Metoda modelowania in silico w obliczeniowej toksykologii wodnej substancji zaburzających funkcjonowanie układu hormonalnego: podejście oparte na oprogramowaniu z wykorzystaniem zestawu narzędzi QSAR

Podsumowanie

Ilościowe modelowanie zależności struktura-aktywność (QSAR) jest reprezentatywną metodą wspomaganą bioinformatyką w toksykologicznych badaniach przesiewowych. Protokół ten pokazuje, jak obliczeniowo oceniać ryzyko związane z substancjami zaburzającymi funkcjonowanie układu hormonalnego (ED) w środowisku wodnym. Wykorzystując zestaw narzędzi OECD QSAR Toolbox, protokół implementuje test in silico do analizy toksyczności substancji zaburzających funkcjonowanie układu hormonalnego u ryb.

Streszczenie

Analizy obliczeniowe procesów toksykologicznych umożliwiają wysokoprzepustowe badania przesiewowe substancji chemicznych i przewidywanie ich punktów końcowych w systemach biologicznych. W szczególności coraz częściej stosuje się ilościowe modele zależności struktura-aktywność (QSAR) do oceny wpływu na środowisko wielu materiałów toksycznych. W ostatnich latach niektóre z bardziej wyróżnionych rodzajów substancji toksycznych to substancje zaburzające funkcjonowanie układu hormonalnego (ED, które są substancjami chemicznymi, które mogą zakłócać metabolizm związany z hormonami). Ponieważ substancje zaburzające funkcjonowanie układu hormonalnego mogą znacząco wpływać na rozwój i reprodukcję zwierząt, konieczne jest szybkie przewidywanie niekorzystnych skutków zaburzeń erekcji przy użyciu technik in silico. W pracy przedstawiono metodę in silico służącą do generowania danych prognostycznych dotyczących wpływu reprezentatywnych zaburzeń erekcji na kręgowce wodne, w szczególności na gatunki ryb. Protokół opisuje przykład wykorzystujący zautomatyzowany przepływ pracy oprogramowania QSAR Toolbox opracowanego przez Organizację Współpracy Gospodarczej i Rozwoju (OECD) w celu umożliwienia przewidywania ostrej ekotoksyczności substancji zaburzających funkcjonowanie układu hormonalnego. W rezultacie określa się: (1) obliczenie liczbowych korelacji między stężeniem dla 50% śmiertelności (LC₅₀) a współczynnikiem podziału oktanol-woda (K_ow), (2) wydajności wyjściowe, w których wartości LC₅₀ wyznaczone w doświadczeniach są porównywane z wartościami wygenerowanymi przez obliczenia, oraz (3) zależność powinowactwa wiązania receptora estrogenowego od związku między K_ow a LC₅₀.

Wprowadzenie

Nowe osiągnięcia w informatyce i technologii obliczeniowej umożliwiły naukom biologicznym ilościowe metodologie, które oferują wysoką precyzję i niezawodność¹. W szczególności algorytmy stosowane w taksonomii molekularnej i klasyfikacji właściwości zaowocowały ilościowymi modelami zależności struktura-aktywność (QSAR)². Modele te automatycznie korelują struktury chemiczne i aktywność biologiczną danej chemicznej bazy danych i implementują szybkie badania przesiewowe in silico szerokiego zakresu substratów chemicznych zgodnie z ich działaniem leczniczym lub toksykologicznym³. Narzędzia QSAR mogą tworzyć predykcyjne profile toksyczności w funkcji wektorów cech deskryptorów molekularnych (tj. parametrów fizykochemicznych) interesujących substancji chemicznych w celu numerycznego tworzenia kategorycznych punktów końcowych⁴. Zazwyczaj każdy ilościowy punkt końcowy jest wyświetlany jako wykres rozrzutu 2D w funkcji zmian wartości deskryptorów. Następnie generowany jest model QSAR za pomocą (wielu) analiz regresji liniowej. Gdy zestaw danych zostanie w pełni wykorzystany do skonstruowania modelu QSAR (zwanego zbiorem treningowym), model jest następnie statystycznie weryfikowany poprzez przewidywanie punktów końcowych grupy substancji chemicznych nieuwzględnionych w zbiorze treningowym (zwanym zbiorem testowym). Model może być następnie wykorzystany do przewidywania aktywności biologicznej niebadanych związków³.

Wśród wielu szkodliwych substancji chemicznych, substancje zaburzające funkcjonowanie układu hormonalnego (ED) zostały wyróżnione jako grupa substancji toksycznych, które mogą zakłócać liczne metabolizmy hormonów u ssaków, i ryb5^,6. Wiadomo, że zaburzenia erekcji wywołują różne działania niepożądane, takie jak nowotwory i wady rozwojowe, poprzez blokowanie lub zmianę normalnych szlaków hormonalnych lub aktywację nieprawidłowych sygnałów syntezy/degradacji hormonów. W konsekwencji te substancje chemiczne naśladujące hormony mogą zaburzać układ hormonalny tak, że rozwój biologiczny i rozmnażanie populacji dzikich zwierząt jest utrudnione. W szczególności szeroko badano ekotoksykologiczne skutki zaburzeń erekcji u kręgowców wodnych, które mają prawie identyczne struktury receptorów hormonalnych jak u ssaków, w tym ludzi. Ponieważ wszystkie działania hormonalne zachodzą przy niskich dawkach in vivo, przewidywanie potencjalnej toksyczności kandydatów na zaburzenia erekcji za pomocą szybkich badań przesiewowych in silico ma kluczowe znaczenie dla zdrowia publicznego i środowiskowego.

Modele QSAR oparte na toksykologii EDs zostały przeprowadzone przy użyciu deskryptorów 2D i 3D (znanych odpowiednio jako QSAR 2D i 3D), które ujawniają powinowactwo receptorów estrogenowych, androgenowych i progesteronowych do wiązania ligandów ED⁷. Pomimo zalet 3D QSAR o wysokiej precyzji, w których uwzględniane są oddziaływania konformacyjne i elektrostatyczne, 2D QSAR zachowuje swoją własną solidność w bezpośrednich algorytmach matematycznych, szybkich obliczeniach i wyjątkowo niskich obciążeniach obliczeniowych. Ponadto modele 2D-QSAR są elastyczne w szerokim zakresie zastosowań, osiągając jednocześnie stosunkowo dokładną wydajność predykcyjną.

Zestaw narzędzi OECD QSAR jest obecnie jednym z najczęściej używanych narzędzi komputerowych, dostarczającym swobodnie dostępnych i gotowych modeli QSAR^8,9. Jego profiler korzysta z baz danych deskryptorów 2D. Od czasu wydania pierwszej wersji w 2008 roku, oprogramowanie jest stosowane w przemyśle chemicznym i biologicznym, zdrowiu publicznym i bezpieczeństwie środowiska do pełnej lub częściowej analizy potencjalnych zagrożeń związanych ze związkami naturalnymi i syntetycznymi, ze szczególnym uwzględnieniem rakotwórczości^10,11,12, mutagenność^13,14,15, oraz toksyczność rozwojowa¹⁶. Wykazano również zastosowanie w toksykologii wodnej, ze szczególnym uwzględnieniem bioakumulacji i biotransformacji¹⁷.

Zestaw narzędzi QSAR okazał się przydatny do przewidywania krótkoterminowej toksyczności szerokiej gamy substancji chemicznych¹⁷, jak również powinowactwa do wiązania receptora estrogenowego (ER) przez EDs¹⁸. Jednak ostra ekotoksyczność substancji zaburzających funkcjonowanie układu hormonalnego u kręgowców wodnych nie została przeanalizowana przy użyciu zestawu narzędzi QSAR Toolbox. W niniejszym badaniu przedstawiono typowy i łatwy protokół do przeprowadzenia modelowania QSAR na ostrych niekorzystnych skutkach zaburzeń erekcji, ze szczególnym uwzględnieniem gatunków ryb. Z badania wynika, że QSAR Toolbox jest wysoce dostępnym oprogramowaniem do obliczania i przewidywania śmiertelności/śmiertelności kręgowców wodnych dla niektórych reprezentatywnych ED. Przedstawiono statystyczne metody leczenia uzyskanych zestawów danych in silico. Rysunek 1 pokazuje ogólny schemat ogólnego działania QSAR Toolbox. Przepływ pracy pokazany w Rysunek 2 zawiera proste instrukcje, jak przeprowadzić test in silico w celu przewidywania ostrej ekotoksyczności substancji docelowych, takich jak substancje chemiczne zaburzające funkcjonowanie układu hormonalnego.

Protokół

1. Wyposażenie

1. Oprogramowanie: korzystaj z OECD QSAR Toolbox 4.0 lub nowszego (do pobrania za darmo z
2. Komputer: w przypadku OECD QSAR Toolbox należy użyć: (i) typu systemu: 64-bitowy, Windows 7 lub nowszy; (ii) procesor: I5 o częstotliwości 2,4 GHz lub szybszy procesor lub równoważny procesor AMD; (iii) zainstalowana pamięć (RAM): 6 GB; (iv) dysk twardy (HDD): 20 GB wolnego miejsca na dysku twardym (informacje o wydaniu OECD QSAR Toolbox 4.3: ).

2. Procedura

1. Zestaw narzędzi OECD QSAR
   UWAGA: QSAR Toolbox działa w sześciu następujących po sobie modułach przepływu, zaczynając od danych wejściowych, a następnie profilowania, danych, definicji kategorii, wypełniania luk w danych, a następnie raportu, znajdujących się w górnej części interfejsu programu.
   1. Przeglądaj wyżej wymienione sześć etapów za pomocą sześciu ikon na pasku narzędzi, klikając lewym przyciskiem myszy. Po pierwsze, przyjrzyj się etapom wprowadzania, wypełniania luk w danych i raportowania, które są niezbędne do przeprowadzenia zautomatyzowanego przepływu pracy "Ekotoksykologicznego punktu końcowego" i udokumentowania jego wyników.
   2. Przyjrzyj się pokrótce opcjonalnym etapom Profilowanie i Dane. Etap profilowania zapewnia wstępny wgląd w potencjał (eko)toksyczności substancji docelowej i charakterystykę losów w środowisku. Opcjonalny etap Dane umożliwia wyszukiwanie dostępnych danych doświadczalnych związanych z substancją docelową.
2. wkład
   1. Po uruchomieniu QSAR Toolbox, użytkownik domyślnie rozpoczyna pracę na etapie Input toolbox. QSAR Toolbox automatycznie tworzy plik roboczy o nazwie "Dokument 1", który jest wyświetlany w panelu opcji stołu montażowego po lewej stronie interfejsu programu. W razie potrzeby zmień nazwę pliku, klikając prawym przyciskiem myszy plik roboczy.
   2. Kliknij przycisk CAS# na pasku narzędzi akcji, wprowadź numer usługi abstrakcji chemicznej (CAS) substancji docelowej w dostępnym polu tekstowym i kliknij przycisk Szukaj. Następnie narzędzie wyszuka substancję docelową według numeru CAS.
   3. W razie potrzeby wybierz inne opcje wyszukiwania, które są dostępne na pasku narzędzi akcji, takie jak wyszukiwanie według nazwy substancji lub kodu uproszczonego systemu wprowadzania wiersza z danymi molekularnymi (SMILES). SMILES może być wprowadzany jako niestereochemiczne lub stereochemiczne formy 3D zawierające stereochemię. Kliknij odpowiednio opcję Nazwa lub Struktura. Użyj narzędzia Struktura, aby narysować substancję docelową.
   4. Narzędzie wyszukiwania wyświetla wyniki wyszukiwania za pomocą rekordów bazy danych w wyskakującym okienku. Wybierz rekord zgłaszający "wysoką" relację CAS-SMILES (pole Relacja CS), jeśli pobieranych jest wiele rekordów dla substancji docelowej, zaznaczając pole po lewej stronie rekordu. Kliknij przycisk OK.
      UWAGA: Kontynuowanie od tego punktu jest możliwe tylko wtedy, gdy pobrany rekord zawiera kod SMILES, ponieważ kod SMILES (2D non-stereochemical containing form) jest podstawą obliczeń.
   5. Tryb wsadowy: aby przeprowadzić test in silico dla wielu substancji docelowych, należy napisać prostą listę substancji w edytorze tekstu, w której każdy numer CAS jest wymieniony w jednym wierszu (rysunek uzupełniający S3). Zapisz plik tekstowy o odpowiedniej nazwie i rozszerzeniu .txt na komputerze.
   6. Tryb wsadowy: kliknij opcję Dane. Następnie przejdź do Bazy danych w panelu opcji etapu po lewej stronie interfejsu programu. Upewnij się, że sprawdzone są bazy danych wymienione w sekcji Informacje ekotoksykologiczne.
   7. Tryb wsadowy: kliknij opcję Wejście. Wybierz pozycję Zapytanie z paska narzędzi akcji. Zaakceptuj ustawienia ustawione w kroku 2.2.6, klikając przycisk Tak w oknie dialogowym.
   8. Tryb wsadowy: wybierz zakładkę CAS. Prześlij listę substancji zapisaną jako plik tekstowy za pomocą opcji Załaduj listę z komputera.
   9. Tryb wsadowy: dostępne są dwa przyciski Dodaj; kliknij przycisk Dodaj u dołu menu podręcznego, a następnie kliknij w Wykonaj. W programie QSAR Toolbox zostanie wyświetlony komunikat o liczbie substancji, które zostały pobrane do wyszukiwania.
      UWAGA: Niektóre substancje z załadowanego wykazu mogą nie zostać znalezione przez wyszukiwarkę lub że dla jednego numeru CAS może być dostępnych kilka pozycji. Nie ma możliwości usunięcia substancji z pobranego zbioru substancji.
3. Profilowanie
   UWAGA: Poniższa sekcja jest opcjonalna. Jeśli nie jest to wymagane, przejdź do sekcji 2.5.
   1. Kliknij przycisk etapu przybornika Profilowanie. Przejdź do sekcji Metody profilowania w panelu opcji etapu po lewej stronie interfejsu programu.
   2. Kliknij przycisk Odznacz wszystko. Należy sprawdzić wszystkie profilery wymienione w obszarze Wstępnie zdefiniowane oraz te związane z toksycznością dla środowiska wodnego wymienione w sekcji Specyficzny dla punktu końcowego, takie jak "Klasyfikacja ostrej toksyczności dla środowiska wodnego według Verhaara (zmodyfikowana)".
   3. Zakończ wybór. Następnie kliknij przycisk Zastosuj na pasku narzędzi Akcje.
      UWAGA: QSAR Toolbox zawiera zalecenia dotyczące zestawu profilerów. Są one wyróżnione kolorem zielonym (odpowiednie) i pomarańczowym (prawdopodobnym) po wybraniu opcji Opcje > Koloruj według: > Punkt końcowy wybrany w macierzy danych w lewym górnym rogu opcji Metody profilowania. Kliknij lewym przyciskiem myszy pole macierzy danych obok interesującego Cię punktu końcowego. Dostępne punkty końcowe są wymienione w drzewie punktów końcowych obok panelu opcji etapu. Profiler Typ substancji wskaże, czy substancja docelowa jest "dyskretną substancją chemiczną". Informacje są wyświetlane w rozwiniętym drzewie punktów końcowych "Profil", "Wstępnie zdefiniowany" i "Typ substancji". Tylko wtedy, gdy substancja docelowa jest dyskretną substancją chemiczną, zautomatyzowany przepływ pracy może przebiegać pomyślnie. "Klasyfikacja ostrej toksyczności dla środowiska wodnego przez Verhaar (zmodyfikowana)" zawiera pierwsze oszacowanie mechanizmu ostrej toksyczności dla środowiska wodnego substancji docelowej^19,20. Informacje są wyświetlane w rozwiniętym drzewie punktów końcowych "Profil", "Specyficzny dla punktu końcowego" i "Klasyfikacja ostrej toksyczności dla środowiska wodnego według Verhaara (zmodyfikowana)". Dostępnych jest pięć klas: (klasa 1) obojętne substancje chemiczne (toksyczność wyjściowa); (klasa 2) mniej obojętne chemikalia; (klasa 3) reaktywne substancje chemiczne; (klasa 4) substancje chemiczne o specyficznie działającym działaniu; oraz (klasa 5) dla substancji chemicznych, których nie można sklasyfikować.
   4. Kliknij prawym przyciskiem myszy Parametr w drzewie punktów końcowych, aby uruchomić zintegrowane modele 2D i 3D QSAR dostępne w Przyborniku QSAR, jeśli jest to wymagane. Kliknij opcję Oblicz/wyodrębnij wszystkie parametry dla wszystkich substancji chemicznych w menu podręcznym.
   5. Modele 2D i 3D QSAR zestawione w parametrze dostarczają wartości liczbowe. Użyj "Metod profilowania" w celu uzyskania informacji jakościowych (patrz krok 2.3.1).
4. Dane
   UWAGA: Ta sekcja jest opcjonalna. Jeśli nie jest to wymagane, przejdź do sekcji 2.5.
   1. Kliknij przycisk etapu przybornika Dane. Następnie kliknij przycisk Zbierz na pasku narzędzi Akcje.
   2. Wybierz pozycję Wszystkie punkty końcowe, aby zebrać wszystkie dane eksperymentalne, a następnie wybierz pozycję Wybierz pozycję Aby zebrać dane eksperymentalne specyficzne dla punktu końcowego. Na przykład, jeśli użytkownik koncentruje się na toksyczności dla środowiska wodnego, kliknij opcję Wybierz > Informacje ekotoksykologiczne > Toksyczność dla środowiska wodnego > OK.
      UWAGA: Wybranie opcji zbierania danych eksperymentalnych dla wszystkich punktów końcowych może prowadzić do wydłużenia czasu przetwarzania. Użytkownik może dostosować hierarchię drzewa punktów końcowych do konkretnego celu. Zmienia to sposób wyświetlania danych.
   3. W razie potrzeby kliknij prawym przyciskiem myszy interesujący Cię punkt końcowy w obszarze drzewa punktów końcowych. Wybierz opcję Ustaw hierarchię drzewa z menu podręcznego. Uporządkuj drzewo punktów końcowych w preferowany sposób, korzystając z dostępnych terminów i strzałek, a następnie kliknij przycisk OK.
   4. W razie potrzeby wyeksportuj zebrane dane jako plik Excel. Kliknij prawym przyciskiem myszy interesujący Cię punkt końcowy i wybierz z menu podręcznego opcję Eksportuj macierz danych.
   5. Otworzy się kreator "Eksport macierzy", który umożliwia dodanie innych punktów końcowych do listy eksportu. Zakończ zaznaczanie, kliknij przycisk Eksportuj i zapisz plik na komputerze.
      UWAGA: Eksport danych ze wszystkich baz danych nie jest możliwy. Nie można na przykład zapisać danych pobranych z bazy danych "ECHA CHEM".
5. Wypełnianie luk w danych
   1. Kliknij przycisk etapu przybornika Wypełnianie luki w danych. Następnie kliknij przycisk Automatyczne na pasku narzędzi Akcje.
   2. Wybierz ekotoksykologiczny punkt końcowy > ryb, LC50 (stężenie śmiertelne, 50%) po 96 godzinach dla Pimephales promelas (śmiertelność). Kliknij przycisk OK. Pojawi się "Kontroler przepływu pracy", a przetwarzanie może potrwać do kilku minut, szczególnie w trybie wsadowym.
      UWAGA: QSAR Toolbox automatycznie stosuje zdefiniowany zestaw profilerów podczas wyszukiwania odpowiednich substancji z dostępnymi danymi eksperymentalnymi do prognozy. Dane doświadczalne [np. stężenia powodujące skutki 96 h LC₅₀ (P. promelas) lub 96 h EC₅₀ (P. promelas, śmiertelność)] wykorzystuje się do wygenerowania prognozy dla substancji docelowej za pomocą przybliżenia liniowego lub metody najbliższego sąsiedztwa. Należy pamiętać, że metody aproksymacji liniowej i najbliższego sąsiedztwa są określane odpowiednio jako analiza trendu (oznaczona jako "T") i metoda odczytu krzyżowego (oznaczona jako "R").
   3. Użytkownik otrzyma komunikat, jeśli przewidywanie zostanie wykonane pomyślnie. Kliknij przycisk OK i zamknij kontroler przepływu pracy, wskazując komunikat "Ukończono przepływ pracy", klikając x w prawym górnym rogu.
   4. Tryb wsadowy: po uruchomieniu zautomatyzowanego przepływu pracy użytkownik zostanie poproszony o określenie zakresu substancji, w odniesieniu do których ma zostać wykonany przepływ pracy. Zaakceptuj pełny zakres substancji wybranych domyślnie w oknie dialogowym, klikając przycisk OK.
   5. Tryb wsadowy: użytkownik nie otrzyma komunikatu wskazującego, czy przewidywanie zostało uruchomione pomyślnie, czy nie. Zamknij kontroler przepływu pracy wskazujący "Zakończony przepływ pracy" na końcu przetwarzania wsadowego, klikając x w prawym górnym rogu.
6. sprawozdanie
   1. Jeśli prognoza została pomyślnie wykonana, kliknij przycisk etapu przybornika Raport.
      UWAGA: W trybie wsadowym nie można generować żadnych raportów.
   2. Przewiń w dół i znajdź wartość przewidywania w polu macierzy znajdującym się w podświetlonym na żółto wierszu obok punktu końcowego "96-h". Przewidywana wartość jest oznaczona symbolem "T" lub "R". Aktywuj to konkretne pole macierzy danych, klikając je lewym przyciskiem myszy.
   3. Kliknij przycisk Przewidywanie na pasku narzędzi Akcje. Dostosuj zawartość i wygląd raportu w kreatorze wyskakujących okienek. Dostępne są trzy typy raportów: (i) prognoza, (ii) kategoria i (iii) macierz danych.
   4. Kreator umożliwia użytkownikowi wypełnienie imienia i nazwiska autora oraz danych kontaktowych. Napisz krótkie podsumowanie, szczegółowo wyjaśnij interpretację mechanistyczną lub uzasadnij adekwatność przewidywania.
   5. W razie potrzeby dołącz dodatkowe informacje związane z wykonaną prognozą. Zakres dodatkowych informacji zależy od użytkownika.
   6. Przejdź przez kreatora, klikając przycisk Dalej. Na koniec kliknij Utwórz raport i zapisz raporty predykcji i kategorii jako pliki PDF, a macierz danych jako arkusz kalkulacyjny Excel na komputerze.
   7. Więcej informacji na temat funkcjonalności QSAR Toolbox i zautomatyzowanych przepływów pracy można znaleźć w podręczniku aplikacji dla OECD QSAR Toolbox v.4 (pomoc F1 na klawiaturze). Szczegółowe informacje na temat algorytmów i przesłanek stojących za zautomatyzowanym przepływem pracy są opisane przez Dimitrov et al.⁸ oraz Yordanova et al.⁹.

3. Aplikacja

1. W przypadku stosowania przewidywanego stężenia powodującego skutki (tj. 96-godzinnego LC₅₀ P. promelas) w ocenie ryzyka dla środowiska należy zastosować dolną granicę 95% przedziału ufności. Znajdź dane na pierwszej stronie zapisanego raportu predykcyjnego (PDF) w sekcji "Podsumowanie prognozy", "Przewidywana wartość: <średnia> (od do )."
   UWAGA: Uwagi podane tutaj są oparte na wynikach porównania danych przewidywanych i eksperymentalnych dla zestawu substancji docelowych zgłoszonych w tym badaniu. Wybór dolnej granicy 95-procentowego przedziału ufności zwiększy prawdopodobieństwo, że przewidywane stężenie powodujące skutki nie będzie niedoszacowywać rzeczywistej toksyczności substancji (zob. reprezentatywne wyniki). Przewidywane efektywne stężenie dolnej granicy 95-procentowego przedziału ufności będzie zatem stanowić bezpieczniejszą podstawę oceny ryzyka.

Wyniki

Przykład opisany w tym badaniu został zaimplementowany do analizy ilościowej i przewidywania ostrych toksyczności wybranych substancji zaburzających funkcjonowanie układu hormonalnego u ryb. Gdy przewidywane punkty danych zostały wykreślone w porównaniu z eksperymentalnymi punktami danych w skali logarytmicznej, stwierdzono dodatnią korelację między nimi dla wszystkich ryb a reprezentatywnym gatunkiem, a mianowicie Pimephales promelas (strzebla grubogłowa; Rysunek 3). W obu przypadkach nachylenie regresji liniowej okazało się porównywalne (przewidywane LC₅₀/eksperymentalne LC₅₀ = 0,611 i 0,602 odpowiednio dla wszystkich ryb i P. promelas). Ze względu na ograniczoną ilość danych eksperymentalnych, liczba dostępnych wartości z obserwacji eksperymentalnej była zwykle mniejsza niż z predykcji obliczeniowej. Zastosowanie 5-krotnego współczynnika tolerancji dla zdolności obliczeniowej²¹ dało 94% (34/36) i 96% (26/27) prognozy ochronnej odpowiednio dla wszystkich ryb i P. promelas. Opierając się na tym przewidywaniu, 3',5,7-trihydroksy-4',6-dimetoksyizoflawon i 1,4-benzenodiol wydawały się wykazywać obliczone wartości LC₅₀ większe niż granica tolerancji.

Aby umożliwić ocenę bezpieczeństwa przy najwyższej wiarygodności, przeprowadzono dalszą analizę obliczeniową, wykreślając przewidywaną dolną granicę 95% przedziału ufności LC₅₀ (zamiast średnich wartości używanych w Rysunek 3) w porównaniu z eksperymentalnie uzyskanymi wartościami (Rysunek 4). W tej ocenie z podwyższonym progiem bezpieczeństwa wykazano, że 92% (33/36) wszystkich badanych związków zaburzających funkcjonowanie układu hormonalnego mieści się w zakresie ochronnym w porównaniu z wartościami uzyskanymi doświadczalnie, z wyjątkiem: 3',5,7-trihydroksy-4',6-dimetoksyizoflawonu; 1,4-benzenodiol; i 4-heksylofenol.

Na podstawie ocen całego gatunku dostępnych w bazie danych, wartości dla przewidywanego i eksperymentalnego 96-godzinnego logarytmu₁₀LC₅₀ wykazywały liniowość z wartościami log₁₀K_OW w domenie między -1 a 7, co wskazuje na hiperboliczną korelację między LC₅₀ a K_OW. Istniała ogólna tendencja, w wyniku której LC₅₀ zmniejszał się dla wyższych wartości K_OW substancji zaburzających erekcję dla danych uzyskanych zarówno z przewidywań obliczeniowych, jak i eksperymentów, co sugeruje rosnącą toksyczność ostrą u gatunków ryb dla substancji zaburzających erekcję o wyższej hydrofobowości (rysunek uzupełniający S1).

Przez oparty na regułach profiler ER osadzony w OECD QSAR Toolbox, powinowactwa powiązań ER EDs zostały sklasyfikowane jako niewiążące, jak również słabe, umiarkowane, silne i bardzo silne wiązania, w kolejności rosnącego powinowactwa wiązania¹⁸. W związku z tym rozkład statystyczny logarytmu₁₀K_ow można przedstawić jako jakościową klasyfikację powinowactwa wiązania ER (rysunek uzupełniający S2). Ogólnie rzecz biorąc, zmiany w zakresach rozkładu K_ow i ich średnich poziomach wydają się nie wykazywać określonej tendencji. Podobnie, rozkłady przewidywanego i eksperymentalnego LC₅₀ przedstawiono jako zakres powinowactwa wiązania ER (Rysunek 5). W tym przypadku średnie poziomy przewidywanego LC₅₀ dla spoiw ER były wyższe niż dla osób niewiążących. Natomiast dla eksperymentalnego LC₅₀ średnie poziomy nie- i słabych spoiw były wyższe niż w przypadku silniejszych spoiw ER.

Rysunek 1: Podstawowy schemat ogólnego przepływu pracy w zestawie narzędzi OECD QSAR Toolbox.
Kliknij tutaj, aby zobaczyć większą wersję tego rysunku.

Rysunek 2: Przepływ pracy.
Przedstawiono przepływ pracy konceptualizujący moduły i sekwencje stosowane do przewidywania ostrej toksyczności substancji zaburzających funkcjonowanie układu hormonalnego (ED) u ryb przy użyciu zestawu narzędzi OECD QSAR. Kliknij tutaj, aby zobaczyć większą wersję tego rysunku.

Rycina 3: Przewidywane i eksperymentalne 96-godzinne LC₅₀ zaburzeń erekcji w tabeli 1 dla wszystkich ryb (niebieskie diamenty, n = 36) i wybranego gatunku P. promelas (cyjan diamenty, n = 27).
Dla przewidywanej LC₅₀ wyświetlane są wartości średnie ("AVE"). Linie przerywane reprezentują regresje liniowe dla dwóch grup: dla wszystkich ryb (jasnoniebieski), przewidywane LC₅₀^AVE = 0,611 x (eksperymentalne LC₅₀) + 0,277 (skorygowane r² = 0,408); a dla P. promelas (jasnocyjan), przewidywano LC₅₀^AVE = 0,602 x (eksperymentalne LC₅₀) + 0,385 (skorygowane r² = 0,441). Ciągła linia ukośna pokazuje jedność, w której wartości przewidywane i eksperymentalne są równe²¹. Szara przerywana linia pokazuje 5-krotny limit tolerancji zdolności obliczeniowej¹⁹. Wartości odstające: 3',5,7-trihydroksy-4',6-dimetoksyizoflawon (*) i 1,4-benzenodiol (**). Kliknij tutaj, aby zobaczyć większą wersję tego rysunku.

Rycina 4: Przewidywane (dolna granica 95% przedziału ufności, "niskie-95%") w porównaniu z eksperymentalnym 96-godzinnym LC₅₀ EDs w tabeli 1 dla wszystkich ryb (n = 36).
Linia przerywana reprezentuje regresję liniową: przewidywany LC₅₀^niski-95% = 0,470 x (eksperymentalny LC₅₀) - 0,312, gdzie skorygowane r² = 0,193. Ciągła linia ukośna wskazuje jedność, w której wartości przewidywane i eksperymentalne są sobie równe¹⁹. Wartości odstające: 3',5,7-trihydroksy-4',6-dimetoksyizoflawon (*), 1,4-benzenodiol (**) i 4-heksylofenol (***). Kliknij tutaj, aby zobaczyć większą wersję tego rysunku.

Rysunek 5: Rozkłady przewidywanych (pudełka pełne, n = 8–20 dla każdej kategorii) i eksperymentalnych (pola przerywane; n = 3–16 dla każdej kategorii) 96-godzinnego LC₅₀ w zależności od powinowactwa wiązania ER EDs w tabeli 1 dla wszystkich ryb.
Wykres pudełkowy reprezentuje: (A) średnią (mały kwadrat z pogrubionym poziomym paskiem), (B) 1. i 3. kwartyl (dolny i górny – końce pola, odpowiednio), (C) medianę (poziomy segment wewnątrz pola), (D) 5^{. i 95. percentyl} (odpowiednio dolne i górne słupki błędu), (E) 1^{. i 99}. percentyl (odpowiednio dolny i górny x) oraz (F) minimum i maksimum (odpowiednio dolny i górny –). Kliknij tutaj, aby zobaczyć większą wersję tego rysunku.

) pkt. pkt. pkt. pkt. pkt. pkt. pkt. pkt. pkt. pkt. pkt. pkt. pkt. pkt. grudnia pkt. pkt. jedn. pkt. pkt. pkt. pkt. pkt. pkt. pkt. pkt. roku pkt. Rozdział pkt. pkt. zł roku pkt. pkt. pkt. TGL pkt. pkt. pkt. pkt. pkt. pkt. pkt. pkt. Rozdział pkt. pkt. pkt. pkt. Rozdział pkt. pkt. pkt. Rozdział pkt. pkt. szt. pkt. TGLI Rozdział pkt. pkt. Rozdział pkt. Rozdział pkt. pkt. pkt. Rozdział pkt. pkt. pkt. pkt. pkt. pkt.

Nie.

Numer rejestru CAS

Nazwa substancji

UŚMIECH Formuła (forma niestereochemiczna 2D)

Log Kow (Dziennik Kowalski

AVE przewidywany 96-godzinny LC50 (mg/l)

NIŻSZY 95% CI przewidywany 96-godzinny LC50 (mg/l)

Profiler - Wiązanie receptora estrogenowego

1

50-28-2

17-β Estradiol

CC12CCC3C(CCc4cc(O)ccc34)C1CCC2O

Norma 4.01

Pytanie 3,62

Rejon 1,42

Bardzo mocne spoiwo, grupa OH

cyfra arabska

57-63-6

17-α Ethinyl- Estradiolu

CC12CCC3C(CCc4cc(O)ccc34)C1CCC2(O)C#C

Rejon 3,67

Godzina 3.00

Pytanie 1,18

Mocne spoiwo, grupa OH

3

80-05-7

2,2-bis(4-hydroksyfeno-nyl)propan (Bisfenol A)

CC(C)(c1ccc(O)cc1)c1ccc(O)cc1

Klasa 3,32

Norma 4,68

Godzina 1,80

Bardzo mocne spoiwo, grupa OH

4

80-46-6

4-tert-pentylofenol

CCC(C)(C)c1ccc(O)cc1

Pytanie 3,91

Wynik 2,27

0,87

Słabe spoiwo, grupa OH

5

140-66-9

4-tert-oktylofenol

CC(C)(C)CC(C)(C)c1ccc(O)cc1

Klasa 5,28

0,38

0,14

Mocne spoiwo, grupa OH

6

446-72-0

Genistein [3',5,7-trihydroksy-4',6-dimetoksyizoflawon]

Oc1ccc(cc1)C1=COc2cc(O)cc(O)c2C1=O

Wynik 2,84

godz. 32.00

Godzina 10.03

Bardzo mocne spoiwo, grupa OH

7

10161-33-8

17β-Trenbolon

CC12C=CC3C(CCC4=CC(=O)CCC=34)C1CCC2O

Godzina 2,65

124,72

godz. 19.75

Mocne spoiwo, grupa OH

8

67747-09-5

Prochloraz (środek grzybobójczy DMI)

CCCN(CCOc1c(Cl)cc(Cl)cc1Cl)C(=O)n1ccnc1

4.1

Klasa 5,19

1,74

Bez spoiwa, bez grupy OH lub NH2

9

84852-15-3

4-nonylofenol

CC(C)CCCCCCc1ccc(O)cc1

Klasa 5,92

0,21

0,07

Mocne spoiwo, grupa OH

10

69-72-7

kwas salicylowy

OC(=O)c1ccccc1O

Klasa 2,26

Godzina 24.07

Godzina 9,31

Słabe spoiwo, grupa OH

11

80-09-1

4,4'-dihydroksydifenylosulfon (Bisfenol S)

Oc1ccc(cc1)S(=O)(=O)c1ccc(O)cc1

Rejon 1,65

Pytanie 48,67

Godzina 10,67

Bardzo mocne spoiwo, grupa OH

12

84-74-2

kwas ftalowy, ester dibutylowy

CCCCOC(=O)c1ccccc1C(=O)OCCCC

Rozdział 4.5

0,76

0,06

Bez spoiwa, bez grupy OH lub NH2

13

92-88-6

4,4′-dihydroksybifenyl

Oc1ccc(cc1)-c1ccc(O)cc1

2.8

Godzina 12.05

Godzina 4,20

Umiarkowane spoiwo, grooup OH

14

94-13-3

4-hydroksybenzoesowy, ester propylowy

CCCOC(=O)c1ccc(O)cc1

Klasa 3.04

Godzina 10.32

3,86

Umiarkowane spoiwo, grooup OH

15

98-54-4

4-tert-butylofenol

CC(C)(C)c1ccc(O)cc1

Rejon 3,31

Godzina 4,36

1,68

Słabe spoiwo, grupa OH

16

97-23-4

2,2′-dihydroksy-–5,5′-dichlorodifenylo-metan

Oc1ccc(Cl)cc1Cc1cc(Cl)ccc1O

Lokal mieszkalny 4,26

0,48

0,10

Bardzo mocne spoiwo, grupa OH

17

97-53-0

eugenol

COc1cc(CC=C)ccc1O

Wynik 2,27

godz. 14.70

Godzina 5,60

Słabe spoiwo, grupa OH

Rozdział 18

99-76-3

4-hydroksybenzoesowy, ester metylowy

COC(=O)c1ccc(O)cc1

1,96

Godzina 38.20

Godzina 14.01

Słabe spoiwo, grupa OH

Rozdział 19

103-90-2

N-(4-hydroksyfenylo) acetamid

CC(=O)Nc1ccc(O)cc1

0,46

338,97

Z dnia 43,39

Słabe spoiwo, grupa OH

20

106-44-5

p-krezol

Cc1ccc(O)cc1

1,94

Godzina 20,47

7,14

Słabe spoiwo, grupa OH

21

108-39-4

m-krezol

Cc1cccc(O)c1

1,96

Godzina 23.45

Godzina 9,17

Słabe spoiwo, grupa OH

22 Rozdział 22

108-45-2

1,3-fenylenodiamina

Nc1cccc(N)c1

-0,33

Do godziny 34,60

0,00

Słabe spoiwo, grupa NH2

23

108-46-3

1,3-dihydroksybenzen

Oc1cccc(O)c1

0,8

123.03

Godzina 27.06

Słabe spoiwo, grupa OH

24

108-91-8

cykloheksyloamina

NC1CCCCC1

Rejon 1,49

Godzina 28.08

Godzina 1,40

Słabe spoiwo, grupa NH2

25

119-36-8

kwas salicylowy, ester metylowy

COC(=O)c1ccccc1O

Godzina 2,55

Godzina 16,16

Klasa 5,68

Słabe spoiwo, grupa OH

26

120-47-8

4-kwas hydroksybenzoesowy, ester etylowy

CCOC(=O)c1ccc(O)cc1

Godzina 2,47

19,93

godz. 7.40

Słabe spoiwo, grupa OH

27 Rozdział 27

120-80-9

1,2-dihydroksybenzen

Oc1cccccc1O

0,88

Godzina 11.14

0,01

Słabe spoiwo, grupa OH

28

123-31-9

1,4-dihydroksybenzen [1,4-benzenodiol]

Oc1ccc(O)cc1

0,59

Nr 90,75

Godzina 33,19

Słabe spoiwo, grupa OH

29

131-53-3

2,2′-dihydroksy-4-metoksybenzofenonu

COc1ccc(C(=O)c2ccccc2O)c(O)c1

Rejon 3,82

3,97

Godzina 1,46

Bardzo mocne spoiwo, grupa OH

Rozdział 30

131-56-6

2,4-dihydroksybenzofenon

Oc1ccc(c(O)c1)C(=O)c1ccccc1

Z dnia 2,96

Godzina 12.04

Norma 4,73

Mocne spoiwo, grupa OH

Rozdział 31

131-57-7

2-hydroksy-4-metoksybenzofenon

COc1ccc(C(=O)c2ccccc2)c(O)c1

Rejon 3,79

Klasa 5,96

Wynik 2,27

Mocne spoiwo, grupa OH

Rozdział 32

599-64-4

4-kumylofenol

CC(C)(c1ccccc1)c1ccc(O)cc1

Rozdział 4.12

Informacja o tym, że 2,15

0,84

Mocne spoiwo, grupa OH

33 Rozdział 33

2855-13-2

1-amino-3-aminometylo-3,5,5-trimetylo-cykloheksan

CC1(C)CC(N)CC(C)(CN)C1

Pytanie 1.9

Dnia 30,65

Pytanie 1,53

Umiarkowane spoiwo, grupa NH2

Rozdział 34

6864-37-5

3,3′-dimetylo-4,4′-diaminodicykloheksylmetan

CC1CC(CCC1N)CC1CCC(N)C(C)C1

4.1

1,07

0,05

Mocne spoiwo, grupa NH2

35

25013-16-5

tert-butylo-4-hydroksyanizol

COc1ccc(O)c(c1)C(C)(C)C

3,5

Godzina 4,85

1,85

Umiarkowane spoiwo, grooup OH

36

147315-50-2

2-(4,6-difenylo-1,3,5-triazyno-2-ylo)-5-(heksyloksyl)fenol

CCCCCCOc1ccc(c(O)c1)-c1nc(nc(n1)-c1ccccc1)-c1ccccc1

Lokal 6,24

0,17

0,06

Mocne spoiwo, grupa OH

37

88-68-6

2-aminobenzamid

NC(=O)c1ccccc1N

0,35

694,00

Godzina 84,30

Słabe spoiwo, grupa NH2

38 Rozdział 38

611-99-4

4,4′-dihydroksybenzofenon

Oc1ccc(cc1)C(=O)c1ccc(O)cc1

Informacja o tym, że 2,19

Rejon 37,74

Godzina 14,67

Bardzo mocne spoiwo, grupa OH

39 Rozdział 39

27955-94-8

1,1,1-tris(4-hydroksyfenol)etan

CC(c1ccc(O)cc1)(c1ccc(O)cc1)c1ccc(O)cc1

Godzina 4,38

Godzina 2.09

0,82

Bardzo mocne spoiwo, grupa OH

Rozdział 40

87-18-3

kwas salicylowy, ester 4-tert-butylofenylowy

CC(C)(C)c1ccc(OC(=O)c2ccccc2O)cc1

Klasa 5,73

0,24

0,09

Mocne spoiwo, grupa OH

Rozdział 41

47465-97-4

3,3-bis(3-metylo-4-hydroksyfenylo)2-indolinon

Cc1cc(ccc1O)C1(C(=O)Nc2ccccc12)c1ccc(O)c(C)c1

Godzina 4,48

Informacja o tym, że 2,07

0,77

Bardzo mocne spoiwo, grupa OH

42 Rozdział 42

99-96-7

kwas p-hydroksybenzoesowy

OC(=O)c1ccc(O)cc1

Wynik 1,58

Godzina 8,54

0,00

Słabe spoiwo, grupa OH

Rozdział 43

80-07-9

1-Chloro-4-(4- chlorofenylo)sulfonylobenz

Clc1ccc(cc1)S(=O)(=O)c1ccc(Cl)cc1

3,9

3,92

0,85

Bez spoiwa, bez grupy OH lub NH2

Rozdział 44

84-65-1

9,10-Antrachinon

O=C1c2ccccc2C(=O)c2ccccc12

Pytanie 3,39

godz. 7.00

3,54

Bez spoiwa, bez grupy OH lub NH2

Rozdział 45

85-44-9

2-benzofuran-1,3-dione

O=C1OC(=O)c2ccccc12

1.6

Stopień ten wynosi 2,69

0,00

Bez spoiwa, bez grupy OH lub NH2

Rozdział 46

92-84-2

10H-Fenotiazyna

N1c2ccccc2Sc2ccccc12

Lokal mieszkalny z dnia 4,15

1,07

0,08

Bez spoiwa, bez grupy OH lub NH2

Rozdział 47

2855-13-2

1-amino-3-aminometylo-3,5,5-trimetylo-cykloheksan

CC1(C)CC(N)CC(C)(CN)C1

Pytanie 1.9

Dnia 30,65

Pytanie 1,53

Umiarkowane spoiwo, grupa NH2

Rozdział 48

50-27-1

Estriol

CC12CCC3C(CCc4cc(O)ccc34)C1CC(O)C2O

Godzina 2,45

O godz. 21.21

Godzina 8,29

Bardzo mocne spoiwo, grupa OH

Rozdział 49

50-50-0

beta-estradiolo-3-benzoesan

CC12CCC3C(CCc4cc(OC(=O)c5ccccc5)ccc34)C1CCC2O

Klasa 5,47

0,36

0,02

Mocne spoiwo, grupa OH

50

53-16-7

Estrone

CC12CCC3C(CCc4cc(O)ccc34)C1CCC2=O

Pytanie 3.13

7,78

Klasa 3,06

Mocne spoiwo, grupa OH

51 Rozdział 51

92-52-4

Bifenyl

c1ccc(cc1)-c1ccccc1

Norma 4.01

Rozdział 4.10

0,47

Bez spoiwa, bez grupy OH lub NH2

Rozdział 52

92-69-3

p-fenylofenol

Oc1ccc(cc1)-c1ccccc1

3.2

Klasa 5,99

Pytanie 1,82

Umiarkowane spoiwo, grooup OH

53 Rozdział 53

96-29-7

2-oksym butanonu

CCC(C)=NIE

0,63

Do godziny 32,67

Wynik 2,49

Bez spoiwa, struktura niecykliczna

54 Rozdział 54

121-75-5

Malathon

CCOC(=O)CC(SP(=S)(OC)OC)C(=O)OCC

Klasa 2,36

37,73

Klasa 3,33

Bez spoiwa, struktura niecykliczna

55

123-07-9

4-Etylofenol

CCc1ccc(O)cc1

Godzina 2,58

godz. 13.63

Godzina 4,65

Słabe spoiwo, grupa OH

56 Rozdział 56

645-56-7

4-n-n-Propylpehnol

CCCc1ccc(O)cc1

3.2

Godzina 7,32

Godzina 2,55

Słabe spoiwo, grupa OH

57

1638-22-8

p-fenol butylowy

CCCCc1ccc(O)cc1

Klasa 3,65

Rozdział 4.09

Pytanie 1,39

Słabe spoiwo, grupa OH

Rozdział 58

1912-24-9

Atrazyna

CCNc1nc(Cl)nc(NC(C)C)n1

Stopień ten wynosi 2,61

Dnia 30,87

Z dnia 4,63

Bez spoiwa, bez grupy OH lub NH2

59 Rozdział 59

40596-69-8

Metopren

COC(C)(C)CCCC(C)CC=CC(C)=CC(=O)OC(C)C

Rozdział 5.5

0,08

0,00

Bez spoiwa, struktura niecykliczna

60

1987-50-4

4-heptylofenol

CCCCCCCc1ccc(O)cc1

Norma 5.01

0,66

0,22

Umiarkowane spoiwo, grooup OH

61

92-86-4

p,p'-Dibromobiphenyl

Brc1ccc(cc1)-c1ccc(Br)cc1

Klasa 5,72

0,11

0,02

Bez spoiwa, bez grupy OH lub NH2

62

480-41-1

Naringenin

Oc1ccc(cc1)C1CC(=O)c2c(O)cc(O)cc2O1

Pytanie 2,52

Godzina 27,84

Godzina 10,87

Bardzo mocne spoiwo, grupa OH

Rozdział 63

486-66-8

Daidzein

Oc1ccc(cc1)C1=COc2cc(O)ccc2C1=O

Godzina 2,55

Dnia 36,47

Godzina 11.71

Bardzo mocne spoiwo, grupa OH

Rozdział 64

491-70-3

Luteolina

Oc1cc(O)c2C(=O)C=C(Oc2c1)c1ccc(O)c(O)c1

Godzina 2,53

Lokal z numerem 43,75

Godzina 14.28

Bardzo mocne spoiwo, grupa OH

65

491-80-5

Biochanina A

COc1ccc(cc1)C1=COc2cc(O)cc(O)c2C1=O

Pytanie 3,41

godz. 15,87

Godzina 3,70

Mocne spoiwo, grupa OH

Rozdział 66

520-18-3

Kaempferol

Oc1ccc(cc1)C1Oc2cc(O)cc(O)c2C(=O)C=1O

1,96

70,98

Godzina 8.05

Bardzo mocne spoiwo, grupa OH

67

2051-60-7

2-chlorobifenyl (PCB 1)

Clc1cccccc1-c1ccccc1

Godzina 4,53

0,77

0,16

Bez spoiwa, bez grupy OH lub NH2

68

2051-61-8

3-chlorobifenyl (PCB 2)

Clc1cccc(c1)-c1ccccc1

Godzina 4,58

0,77

0,16

Bez spoiwa, bez grupy OH lub NH2

Rozdział 69

2051-62-9

4-chloro-1,1'-bifenyl

Clc1ccc(cc1)-c1ccccc1

Norma 4,61

0,77

0,16

Bez spoiwa, bez grupy OH lub NH2

70

2446-69-7

p-n-Heksylofenol [4-heksylofenol]

CCCCCCc1ccc(O)cc1

Z godziny 4,52

Pytanie 1,22

0,42

Umiarkowane spoiwo, grooup OH

71 Rozdział 71

14938-35-3

4-n-amylfenol

CCCCCc1ccc(O)cc1

Norma 4,06

Godzina 2,44

0,89

Słabe spoiwo, grupa OH

72 Rozdział 72

17924-92-4

Zearalenon

CC1CCCC(=O)CCCC=Cc2cc(O)cc(O)c2C(=O)O1

3,58

Rozdział 7,22

Godzina 2,66

Mocne spoiwo, grupa OH

73 Rozdział 73

1743-60-8

beta-estradiol 3-benzoesan 17-nmaślan

CC(=O)OC1CCC2C3CCc4cc(O)ccc4C3CCC12C

Godzina 4,95

0,91

0,35

Mocne spoiwo, grupa OH

74 Rozdział 74

479-13-0

Coumestrol

Oc1ccc2c(OC(=O)c3c-2oc2cc(O)ccc32)c1

Wynik 1,57

Norma 52,16

godz. 11.44

Bardzo mocne spoiwo, grupa OH

Tabela 1: Lista ocenianych substancji chemicznych zaburzających funkcjonowanie układu hormonalnego. Średnie średnie (AVE) i dolne 95% skuteczne stężenia w przedziale ufności (CI) (95-h LC₅₀, Pimephales promelas), a także wiązanie receptora estrogenowego przewidywano za pomocą QSAR Toolbox w wersji 4.3 Automated Workflow. Log₁₀K_ow został pobrany za pomocą QSAR Toolbox w wersji 4.3 z KOWWIN v1.68, 2000, U.S. Environmental Protection Agency. Eksperymentalne wartości logarytmu₁₀K_ow były preferowane w stosunku do wartości przewidywanych. Lista substancji docelowych została skompilowana z wcześniej zgłoszonych list EDs^22,23,24.

Informacje uzupełniające.Kliknij tutaj, aby pobrać ten plik.

Dyskusja

Wszechstronność OECD QSAR Toolbox jako oprogramowania analitycznego dla ekotoksykologii została tutaj pokazana ze szczególnym zainteresowaniem niekorzystnym wpływem substancji chemicznych zaburzających funkcjonowanie układu hormonalnego na kręgowce wodne. Ponadto zademonstrowano prosty i standardowy protokół przewidywania ostrej toksyczności (96-h LC₅₀) 74 reprezentatywnych zaburzeń erekcji (tabela 1) dla gatunków ryb. Udało się to osiągnąć dzięki zastosowaniu modułów budowania kategorii, wypełniania luk w danych i profilowania ER wbudowanych w QSAR Toolbox (Rysunek 1, Rysunek 2).

Liniowa korelacja między log₁₀LC₅₀ i log₁₀K_OW o ujemnym nachyleniu (jak pokazano na rysunku uzupełniającym S1) jest od dawna znana jako standardowa zależność ilościowa w analizach QSAR²⁵, gdzie wykazano wyższą toksyczność, im bardziej hydrofobowa jest dana substancja chemiczna. Jak widać z prostego obliczenia, ogólna zależność matematyczna, która obejmuje równanie S1 i równanie S2 (informacje uzupełniające), jest wyrażeniem przekonwertowanym z następującej funkcji potęgowej²⁶:

Z wykresu (równanie 2) scharakteryzowanie pośredniego zakresu K_OW²⁶ może być możliwe poprzez dostosowanie parametrów a i b, w przypadku gdy pewna zmiana hydrofobowości (lub hydrofilowości) nie zmienia znacząco punktu końcowego toksyczności ostrej.

Analizy porównawcze między przewidywaniami obliczeniowymi a obserwacjami eksperymentalnymi na LC₅₀, jak pokazano na rysunku 3 i rysunku 4, były zwykle zgłaszane w badaniach QSAR dla różnych toksycznych substancji wodnych, w tym technicznych niejonowych środków powierzchniowo czynnych²⁷, fungicydów triazolowych²⁸ i metabolitów pestycydów²¹. Ten rodzaj walidacji retrospektywnej dostarcza informacji o tym, jak daleko może sięgać dane narzędzie QSAR pod względem porównywania wydajności z wynikami eksperymentalnymi. W tym badaniu ostrej toksyczności u ryb udowodniono, że QSAR Toolbox zapewnia przewidywania ochronne dla ponad 90% badanych zaburzeń erekcji u wszystkich ryb i u jednego gatunku, Pimephales promelas.

Konieczna jest dalsza identyfikacja trzech odstających substancji chemicznych na rys. 3 i rys. 4, które wykazały odpowiednio wyższą przewidywaną wartość LC₅₀ i co najmniej LC. Po pierwsze, 3',5,7-trihydroksy-4',6-dimetoksyizoflawon jest rodzajem flawonoidu (a dokładniej izoflawonu), który jest uważany za ogólnie bezpieczny i stosowany w farmaceutykach ziołowych; Jednak nadal ma problemy związane z estrogenem²⁹ i może powodować ostrą toksyczność, prawdopodobnie poprzez rozprzęganie fosforylacji oksydacyjnej³⁰. Następnie 1,4-benzenodiol, zwany hydrochinonem, jest związkiem fenolowym, który może wywołać niespecyficzną i cytotoksyczną odpowiedź immunologiczną u ryb³¹. Wreszcie, wiadomo, że 4-heksylofenol wykazuje wystarczającą pozytywną aktywność estrogenową, aby można go było sklasyfikować jako ED³². Zostało dobrze zbadane, że główną przyczyną ostrej toksyczności hydrochinonu jest cykl redukcji-utleniania (redoks). Hydrochinon jest utleniany do benzochinonu i wielokrotnie redukowany z powrotem do półchinonu lub hydrochinonu, z kofaktorami zubożającymi i wytwarzającymi reaktywne formy tlenu³³. Pozostałe dwie substancje chemiczne mogą wymagać głębszych badań, aby ujawnić ich mechanizmy działania w ostrej ekotoksyczności przy użyciu metod dokowania molekularnego, takich jak te stosowane przez Panche i ^wsp.34, które nie mogą być objęte zestawem narzędzi QSAR.

Zaburzenia erekcji zakłócają działanie układu hormonalnego głównie poprzez interakcje fizykochemiczne z receptorami steroidowymi, takimi jak receptory estrogenowe i androgenowe, które cieszą się dużym zainteresowaniem w badaniach modelowania QSAR³⁵. Biorąc to pod uwagę, QSAR Toolbox jest solidny pod względem łatwej i szybkiej klasyfikacji powinowactwa wiązania ER dla zestawu substancji chemicznych opartego wyłącznie na deskryptorach 2D struktur molekularnych. Kiedy ten system profilowania ER został zastosowany do naszej listy ED, nie znaleziono wyraźnej korelacji między powinowactwem wiązania ER a hydrofobowością (rysunek uzupełniający S2). Wynik ten można wytłumaczyć faktem, że powstawanie kompleksu steroid-receptor nie jest bezpośrednią konsekwencją udziału wiązania hydrofobowego, ale powinna mu towarzyszyć zmiana konformacyjna w strukturze receptora miejsca aktywnego³⁶. Wiązanie receptora może być również spowodowane wiązaniami wodorowymi i układaniem π.

Dodatkowo, położenie każdej grupy chemicznej na cząsteczce może wpływać na wiązanie receptora, nawet jeśli hydrofobowość i liczba akceptorów-donorów wiązań wodorowych pozostają takie same. Po drugie, profiler ER wytworzył przeciwstawne trendy między przewidywanymi i eksperymentalnymi średnimi poziomami LC₅₀ ze wzrostem powinowactwa wiązania ER (Figura 5). Może to wynikać z faktu, że śmiertelność rodziców w badaniu toksyczności ostrej nie jest spowodowana wiązaniem ER, ale raczej narkozą w większości przypadków lub cyklem redoks w przypadku hydrochinonu. Na przykład, bardziej obszerna analiza, w tym toksyczność przewlekła, jest wymagana dla większego zestawu ED, aby zdefiniować ograniczenia predykcyjne obecnej wersji QSAR Toolbox.

Te wstępne badania mogą mieć również implikacje dla zdrowia publicznego, ponieważ sterydy (androgeny, estrogeny, progestageny i kortykosteroidy) i ich receptory wykazują podobne lub nawet identyczne struktury makromolekularne u kręgowców⁵. Tego typu analogiczne systemy sygnalizacji endokrynologicznej mogą działać przy użyciu wspólnego mechanizmu w kluczowych zdarzeniach zaburzeń erekcji⁵. Niemniej jednak potrzebne są dodatkowe i uzupełniające metodologie, aby naświetlić ten rozległy i złożony aspekt [na przykład poprzez przeprowadzenie modelowania obliczeniowego wchłaniania, dystrybucji, metabolizmu i wydalania (ADME) i/lub ścieżki niepożądanych skutków (AOP)]³⁸. Ponadto, ponieważ większość obaw naukowych i publicznych dotyczących niekorzystnych skutków substancji zaburzających funkcjonowanie układu hormonalnego jest związana z ich przewlekłą toksycznością, konieczne jest zarówno ulepszenie baz danych i algorytmów w zestawie narzędzi QSAR Toolbox, jak i opracowanie wiarygodnych długoterminowych prognoz ekotoksykologicznych dla substancji zaburzających funkcjonowanie układu hormonalnego.

W artykule przedstawiono zastosowanie QSAR Toolbox do porównywania ekotoksykologicznych wartości LC₅₀ dla ryb z wartościami log₁₀K_ow ED. W całym protokole skutkuje to słabymi relacjami między tymi dwoma parametrami, ponieważ wykazano w poprzednich badaniach (np. Kim i wsp.39), że log₁₀K_ow nie jest dobrym bezpośrednim predyktorem wodnego LC₅₀. Pomimo tego ograniczenia, protokół ten zapewnia ogólny przegląd lub "winietę" opisującą, jak korzystać z pulpitu nawigacyjnego w danym celu, ponieważ jest to ważna aplikacja do korzystania z zestawu narzędzi QSAR do badania korelacji między LC₅₀ (lub powinowactwem wiązania ER) a logarytmem_{10K ow},  lub jako narzędzie do szybkich badań przesiewowych ostrej ekotoksyczności. Niemniej jednak należy zauważyć, że (1) naświetlenie związku między wiązaniem receptora estrogenowego a przewlekłą toksycznością, a nie ostrą toksycznością (śmiertelnością), jest bardziej istotne, aby można było znaleźć wyraźniejsze korelacje, oraz (2) receptor androgenowy, wraz z receptorem estrogenowym, również odgrywa kluczową rolę w toksycznym wpływie na rozrodczość. W związku z tym wymagane jest, aby przyszła wersja QSAR Toolbox poprawiła funkcje predykcyjne w świetle tych dwóch punktów.

Materiały

Lista materiałów użytych w tym artykule

Nazwa	Firma	Numer katalogowy	Komentarze
Adobe Acrobat Reader DC	Adobe Systems Software Ireland Limited	BRAK DANYCH	Wymagane do wyświetlenia raportu przewidywania i kategorii
System komputerowy	: Microsoft Corporation	NA	Zalecane właściwości systemu: (i) typ systemu: 64-bitowy, Microsoft Windows 7 lub nowszy, (ii) procesor: I5 o częstotliwości 2,4 GHz lub szybszy lub równoważny procesor AMD, (iii) Zainstalowana pamięć (RAM): 6 GB pamięci RAM, (iv) Dysk twardy (HDD): 20 GB wolnego miejsca na dysku twardym
Microsoft Editor	Microsoft Corporation	NA	Wymagane do przesłania listy substancji numerów CAS (tryb wsadowy) do OECD QSAR Toolbox jako pliku .txt (plik tekstowy)
Microsoft Excel 2016	Microsoft Corporation	BRAK	Wymagane do eksportowania danych z OECD QSAR Toolbox w postaci plików .cvs, .xls lub .xlsx OECD
QSAR Toolbox w wersji 4.0 lub nowszej	Organizacja Współpracy i Rozwoju	BRAK DANYCH	Wymagane do uruchomienia OECD QSAR Toolbox Automated Workflows; do pobrania za darmo: https://qsartoolbox.org/download/
OriginPro 9	OriginLab Corporation	NA	Opcjonalny program do analizy danych; możliwe podobne narzędzia