenummer van de doelstof in het beschikbare tekstveld in en klikt u op Zoeken. Via de structuurknop kan de stof ook worden doorzocht door de vereenvoudigde moleculaire invoerlijnsysteemcode. Als u de in-silico-test voor meerdere doelstoffen wilt uitvoeren, schrijft u een eenvoudige stoffenlijst in een teksteditor waarin elk chemisch abstract servicenummer in één rij wordt vermeld en slaat u het tekstbestand op met een passende naam.Klik vervolgens op Gegevens en controleer of databases die worden vermeld onder Ecotoxicologische informatie worden gecontroleerd. Klik op Invoer, selecteer Query en klik op Ja in het dialoogvenster om de geselecteerde instellingen te accepteren. Selecteer onder het tabblad Chemical Abstract Service de optie Lijst laden om de stoffenlijst te uploaden die is opgeslagen als tekstbestand.Klik onder aan het pop-upmenu op Toevoegen en klik op Uitvoeren. De QSAR Toolbox geeft een bericht weer dat het aantal stoffen aangeeft dat is opgehaald voor de zoekopdracht. Klik voor profilering op de stageknop Profileringstool en navigeer naar profileringsmethoden in het optiepaneel voor het podium.Klik op Alles deseren in het venster Profileringsmethoden en bevestig dat alle profilers die worden vermeld onder Vooraf gedefinieerde en profilers met betrekking tot aquatische toxiciteit onder Endpoint Specific worden ingecheckt, klik vervolgens op Toepassen, klik op Parameters om geïntegreerde 2D- en 3D QSAR-modellen naar wens uit te voeren. Klik op de werkbalk Gegevensgereedschapsset en klik op Verzamelen op de werkbalk acties voor het verzamelen van gegevens. Selecteer Alle eindpunten om alle experimentele gegevens te verzamelen of selecteer Kiezen om de eindpuntspecifieke experimentele gegevens te verzamelen.Klik met de rechtermuisknop op het eindpunt van belang en organiseer de eindpuntstructuur op de gewenste manier met behulp van de beschikbare termen en pijlen voordat u op Okt klikt. Klik vervolgens met de rechtermuisknop op het eindpunt van belang en selecteer Gegevensmatrix exporteren om de verzamelde gegevens in een spreadsheet te exporteren. Er verschijnt een wizard Matrix-export, zodat andere eindpunten aan de exportlijst kunnen worden optellen.Voltooi de selectie en klik op Exporteren om het bestand op te slaan. Klik op de stageknop Data Gap Filling Toolbox en klik op Automatisch voor het vullen van gegevenshiaten. Selecteer Ecotoxicologische informatie en vis, dodelijke concentratie bij 50% bij 96 uur en klik op Oke.Het venster voor de werkstroomcontroller wordt weergegeven. Als u de batchmodus uitvoert, geeft u het bereik op van stoffen waarover de werkstroom moet worden uitgevoerd. Als de voorspelling is uitgevoerd, klikt u op de knop Werkset Rapport, klikt u links op de resulterende voorspellingswaarde, klikt u op Voorspelling en past u de rapportinhoud en -weergave aan in de pop-upwizard.Nadat u op Volgende hebt geklikt, klikt u op Rapport maken en slaat u de voorspellings- en categorierapporten op als PDF-bestanden en de gegevensmatrix als spreadsheetbestand. In deze kwantitatieve analyse van de voorspelde acute toxiciteiten van geselecteerde hormoonontregelaars, toen de voorspelde gegevenspunten werden uitgezet ten opzichte van de experimentele gegevenspunten als logboekschaal werd een positieve correlatie gevonden tussen beide parameters voor alle geanalyseerde vissen en voor onze representatieve soorten. Om een veiligheidsbeoordeling van de hoogste betrouwbaarheid mogelijk te maken, werd verdere computationele analyse uitgevoerd door de voorspelde ondergrens van het betrouwbaarheidsinterval van 95% van de dodelijke concentratie bij 50% ten opzichte van de experimenteel afgeleide waarden uit te stipt.In deze evaluatie met een verhoogde veiligheidsdrempel bleek 92% van de totale geteste hormoonontregelende verbindingen in het beschermende bereik te vallen in vergelijking met de experimenteel afgeleide waarden. Hier waren de gemiddelde niveaus van de voorspelde dodelijke concentratie bij 50%-waarden voor de oestrogeenreceptorbindmiddelen hoger dan die van de niet-bindmiddelen. Voor de experimentele dodelijke concentratie bij 50% waarden daarentegen waren drie niveaus van de niet- en zwakke bindmiddelen hoger dan die van de sterkere oestrogeenreceptorbindmiddelen.Deze procedure kan alleen worden toegepast op chemische stoffen met een unieke identificatie, die in dit geval de SMILES-code is. Er is nog een andere geautomatiseerde workflow geïntegreerd in de OESO QSAR Toolbox die op dezelfde manier kan worden toegepast en voor huidsensibilisatie is.

in-silico-modeling-method-for-computational-aquatic-toxicology

Research

JoVE Journal

Bioengineering

Bio-engineering

Hormoonverstorende stoffen (EDC) vormen een aanzienlijk risico voor het aquatisch milieu. Gemeentelijke afvalwaterzuiveringsinstallaties zijn belangrijke bijdragen aan de oestrogene potentie van oppervlaktewater. De methodologie in dit document maakt een evaluatie van de doeltreffendheid en de geschiktheid van afvalwaterzuiveringsprocessen opzichte van EDC verwijderd.

Gebruik van een batterij van chemische en ecotoxicologische methoden voor de beoordeling van de werkzaamheid van Afvalwaterbehandeling processen te verwijderen Estrogenic Potentie

Een protocol om te screenen op endocriene activiteit in organische extracten van watermonsters, inclusief behandelde afvalwaterafvoer en oppervlakte (ontvangende) water, werd aangepast met behulp van commercieel verkrijgbare divisie-geremde ("freeze and thaw") in vitro transactivatie bioassays.

Screening op hormonale activiteit in water met behulp van de handel verkrijgbare<em&gt; In Vitro</em&gt; Transactivering Bioassays

Hoge-doorvoer kleine remmende RNA screening is een belangrijk instrument die helpen kan sneller het ophelderen van de moleculaire mechanismen van chemische hoornvlies epitheliale letsel. Hierin presenteren wij de ontwikkeling en validatie van blootstelling modellen en methoden mbt de hoge doorvoer screening van waterstoffluoride en chloorpikrine-geïnduceerde hoornvlies epitheliale letsel.

High Throughput SiRNA Screening voor chloorpikrine en waterstoffluoride-geïnduceerde hoornvlies epitheliale cel letsel

Een kwantitatieve methode is ontwikkeld om te identificeren en te voorspellen van de acute toxiciteit van chemische stoffen door het automatisch analyseren de fenotypische profilering van Caenorhabditis elegans. Dit protocol wordt beschreven hoe behandelen van wormen met chemicaliën in een 384-well-plate, vastleggen van video's en kwantificeren van toxicologische verwante fenotypen.

Een High-throughput Assay voor de voorspelling van de chemische toxiciteit door geautomatiseerde fenotypische profilering van Caenorhabditis elegans

Hier presenteren we een protocol om de nieuwste versie van de Sequence Alignment to Predict Across Species Susceptibility (SeqAPASS) -tool van het Amerikaanse Environmental Protection Agency te gebruiken. Dit protocol demonstreert de toepassing van de online tool om snel eiwitbehoud te analyseren en aanpasbare en gemakkelijk interpreteerbare voorspellingen van chemische gevoeligheid tussen soorten te bieden.

Demonstratie van de sequentie-uitlijning om te voorspellen tussen soorten gevoeligheidsinstrument voor snelle beoordeling van eiwitbehoud

We beschrijven de workflow en data-analyse van een screeningssysteem voor het evalueren van de toxiciteit van chemische verbindingen op basis van de schrikreactie van zebravisembryo's. Het systeem registreert de bewegingen van zebravisembryo's bij blootstelling aan een trillingsstimulus en maakt een geïntegreerde evaluatie van algemene toxiciteit/letaliteit en neuromusculaire toxiciteit mogelijk.

Evaluatie van de toxiciteit van chemicaliën met behulp van een Zebrafish Vibration Startle Response Screening System

Deze studie gebruikte in-silico-strategieën om Enumerated Etravirine te identificeren als een veelbelovend therapeutisch middel voor HIV. Onze bevindingen over moleculaire interacties en dynamiek ondersteunen het rationele ontwerp van nieuwe NNRTI's als mogelijke alternatieven voor de behandeling van hiv.

Kwantitatieve structuur-activiteitsrelatie, activiteitsvoorspelling en moleculaire dynamiek van niet-nucleotide reverse transcriptaseremmers

Dit tweetalige protocol biedt een computationele workflow voor geneesmiddelenontdekking die eiwit-ligandinteracties van Polo-achtige Kinases 1 tot 3 (PLK1–3) en de eigenschappen van Absorptie, Distributie, Metabolisme, Excretie, Toxiciteit en Stabiliteit (ADMET-S) van in databases gebaseerde natuurlijke moleculen beoordeelt.

Een tweetalige computationele workflow voor het identificeren van potentiële PLK1-remmers in Amerikaanse gebarentaal en Engels

Dit artikel beschrijft AMOS, de webgebaseerde database Analytical Methods and Open Spectra, een cheminformatische applicatie die is ontworpen om onderzoekers gemakkelijk toegang te geven tot analytische methoden en spectrale gegevens.

Informatica toepassen om een structuur doorzoekbare database van analytische methoden te ontwikkelen

Dit protocol zal de extractie en analyse van vrije en geësterde bioactieve vetzuren uit cellen demonstreren. Vetzuren worden nauwkeurig gekwantificeerd met behulp van stabiele isotoopverdunning, chirale vloeistofchromatografie, electronenvangst-atmosferische chemische ionisatie-meervoudige reactiebewaking massaspectrometrie (SID-LC-ECAPCI-MRM/MS).

Cellulaire vetextractie voor gerichte stabiele isotopen Verdunning vloeistofchromatografie-massaspectrometrie Analyse

Leer een computationele methode voor aquatische toxicologie met de OECD QSAR Toolbox. Deze software voorspelt de toxiciteit van hormoonontregelende stoffen en evalueert acute ecotoxiciteit bij vissen.

In silico Modeling method voor computationele aquatische toxicologie van hormoonontregelende stoffen: een op software gebaseerde aanpak met QSAR toolbox (Video) | JoVE Journal

In silico Modeling method voor computationele aquatische toxicologie van hormoonontregelende stoffen: een op software gebaseerde aanpak met QSAR toolbox

Meer video's verkennen