Summary
정량적 구조-활성 관계(QSAR) 모델링은 독성 학적 스크리닝에서 대표적인 생물 정보학 보조 방법입니다. 이 프로토콜은 수중 환경에서 내분비 장애(ED)의 위험을 계산적으로 평가하는 방법을 보여줍니다. OECD QSAR 툴박스를 활용하여, 프로토콜은 물고기에서 EDs의 독성을 분석하기위한 실리코 분석을 구현합니다.
Abstract
독성 학적 공정의 전산 분석을 통해 화학 물질의 높은 처리량 스크리닝과 생물학적 시스템에서 종점을 예측할 수 있습니다. 특히, 정량적 구조-활성 관계(QSAR) 모델은 과다한 독성 물질의 환경적 영향을 평가하기 위해 점점 더 많이 적용되고 있다. 최근 몇 년 동안, 독성 물질의 몇 가지 더 강조 유형은 내 분 비 방해 (EDs, 어떤 호르몬 관련 물질 대사를 방해할 수 있는 화학 물질). ED는 동물 발달 및 번식에 큰 영향을 미칠 수 있기 때문에 실리코 기술을 사용하여 EDs의 부작용을 신속하게 예측해야 합니다. 이 연구는 수생 척추 동물, 특히 물고기 종에서 대표 형 뇌의 효과에 대한 예측 데이터를 생성하는 실리코 방법을 제시한다. 이 프로토콜은 경제협력개발기구(OECD)가 개발한 QSAR 툴박스 소프트웨어의 자동화된 워크플로우를 활용하여 ED의 급성 생태독성 예측을 가능하게 하는 예를 설명합니다. 그 결과, (1) 치사율 50%에 대한 농도(LC50)와옥탄올-수분 분할 계수(Kow), (2) LC(50)의 출력 성능 간의 수치 상관관계를 계산한 결과 실험에서 결정된 값은 계산에 의해 생성된 값과 비교되고, (3) K ow와 LC 50사이의 관계에 대한 에스트로겐 수용체 결합 친화도의 의존성을 비교한다.
Introduction
정보학 및 전산 기술의 새로운 발전은 높은 정밀도와 신뢰성을 제공하는 정량적 방법론으로 생물 과학에 힘을 실어 주었습니다1. 특히, 분자 분류 및 특성 분류에 사용되는 알고리즘은 정량적 구조-활성 관계(QSAR) 모델2를초래하였다. 이들 모델은 주어진 화학 데이터베이스의 화학 적 구조 및 생물학적 활동을 자동으로 상관시키고 그들의 약용 또는 독성 학적 작용에따라 광범위한 화학 기판의 실리코 스크리닝을 신속하게 구현한다 3. QSAR 도구는 분자 설명자의 특징 벡터(즉, 물리화학적 파라미터)의 함수로서 예측 독성 프로파일을 생성하여 수치적으로 범주형 엔드포인트를 생성할수 있다 4. 일반적으로 각 정량 끝점은 설명자 값의 변경과 2D 산점대로 표시됩니다. 그런 다음 (다중) 선형 회귀 해석을 사용하여 QSAR 모델이 생성됩니다. 데이터 집합이 QSAR 모델(학습 집합이라고 함)을 생성하기 위해 완전히 악용되면 학습 집합에 포함되지 않은 화학 물질 그룹의 끝점을 예측하여 모델의 통계적 유효성을 검사합니다(테스트 집합이라고 함). 그런 다음 모델은 시험되지 않은 화합물의 생물학적활동을 예측하는 데 사용할 수 있습니다 3.
많은 유해 화학 물질 중, 내 분 비 장애 (EDs) 포유류에서 수많은 호르몬 관련 물질 대사에 방해가 될 수 있는독성 물질의 그룹으로 강조 되었습니다., 양서류, 그리고 물고기 5,6. EDs는 정상적인 호르몬 경로를 차단하거나 변경하거나 비정상적인 호르몬 합성/분해 신호를 활성화하여 암 및 기형과 같은 다양한 부작용을 유발하는 것으로 알려져 있습니다. 결과적으로, 이러한 호르몬 모방 화학 물질 생물학적 개발 및 야생 동물 인구의 재생 방해 하는 등 내 분 비 시스템을 방해 수 있습니다. 특히, EDs의 생태 독성 효과 광범위 하 게 수생 척추 동물에서 조사 되었습니다., 포유류의 거의 동일한 호르몬 수용 체 구조는, 인간을 포함 하 여. 모든 호르몬 행동은 생체 내에서 낮은 복용량에서 발생하기 때문에, 실리코 스크리닝에서 빠른을 사용하여 ED 후보의 잠재적 인 독성을 예측하는 것은 공공 및 환경 건강에 중요하다.
EdD의 독성학에 기초한 QSAR 모델은 에스트로겐, 안드로겐, 및 프로게스테론 수용체 7의 ED 리간드 결합 친화도를 드러내는 2D 및 3D 설명자(각각2D 및 3D QSAR로 알려짐)를 모두 활용하여 수행되었다. 형태 및 정전기 상호 작용을 고려하는 3D QSAR의 고정밀 이점에도 불구하고 2D QSAR는 직접 수학적 알고리즘, 신속한 계산 및 매우 낮은 계산 하중에서 자체적인 견고성을 유지합니다. 또한 2D-QSAR 모델은 비교적 정확한 예측 성능을 달성하면서 광범위한 애플리케이션에서 유연하게 사용할 수 있습니다.
OECD QSAR 도구 상자는 현재 가장 많이 사용되는 컴퓨터 소프트웨어 도구 중 하나이며,자유롭게 사용할 수 있고 미리 빌드된 QSAR 모델 8,9. 프로파일러는 2D 설명자 데이터베이스를 사용합니다. 2008년 첫 번째 버전이 출시된 이래, 이 소프트웨어는 화학 및 생물학적 산업, 공중 보건 및 환경 안전 분야에 적용되어 천연 및 합성 화합물의 잠재적 위험을 전체 또는 부분적으로 분석했습니다. 발암성 10,11,12,돌연변이13,14,15,및 발달 독성16에특별한 관심사. 수생 독성학에 대한 응용은 또한 생물 축적 및 생물 변환 에 초점을 맞춘17을입증되었습니다.
QSAR 툴박스는 광범위한 화학물질(17)의 단기 독성뿐만 아니라EDs18의에스트로겐 수용체(ER) 결합 친화도를 예측하는데 유용함을 입증하였다. 그러나, 수생 척추동물에 있는 EDs의 심각한 생태독성은 QSAR 공구 상자를 사용하여 분석되지 않았습니다. 본 연구에서는, 어종에 초점을 맞춘 EDs의 급성 부작용에 대한 QSAR 모델링을 수행하기 위해 전형적이고 허구적인 프로토콜이 제시된다. 이 연구는 QSAR 툴박스가 일부 대표적인 EDs에 대한 수생 척추동물의 치사율/사망률을 계산하고 예측하기 위한 접근성이 높은 소프트웨어임을 보여줍니다. 그림 1은 QSAR 도구 상자의 일반 작업에 대한 전체 구성표를 보여 주며, 이에 대한 전반적인 구성표를 보여 주실 것이다. 그림 2에 표시된 워크플로우는 내분비 파괴 화학 물질과 같은 표적 물질의 급성 생태 독성을 예측하기 위해 실리코 분석법을 작동하는 방법에 대한 간단한 지침을 제공합니다.
Protocol
1. 장비
- 소프트웨어: OECD QSAR 툴박스 4.0 이상(&https://qsartoolbox.org/download/?)과 데이터 분석 소프트웨어를 사용하세요.
- 컴퓨터: OECD QSAR 도구 상자에 대 한 사용: (i) 시스템 유형: 64 비트, 윈도우 7 이상; (ii) 프로세서: 2.4GHz에서 I5, 또는 더 빠른 프로세서 또는 동등한 AMD CPU; (iii) 설치된 메모리 (RAM) : 6 GB; (iv) 하드 디스크 드라이브 (HDD) : 무료 하드 드라이브 공간의 20 GB (OECD QSAR 도구 상자 4.3 릴리스 노트:
2. 수속
- OECD QSAR 툴박스
참고: QSAR 툴박스는 입력부터 시작하여 프로파일링, 데이터, 범주 정의, 데이터 갭 채우기, Repor t, 그 다음에 6개의 연속 흐름 모듈로 작동합니다. 프로그램 인터페이스.- 왼쪽 클릭으로 6개의 도구 모음 아이콘을 통해 앞서 언급한 6단계를 탐색합니다. 먼저 자동화된 워크플로 "생태독성 종점"을 수행하고 그 결과를 문서화하는 데 필요한 입력, 데이터 갭 채우기 및 보고서의 단계를 살펴봅니다.
- 선택적 단계 프로파일링 및 데이터를 간량한 살펴봅니다. 프로파일링 단계는 대상 물질의 (에코) 독성 잠재력 및 환경 운명 특성에 대한 초기 통찰력을 제공합니다. 선택적 데이터 단계를 사용하면 대상 물질과 관련된 사용 가능한 실험 데이터를 검색할 수 있습니다.
- 입력
- QSAR 도구 상자를 시작하면 사용자는 기본적으로 입력 도구 상자 단계에서 시작합니다. QSAR 도구 상자는 프로그램 인터페이스 왼쪽의 스테이지 옵션 패널에 표시되는 "문서 1"이라는 작업 파일을 자동으로 만듭니다. 원하는 경우 작업 파일을 마우스 오른쪽 단추로 클릭하여 파일 이름을 바꿉니다.
- 작업 도구 모음에서 CAS# 단추를 클릭하고 사용 가능한 텍스트 필드에 대상 물질의 화학 추상 서비스(CAS) 번호를 입력하고 검색을 클릭합니다. 그런 다음 도구는 CAS 번호로 대상 물질을 검색합니다.
- 필요한 경우 실명 또는 간소화된 분자 입력 라인 입력 시스템(SMILES) 코드로 검색하는 등 작업 도구 모음에서 사용할 수 있는 다른 검색 옵션을 선택합니다. SMILES는 2D 비 스테레오케미컬 또는 3D 스테레오케미컬 폼을 함유한 형태로 입력할 수 있습니다. 이름 또는 구조를 각각 클릭합니다. 구조 도구를 사용하여 대상 물질을 그립니다.
- 검색 도구는 팝업 창에서 데이터베이스 레코드를 통해 검색 결과를 표시합니다. 레코드 왼쪽에 있는 확인란을 선택하여 대상 물질에 대해 여러 레코드를 검색하는 경우 "높음" CAS-SMILES 관계(CS관계 필드)를 보고하는 레코드를 선택합니다. 확인을클릭합니다.
참고: 검색된 레코드에 SMILES 코드(2D 비스테레오케미컬 양식 포함)가 계산의 기초가 되는 경우에만 이 시점에서 진행할 수 있습니다. - 배치 모드: 다중 표적 물질에 대한 실리코 분석에서 수행하려면, 각 CAS 번호가 단일 행에 나열되어 있는 텍스트 편집기에서 간단한 물질 목록을 작성한다(보충도서S3). 컴퓨터에 적절한 이름과 확장 .txt로 텍스트 파일을 저장합니다.
- 일괄 처리 모드: 데이터를 클릭합니다. 그런 다음 프로그램 인터페이스 왼쪽의 스테이지 옵션 패널의 데이터베이스로 이동합니다. 생태독성 정보 아래에 나열된 데이터베이스가 확인되었는지 확인하십시오.
- 일괄 처리 모드: 입력을 클릭합니다. 작업 도구 모음에서 쿼리를 선택합니다. 대화 상자 창에서 예를 클릭하여 2.2.6 단계에서 설정한 설정을 수락합니다.
- 배치 모드: CAS 탭을 선택합니다. 컴퓨터에서 로드 목록을 통해 텍스트 파일로 저장된 물질 목록을 업로드합니다.
- 일괄 처리 모드: 두 개의 추가 단추를 사용할 수 있습니다. 팝업 메뉴 하단의 추가 단추를 클릭한 다음 실행을 클릭합니다. QSAR 도구 상자에는 검색을 위해 검색된 물질 수에 대한 메시지가 표시됩니다.
참고: 로드된 목록의 일부 물질은 검색 도구에서 찾을 수 없거나 하나의 CAS 번호에 대해 여러 항목을 사용할 수 있습니다. 검색된 물질 집합에서 물질을 삭제할 수 없습니다.
- 프로 파일링
참고: 다음 섹션은 선택 사항입니다. 필요하지 않은 경우 섹션 2.5로 건너뜁니다.- 도구 상자 단계 단추 프로파일링을 클릭합니다. 프로그램 인터페이스 왼쪽의 스테이지 옵션 패널에서 프로파일링 메서드로 이동합니다.
- 모두 선택 취소를 클릭합니다. "Verhaar(수정됨)"과 같이 엔드포인트 에 명시된 수생 독성과 관련된 프로파일러를 확인합니다.
- 선택 을 완료합니다. 그런 다음 작업 도구 모음에서 적용 단추를 클릭합니다.
참고: QSAR 도구 상자는 프로파일러 집합에 대한 권장 사항을 제공합니다. 이러한 옵션은 옵션 및 색상별 선택 시 녹색(적합) 및 주황색(그럴듯한)으로 강조 표시됩니다. 관심 있는 끝점 옆의 데이터 행렬 필드를 왼쪽클릭합니다. 사용 가능한 끝점은 스테이지 옵션 패널 옆에 있는 끝점 트리에 나열됩니다. 프로파일러 물질 유형은 대상 물질이 "이산 화학물질"인지 여부를 나타냅니다. 정보는 확장된 끝점 트리 "프로파일", "미리 정의된" 및 "물질 유형"에 표시됩니다. 대상 물질이 이산 화학물질인 경우에만 자동화된 워크플로우가 성공적으로 실행될 수 있습니다. "Verhaar(개질)"에 의한 급성 수생 독성 분류는 표적 물질19,20의급성 수생 독성 메커니즘의 첫 번째 추정치를 제공한다. 이 정보는 확장된 엔드포인트 트리 "프로파일", "엔드포인트 특이적" 및 "Verhaar에 의한 급성 수생 독성 분류(수정)"에 표시됩니다. 5개의 종류가 유효합니다: (클래스 1) 불활성 화학물질 (기준선 독성); (클래스 2) 덜 불활성 화학 물질; (클래스 3) 반응성 화학 물질; (클래스 4) 구체적으로 화학 물질을 연기; (클래스 5) 분류할 수 없는 화학 물질에 대해. - 원하는 경우 끝점 트리에서 매개 변수를 마우스 오른쪽 단추로 클릭하여 QSAR 도구 상자에서 사용할 수 있는 통합 2D 및 3D QSAR 모델을 실행합니다. 팝업 메뉴의 모든 화학 물질에 대한 모든 매개 변수 계산/추출을 클릭합니다.
- 매개 변수에서 컴파일된 2D 및 3D QSAR 모델은 숫자 값을 제공합니다. 정성적 정보에는 "프로파일링 방법"을 사용합니다(2.3.1 단계 참조).
- 데이터
참고: 이 섹션은 선택 사항입니다. 필요하지 않은 경우 섹션 2.5로 건너뜁니다.- 도구 상자 단계 버튼을 클릭 데이터. 그런 다음 작업 도구 모음에서 수집을 클릭합니다.
- 모든 끝점을 선택하여 모든 실험 데이터를 수집한 다음 끝점별 실험 데이터를 수집하도록 선택합니다. 예를 들어, 수생 독성이 사용자의 초점인 경우 선택 > 생태 독성 정보 > 수생 독성 및 확인을 클릭합니다.
참고: 모든 끝점에 대한 실험 데이터 수집을 선택하면 처리 시간이 길어질 수 있습니다. 사용자는 끝점 트리의 계층 구조를 특정 용도에 맞게 조정할 수 있습니다. 이렇게 하면 데이터가 표시되는 방식이 변경됩니다. - 원하는 경우 끝점 트리 영역에서 관심 있는 끝점을 마우스 오른쪽 단추로 클릭합니다. 팝업 메뉴에서 트리 계층 설정 설정을 선택합니다. 사용 가능한 용어와 화살표를 사용하여 원하는 방식으로 끝점 트리를 구성하고 확인을 클릭합니다.
- 원하는 경우 수집된 데이터를 Excel 파일로 내보냅니다. 관심 있는 끝점을 마우스 오른쪽 단추로 클릭하고 팝업 메뉴에서 데이터 내보내기 매트릭스를 선택합니다.
- "행렬 내보내기" 마법사가 열리고 내보내기 목록에 다른 끝점을 추가할 수 있습니다. 선택을 완료하고 내보내기를 클릭하고 컴퓨터에 파일을 저장합니다.
참고: 모든 데이터베이스에서 데이터를 내보내는 것은 불가능합니다. 예를 들어 데이터베이스 "ECHA CHEM"에서 검색된 데이터를 저장할 수 없습니다.
- 데이터 갭 충진
- 도구 상자 단계 버튼을 클릭 데이터 간격 채우기. 그런 다음 작업 도구 모음에서 자동화를 클릭합니다.
- 생태 독성 엔드포인트 선택 > 생선, LC50 (치명적인 농도, 50%) 96 시간에서 피메팔리스 프로멜라 (사망률). 확인을 클릭합니다. "워크플로우 컨트롤러"가 나타나고 처리는 특히 배치 모드에서 몇 분 정도 걸릴 수 있습니다.
참고: QSAR 툴박스는 예측에 사용할 수 있는 실험 데이터가 있는 적합한 물질을 검색할 때 정의된 프로파일러 세트를 자동으로 적용합니다. 실험 데이터 [예를 들어, 효과 농도 96 h LC50 (P. promelas)또는 96 h EC50 (P. promelas,사망률)] 선형 근사치 또는 가장 가까운 에 의해 대상 물질에 대한 예측을 생성하는 데 사용됩니다. 이웃 방법. 선형 근사치 및 가장 가까운 이웃의 방법을 각각 추세 분석("T"로 레이블 지정) 및 읽기-건너편("R"로 레이블 지정)이라고 합니다. - 예측이 성공적으로 수행되면 사용자는 메시지를 받게 됩니다. 확인을 클릭하고 오른쪽 상단 모서리에서 x를 클릭하여 "완료된 워크플로"를 나타내는 워크플로 우컨트롤러를 닫습니다.
- 일괄 처리 모드: 자동화된 워크플로를 시작하면 사용자에게 워크플로를 실행할 물질의 범위를 지정하라는 메시지가 표시됩니다. 확인을 클릭하여 대화 상자 창에서 기본적으로 선택한 모든 물질 범위를 수락합니다.
- 일괄 처리 모드: 예측이 성공적으로 실행되었는지 또는 실패했는지를 나타내는 메시지가 사용자에게 수신되지 않습니다. 오른쪽 상단 모서리에서 x를 클릭하여 일괄 처리가 끝날 때 "완료된 워크플로"를 나타내는 워크플로 컨트롤러를 닫습니다.
- 보고서
- 예측이 성공적으로 실행된 경우 도구 상자 단계 단추 보고서를 클릭합니다.
참고: 일괄 처리 모드에서는 보고서를 생성할 수 없습니다. - 아래로 스크롤하여 끝점 "96-h" 옆의 노란색 강조 표시된 행에 있는 행렬 필드에서 예측 값을 찾습니다. 예측 값은 "T" 또는 "R"으로 레이블이 지정됩니다. 왼쪽을 클릭하여 이 특정 데이터 매트릭스 필드를 활성화합니다.
- 작업 도구 모음에서 예측을 클릭합니다. 팝업 마법사에서 보고서 콘텐츠 및 모양을 사용자 지정합니다. (i) 예측, (ii) 범주 및 (iii) 데이터 매트릭스의 세 가지 유형의 보고서를 사용할 수 있습니다.
- 마법사를 사용하면 작성자의 이름과 연락처 세부 정보를 입력할 수 있습니다. 짧은 요약을 작성하거나, 기계해석에 대한 자세한 설명을 제공하거나, 예측의 적절성에 대한 정당성을 제공합니다.
- 원하는 경우 실행된 예측과 관련된 추가 정보를 포함합니다. 추가 정보의 범위는 사용자에 따라 다릅니다.
- 다음을 클릭하여 마법사를 통과합니다. 마지막으로 보고서 만들기를 클릭하고 예측 및 범주 보고서를 PDF 파일로 저장하고 데이터 매트릭스를 컴퓨터의 Excel 스프레드시트로 저장합니다.
- OECD QSAR 툴박스 v.4(키보드의 F1 도움말)에 대한 응용 프로그램 설명서에서 QSAR 도구 상자의 기능 및 자동화된 워크플로우에 대한 자세한 내용을 알아보십시오. 자동화 된 워크플로 우두한 알고리즘과 근거에 대한 자세한 내용은 Dimitrov 등8 및 Yordanovaetal. 9에 의해 설명됩니다.
- 예측이 성공적으로 실행된 경우 도구 상자 단계 단추 보고서를 클릭합니다.
3. 응용 프로그램
- 환경 위험 평가에서 예측 된 효과 농도 (즉, 96-h LC50 의 P. promelas)를사용하는 경우, 95 % 신뢰 구간의 하한을 사용하십시오. 저장된 예측 보고서(PDF)의 첫 페이지에 있는 데이터를 "예측 요약", "예측 값:
( 에서 )까지"를 찾습니다.
참고: 여기에 제공된 노트는 이 연구에서 보고된 표적 물질 집합에 대한 예측 데이터와 실험 데이터 간의 비교 결과를 기반으로 합니다. 95% 신뢰 범위의 하한쪽을 선택하면 예측된 효과 농도가 물질의 실제 독성을 과소평가하지 않을 가능성이 높아집니다(대표 결과 참조). 따라서 95% 신뢰 구간의 하한선에 대한 예측된 유효 농도는 위험 평가를 위한 보다 안전한 기반을 제공합니다.
Representative Results
본 연구에서 설명된 예는 물고기에서 선택된 EDs의 급성 독성의 정량적 분석 및 예측을 위해 구현되었다. 예측된 데이터 포인트를 로그 스케일로 실험 데이터 포인트에 대해 플롯했을 때, 모든 물고기와 대표적인 종, 즉 피메팔리프로멜라(fathead minnow)에 대해 둘 사이의 긍정적인 상관관계가 발견되었다. 그림3). 두 경우 모두, 선형 회귀의 기울기는 비교가능한 것으로 나타났다(모든 어류 및 P. 프로멜라에대해 LC50/실험LC50 = 0.611 및 0.602 각각 예측). 실험 데이터의 양이 제한되어 있기 때문에 실험 관찰에서 사용 가능한 값의 수는 일반적으로 계산 예측보다 작습니다. 계산능력(21)에 대해 공차 계수를 5배로 적용하면 모든 어류및 P. 프로멜라에대한 보호 예측의 94%(34/36) 및 96%(26/27)가 각각 발생했습니다. 이러한 예측에 기초하여, 3', 5,7-트리하이드록시-4', 6-디메톡시소플라본 및 1,4-벤젠네디올은 허용오차 한계보다 더 큰 계산된 LC50 값을 나타내는 것으로 나타났다.
가장 높은 신뢰성으로 안전 도산을 가능하게 하기 위해 LC50의 95% 신뢰 구간(그림 3에 사용된 평균 값 대신)의 예측하한도를 플로팅하여 추가 계산 분석을 수행했습니다. 실험적으로 파생된값(그림 4). 높은 안전 임계값을 가진 이 평가에서, 총 시험된 내분비 방해 화합물의 92%(33/36)는 실험적으로 파생된 값을 제외하일 때 보호 범위에 속하는 것으로 나타났다: 3',5,7-트리하이드록시-4',6- 디메톡시소플라본; 1,4-벤젠데디올; 및 4 헥시 lphenol.
데이터베이스에서 이용 가능한 전체 종의 평가에 기초하여, 예측 및 실험96-h 로그10LC50에 대한 값은 -1과 7 사이의 도메인에서 로그10KOW 값과 선형성을 나타내었으며, LC50과 KOW사이의 쌍곡선 상관 관계 . 전체적인 추세는 LC50이 계산 예측과 실험 모두에서 얻은 데이터에 대해 더 높은 KOW 값에 대해 감소하여 더 높은 전자 종의 어종에 대한 급성 독성을 증가시키는 것을 시사하는 것으로 나타났습니다. 소수성 (보충그림 S1).
OECD QSAR 툴박스에 내장된 규칙 기반 ER 프로파일러에 의해, EDs의 ER 결합 친화도는 결합 친화성을 증가시키는 순서로 약하고, 중간, 강하고, 매우 강한 바인더뿐만 아니라 비결합으로 분류되었다18. 이에 따라, 로그10Kow의 통계적 분포는 ER 결합 친화성의 질적 분류로서 표시될 수 있다(보충도 S2). 전반적으로 Kow 분포 범위와 평균 레벨의 변화는 정의된 경향을 갖지 않는 것으로 나타났습니다. 유사하게, 예측된LC(50)의 분포는 ER 결합 친화도의 범위로서 나타내었으며(도 5). 이 경우 ER 바인더에 대한 예측 된 LC50의 평균 수준은 비 바인더보다 높았습니다. 대조적으로, 실험용 LC50의경우, 비-약한 바인더의 평균 수준은 더 강한 ER 바인더의 수준보다 높았다.
그림 1: OECD QSAR 도구 상자의 일반 워크플로우의 기본 체계입니다.
이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.
그림 2: 워크플로우.
OECD QSAR 툴박스를 사용하여 어류의 내분비 장애(ED)의 급성 독성을 예측하기 위해 적용된 모듈 및 서열을 개념화하는 워크플로우입니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.
도 3: 모든 어류(블루 다이아몬드, n=36) 및 선택된 종 P. 프로멜라(시안 다이아몬드, n=27)에 대해 표 1의 EDs의 실험용 96-h LC50을 예측하였다.
예측된 LC50의경우 평균("AVE") 값이 표시됩니다. 파선은 두 그룹에 대한 선형 회귀를 나타냅니다: 모든 물고기(연한 파란색), 예측된 LC50AVE = 0.611 x (실험용 LC50)+ 0.277 (조정된 r2 = 0.408); 및 P. 프로멜라(광 시안)의 경우, 예측된 LC50AVE = 0.602 x (실험용 LC50)+ 0.385(조정된 r2 = 0.441). 솔리드 대각선은 예측 값과 실험 값이21인화합을 보여줍니다. 점선 회색 선은 계산 능력19의5배 허용 오차 한계를 보여줍니다. 이상치: 3', 5,7-트리하이드록시-4', 6-디메톡시소플라본(*) 및 1,4벤젠데디올(**). 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.
도 4: 모든 어류에 대해 표 1에서 전자의 실험96-h LC50과 대(95% 신뢰 구간 의 하한, "낮은-95%")를 예측합니다(n=36).
파선은 선형 회귀를 나타냅니다: 예측된 LC50낮음-95% = 0.470 x (실험용 LC50)- 0.312, 여기서 조정된 r2 = 0.193. 솔리드 대각선은 예측값과 실험 값이 서로 동일한 19의 통일을 나타냅니다. 이상치: 3', 5,7-트리하이드록시-4', 6-디메톡시소플라본(*), 1,4벤젠네디올(**), 4헥실페놀(***). 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.
도 5: 모든 물고기에 대해 표 1의 ER 결합 선호도에 따라 예측된 분포(각 범주에 대한 고체 상자, n = 8-20) 및 실험(각 범주에 대한 파선 상자; n = 3-16) 96-h LC50.
상자 플롯은 (A) 평균 (굵은 가로 막대가있는 작은 사각형), (B) 1st 및 3rd 사분위수 (각각 상자의 아래쪽과 위쪽 끝), (C) 중앙값 (상자 내부의 수평 세그먼트) ( D)5번째 및 95번째 백분위수(각각 하부 및 상부 오차 막대), (E) 1st 및 99th 백분위수(각각 하부 및 위쪽 x), 및 (F) 최소 및 최대(하부 및 상부 -, 각각)을 참조하십시오. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.
| 아니요. | CAS 레지스트리 번호 | 물질 이름 | SMILES 포뮬러 (2D 비 스테레오케미컬 형태) | 로그 카우 | Ave 예측 된 96-h LC50 (mg/L) |
하위 95% CI 예측 된 96-h LC50 (mg/L) |
프로파일러 - 에스트로겐 수용체 결합 | |||||||
| 1 | 50-28-2 | 17-β 에스트라디올 | CC12CCC3C (CCc4cc (O)ccc34)C1CCC2O | 4.01 | 3.62 | 1.42 | 매우 강한 바인더, OH 그룹 | |||||||
| 2 | 57-63-6 | 17-α 에티닐- Estradiol |
CC12CCC3C (CCc4cc (O)ccc34)C1CCC2 (O)C #C | 3.67 | 3.00 | 1.18 | 강한 바인더, OH 그룹 | |||||||
| 3 | 80-05-7 | 2,2-비스(4-하이드록시페-닐) 프로판(비스페놀 A) | CC(c1ccc(O)cc1)c1ccc(O)cc1 | 3.32 | 4.68 | 1.80 | 매우 강한 바인더, OH 그룹 | |||||||
| 4 | 80-46-6 | 4-테르트 펜티폴 | CCC(C)(C)c1ccc(O)cc1 | 3.91 | 2.27 | 0.87 | 약한 바인더, OH 그룹 | |||||||
| 5 | 140-66-9 | 4-테르트 옥틸페놀 | CC(C)(C)CC(C)(C)c1ccc(O)cc1 | 5.28 | 0.38 | 0.14 | 강한 바인더, OH 그룹 | |||||||
| 6 | 446-72-0 | 제니슈타인 [3', 5,7-트리하이드록시-4', 6-디메톡시소플라본] | Oc1ccc (cc1)C1 = COc2cc (O)cc (O)c2C1 = O | 2.84 | 32.00 | 10.03 | 매우 강한 바인더, OH 그룹 | |||||||
| 7 | 10161-33-8 | 17β-트렌볼론 | CC12C=CC3C(CCC4=CC=CC(C=O)CCC=34)C1CCC2O | 2.65 | 124.72 | 19.75 | 강한 바인더, OH 그룹 | |||||||
| 8 | 67747-09-5 | 프로클로라즈 (DMI 살균제) | CCCN(CCOc1c(Cl)cc(Cl)cc1Cl)C(=O)n1ccnc1 | 4.1 | 5.19 | 1.74 | OH 또는 NH2 그룹 없이 비바인더 | |||||||
| 9 | 84852-15-3 | 4-노닐페놀 | CC(C)CCCCC1ccc(O)cc1 | 5.92 | 0.21 | 0.07 | 강한 바인더, OH 그룹 | |||||||
| 10 | 69-72-7 | 살리실산 | OC(=O)c1ccc1O | 2.26 | 24.07 | 9.31 | 약한 바인더, OH 그룹 | |||||||
| 11 | 80-09-1 | 4,4'-디하이드록시디페닐 설폰 (비스페놀 S) | Oc1ccc(cc1)S(=O)(=O)c1ccc(O)cc1cc | 1.65 | 48.67 | 10.67 | 매우 강한 바인더, OH 그룹 | |||||||
| 12 | 84-74-2 | 프탈산, 디부틸 에스테르 | CCCCOC(=O)c1ccc1C(=O)OCCCC | 4.5 | 0.76 | 0.06 | OH 또는 NH2 그룹 없이 비바인더 | |||||||
| 13 | 92-88-6 | 4,4′-디하이드록시비페닐 | Oc1ccc (cc1)-c1ccc (O)cc1 | 2.8 | 12.05 | 4.20 | 보통 바인더, OH 그루업 | |||||||
| 14 | 94-13-3 | 4-하이드록시벤조산, 프로필 에스테르 | CCCOC(=O)c1ccc(O)cc1 | 3.04 | 10.32 | 3.86 | 보통 바인더, OH 그루업 | |||||||
| 15 | 98-54-4 | 4-테르트 부틸페놀 | CC(C)(C)c1ccc(O)cc1 | 3.31 | 4.36 | 1.68 | 약한 바인더, OH 그룹 | |||||||
| 16 | 97-23-4 | 2,2′-디하이드록시-5,5′-디클로로디페닐-메탄 | Oc1ccc(Cl)cc1Cc1cc(Cl)ccc1O | 4.26 | 0.48 | 0.10 | 매우 강한 바인더, OH 그룹 | |||||||
| 17 | 97-53-0 | 유제놀 | COc1cc(CC=C)ccc1O | 2.27 | 14.70 | 5.60 | 약한 바인더, OH 그룹 | |||||||
| 18 | 99-76-3 | 4-하이드록시벤조산, 메틸 에스테르 | COC(=O)c1ccc(O)cc1 | 1.96 | 38.20 | 14.01 | 약한 바인더, OH 그룹 | |||||||
| 19 | 103-90-2 | N-(4-하이드록시페닐) 아세타미드 | CC(=O)Nc1ccc(O)cc1 | 0.46 | 338.97 | 43.39 | 약한 바인더, OH 그룹 | |||||||
| 20 | 106-44-5 | p-크레솔 | Cc1ccc(O)cc1 | 1.94 | 20.47 | 7.14 | 약한 바인더, OH 그룹 | |||||||
| 21 | 108-39-4 | m-크레솔 | Cc1cc (O)c1 | 1.96 | 23.45 | 9.17 | 약한 바인더, OH 그룹 | |||||||
| 22 | 108-45-2 | 페닐렌디아민 1,3개 | Nc1cc (N)c1 | -0.33 | 34.60 | 0.00 | 약한 바인더, NH2 그룹 | |||||||
| 23 | 108-46-3 | 디하이드록시벤젠 1,3디하이드록시벤젠 | Oc1cccc(O)c1 | 0.8 | 123.03 | 27.06 | 약한 바인더, OH 그룹 | |||||||
| 24 | 108-91-8 | 사이클로헥실라민 | NC1CCC1 | 1.49 | 28.08 | 1.40 | 약한 바인더, NH2 그룹 | |||||||
| 25 | 119-36-8 | 살리실산, 메틸 에스테르 | COC(=O)c1ccc1O | 2.55 | 16.16 | 5.68 | 약한 바인더, OH 그룹 | |||||||
| 26 | 120-47-8 | 4-하이드록시벤조산, 에틸 에스테르 | CCOC(=O)c1ccc(O)cc1 | 2.47 | 19.93 | 7.40 | 약한 바인더, OH 그룹 | |||||||
| 27 | 120-80-9 | 디하이드록시벤젠 1,2디하이드록시벤젠 | Oc1cccc1O | 0.88 | 11.14 | 0.01 | 약한 바인더, OH 그룹 | |||||||
| 28 | 123-31-9 | 1,4-디하이드록시벤젠[1,4-벤젠디올] | Oc1ccc(O)cc1 | 0.59 | 90.75 | 33.19 | 약한 바인더, OH 그룹 | |||||||
| 29 | 131-53-3 | 2,2′-디하이드록시-4-메톡시벤조페논 | COc1ccc(C(=O)c2ccc2O)c(O)c1 | 3.82 | 3.97 | 1.46 | 매우 강한 바인더, OH 그룹 | |||||||
| 30 | 131-56-6 | 2,4-디하이드록시벤지페논 | Oc1ccc (c(O)c1)C(=O)c1ccc1 | 2.96 | 12.04 | 4.73 | 강한 바인더, OH 그룹 | |||||||
| 31 | 131-57-7 | 2-하이드록시-4-메톡시벤조페논 | COc1ccc(C(=O)c2ccc2)c(O)c1 | 3.79 | 5.96 | 2.27 | 강한 바인더, OH 그룹 | |||||||
| 32 | 599-64-4 | 4-쿠밀페놀 | CC(c1cccc1)c1ccc(O)cc1 | 4.12 | 2.15 | 0.84 | 강한 바인더, OH 그룹 | |||||||
| 33 | 2855-13-2 | 1-아미노-3-아미노메틸-3,5,5-트리메틸-사이클로헥산 | CC1(C)CC(N)CC(C)(CN)C1 | 1.9 | 30.65 | 1.53 | 보통 바인더, NH2 그룹 | |||||||
| 34 | 6864-37-5 | 3,3′-디메틸-4,4′-디아미노디클로헥실메탄 | CC1CC(CCC1N)CC1CCC(N)C(C)C1 | 4.1 | 1.07 | 0.05 | 강한 바인더, NH2 그룹 | |||||||
| 35 | 25013-16-5 | 테르트 부틸-4-하이드록시아니솔 | COc1ccc(O)c(c1)C(C)(C)C | 3.5 | 4.85 | 1.85 | 보통 바인더, OH 그루업 | |||||||
| 36 | 147315-50-2 | 2-(4,6-디페닐-1,3,5트리아진-2-yl)-5-(헥실록시)페놀 | CCCCCCOc1ccc (c(O)c1)-c1nc (nc(n1)-c1ccccc1)-c1ccc1 | 6.24 | 0.17 | 0.06 | 강한 바인더, OH 그룹 | |||||||
| 37 | 88-68-6 | 2-아미노벤자미드 | NC(=O)c1ccc1N | 0.35 | 694.00 | 84.30 | 약한 바인더, NH2 그룹 | |||||||
| 38 | 611-99-4 | 4,4′-디하이드록시벤조페논 | Oc1ccc (cc1)C (= O)c1ccc (O)cc1 | 2.19 | 37.74 | 14.67 | 매우 강한 바인더, OH 그룹 | |||||||
| 39 | 27955-94-8 | 1,1,1-트리(4-하이드록시페놀)에탄 | CC(c1ccc(O)cc1)(c1ccc(O)cc1)c1ccc(O)cc1 | 4.38 | 2.09 | 0.82 | 매우 강한 바인더, OH 그룹 | |||||||
| 40 | 87-18-3 | 살리실산, 4-테르트-부틸페닐 에스테르 | CC(C)(C)c1ccc(OC(=O)c2ccc2O)cc1 | 5.73 | 0.24 | 0.09 | 강한 바인더, OH 그룹 | |||||||
| 41 | 47465-97-4 | 3,3-비스(3-메틸-4-하이드록시페닐)2-인돌리네 | Cc1cc(ccc1O)C1(C(=O)Nc2ccc12)c1ccc(O)c(C)c1 | 4.48 | 2.07 | 0.77 | 매우 강한 바인더, OH 그룹 | |||||||
| 42 | 99-96-7 | p-하이드록시벤조산 | OC(=O)c1ccc(O)cc1 | 1.58 | 8.54 | 0.00 | 약한 바인더, OH 그룹 | |||||||
| 43 | 80-07-9 | 1-클로로-4-(4- 클로로페닐)설포닐벤츠 |
Clc1ccc (cc1)S (=O)(=O)c1ccc (Cl)cc1 | 3.9 | 3.92 | 0.85 | OH 또는 NH2 그룹 없이 비바인더 | |||||||
| 44 | 84-65-1 | 9,10-안트라퀴논 | O=C1c2cccc2C(=O)c2ccc12 | 3.39 | 7.00 | 3.54 | OH 또는 NH2 그룹 없이 비바인더 | |||||||
| 45 | 85-44-9 | 2-벤조후란-1,3-디온 | O=C1OC(=O)c2ccc12 | 1.6 | 2.69 | 0.00 | OH 또는 NH2 그룹 없이 비바인더 | |||||||
| 46 | 92-84-2 | 10H-페노티아진 | N1c2cccc2Sc2ccccc12 | 4.15 | 1.07 | 0.08 | OH 또는 NH2 그룹 없이 비바인더 | |||||||
| 47 | 2855-13-2 | 1-아미노-3-아미노메틸-3,5,5-트리메틸-사이클로헥산 | CC1(C)CC(N)CC(C)(CN)C1 | 1.9 | 30.65 | 1.53 | 보통 바인더, NH2 그룹 | |||||||
| 48 | 50-27-1 | 에스트리올 (것)들 | CC12CCC3C (CCc4cc (O)ccc34)C1CC (O)C2O | 2.45 | 21.21 | 8.29 | 매우 강한 바인더, OH 그룹 | |||||||
| 49 | 50-50-0 | 베타 에스트라디올-3 벤조에이트 | CC12CCC3C (CCc4cc (OC (=O)c5ccccc5)ccc34)C1CCC2O | 5.47 | 0.36 | 0.02 | 강한 바인더, OH 그룹 | |||||||
| 50 | 53-16-7 | 에스트로네 (주) | CC12CCC3C (CCc4cc (O)ccc34)C1CCC2 = O | 3.13 | 7.78 | 3.06 | 강한 바인더, OH 그룹 | |||||||
| 51 | 92-52-4 | 비페닐 | c1ccc(cc1)-c1ccc1 | 4.01 | 4.10 | 0.47 | OH 또는 NH2 그룹 없이 비바인더 | |||||||
| 52 | 92-69-3 | p-페닐페놀 | Oc1ccc (cc1)-c1ccc1 | 3.2 | 5.99 | 1.82 | 보통 바인더, OH 그루업 | |||||||
| 53 | 96-29-7 | 2-부타네 옥시메 | CCC(C)=아니오 | 0.63 | 32.67 | 2.49 | 비바인더, 비순환 구조 | |||||||
| 54 | 121-75-5 | 말라톤 (주) | CCOC(=O)CC(SP(SP(S)(OC)OC)C(=O)OCC | 2.36 | 37.73 | 3.33 | 비바인더, 비순환 구조 | |||||||
| 55 | 123-07-9 | 4-에틸페놀 | CCc1ccc(O)cc1 | 2.58 | 13.63 | 4.65 | 약한 바인더, OH 그룹 | |||||||
| 56 | 645-56-7 | 4-n-프로필페놀 | CCCC1ccc(O)cc1 | 3.2 | 7.32 | 2.55 | 약한 바인더, OH 그룹 | |||||||
| 57 | 1638-22-8 | p-부틸 페놀 | CCC1ccc(O)cc1 | 3.65 | 4.09 | 1.39 | 약한 바인더, OH 그룹 | |||||||
| 58 | 1912-24-9 | 아라진 (있는) | CCNc1nc (Cl)nc (NC (C)C)n1 | 2.61 | 30.87 | 4.63 | OH 또는 NH2 그룹 없이 비바인더 | |||||||
| 59 | 40596-69-8 | 메토프레 ()메토프레 ()와 메토프레 | COC(C)(C)CCCC(C)CC=CC=CC(C)=CC(=C)=CC(=O)OC(C)C | 5.5 | 0.08 | 0.00 | 비바인더, 비순환 구조 | |||||||
| 60 | 1987-50-4 | 4-헵틸페놀 | CCCCCC1ccc(O)cc1 | 5.01 | 0.66 | 0.22 | 보통 바인더, OH 그루업 | |||||||
| 61 | 92-86-4 | p,p'-디브로모모피페닐 | Brc1ccc (cc1)-c1ccc (Br)cc1 | 5.72 | 0.11 | 0.02 | OH 또는 NH2 그룹 없이 비바인더 | |||||||
| 62 | 480-41-1 | 나링게닌 (것)과 함께 | Oc1ccc (cc1)C1CC (= O)c2c (O)cc (O)cc(O)cc2O1 | 2.52 | 27.84 | 10.87 | 매우 강한 바인더, OH 그룹 | |||||||
| 63 | 486-66-8 | 다드제인 (주) | Oc1ccc (cc1)C1 = COc2cc (O)ccc2C1 = O | 2.55 | 36.47 | 11.71 | 매우 강한 바인더, OH 그룹 | |||||||
| 64 | 491-70-3 | 루테오린 ()루테오린 ()의 | Oc1cc(O)c2C(=O)C=C(Oc2c1)c1ccc(O)c(O)c | 2.53 | 43.75 | 14.28 | 매우 강한 바인더, OH 그룹 | |||||||
| 65 | 491-80-5 | 비오카닌 A | COc1ccc (cc1)C1 = COc2cc (O)cc (O)c2C1 = O | 3.41 | 15.87 | 3.70 | 강한 바인더, OH 그룹 | |||||||
| 66 | 520-18-3 | 젬페롤 | Oc1ccc (cc1)C1Oc2cc (O)cc (O)c2C (=O)C = 1O | 1.96 | 70.98 | 8.05 | 매우 강한 바인더, OH 그룹 | |||||||
| 67 | 2051-60-7 | 2-클로로비페닐 (PCB 1) | Clc1cccc1-c1ccccc1 | 4.53 | 0.77 | 0.16 | OH 또는 NH2 그룹 없이 비바인더 | |||||||
| 68 | 2051-61-8 | 3-클로로비페닐 (PCB 2) | Clc1cccc (c1)-c1ccc1 | 4.58 | 0.77 | 0.16 | OH 또는 NH2 그룹 없이 비바인더 | |||||||
| 69 | 2051-62-9 | 4-클로로-1,1'-비페닐 | Clc1ccc (cc1)-c1ccc1 | 4.61 | 0.77 | 0.16 | OH 또는 NH2 그룹 없이 비바인더 | |||||||
| 70 | 2446-69-7 | p-n-헥시펠페놀 [4-헥시펠페놀] | CCCCC1ccc(O)cc1 | 4.52 | 1.22 | 0.42 | 보통 바인더, OH 그루업 | |||||||
| 71 | 14938-35-3 | 4-n-아밀페놀 | CCCC1ccc(O)cc1 | 4.06 | 2.44 | 0.89 | 약한 바인더, OH 그룹 | |||||||
| 72 | 17924-92-4 | 제랄레노네 | CC1CCCC(=O)CCCC=CC2CC(O)cc(O)c2C(=O)O1 | 3.58 | 7.22 | 2.66 | 강한 바인더, OH 그룹 | |||||||
| 73 | 1743-60-8 | 베타-에스트라디올 3-벤조에이트 17-n부티레이트 | CC(=O)OC1CCC2CCc4cc(O)ccc4C3CCC12C | 4.95 | 0.91 | 0.35 | 강한 바인더, OH 그룹 | |||||||
| 74 | 479-13-0 | 쿠미스트롤 | Oc1ccc2c (OC(=O)c3c-2oc2cc (O)ccc32)c1 | 1.57 | 52.16 | 11.44 | 매우 강한 바인더, OH 그룹 | |||||||
표 1: 화학 물질을 방해하는 평가된 내분비 의 목록. QSAR 툴박스 버전 4.3 자동 워크플로우를 통해 평균 평균(AVE) 및 낮은 95% 신뢰구간(CI) 유효 농도(95-h LC50, 피메펠레 프로멜라)와에스트로겐 수용체 결합을 예측하였다. Log10Kow는 미국 환경 보호국KOWWIN v1.68, 2000에서 QSAR 툴박스 버전 4.3을 통해 검색되었습니다. 실험 로그10Kow 값은 예측값보다 선호되었다. 대상 물질 목록은 이전에 보고된 EDs22,23,24목록에서 컴파일되었습니다.
추가 정보. 이 파일을 다운로드하려면 여기를 클릭하십시오.
Discussion
생태 독성학을 위한 분석 소프트웨어로 OECD QSAR 툴박스의 다양성은 수생 척추동물에 화학 물질을 파괴하는 내분비의 역효과에 특정 관심있는 여기에서 표시됩니다. 또한, 어종에 대한 74개의 대표적인 EDs(표 1)의 급성 독성(96-h LC50)을예측하기 위한 간단하고 표준 프로토콜이 입증되었다. 이는 QSAR 툴박스에 내장된 카테고리 구축, 데이터 갭 채우기 및 ER프로파일링 모듈을 적용하여 달성되었습니다(그림 1, 그림2).
음의 경사를 가진 로그10LC50과 로그10KOW 사이의 선형 상관 관계(보조 도면 S1에도시된 바와 같이)는 QSAR 분석25에서표준 정량적 관계로 오랫동안 알려져 왔으며, 더 높은 독성은 주어진 화학물질이 더 소수성으로 나타난다. 간단한 계산에서 알 수 있듯이, 수학 S1 및 수학 S2 (보충 정보)를 포함하는 일반적인 수학 관계는 다음 전원 함수26에서변환 된 표현식입니다 :
(수학식2)의 플롯으로부터, KOW26의 중간 범위를 특성화하는 것은 파라미터 a와 b를 조정함으로써 가능할 수 있으며, 여기서 소수성(또는 친수성)의 특정 변동이 유의적으로 변화하지 않는 경우 급성 독성의 끝점.
그림 3 및 그림4에 도시된 바와 같이 LC50에대한 전산 예측과 실험 관측사이의 비교 분석은 전형적으로 다양한 수생 독성물질에 대한 QSAR 연구에서 보고되고 있다. 기술적인 nonionic 계면활성제27,트리아졸 살균제28,및 살충제 대사 산물21. 이러한 유형의 회고적 유효성 검사는 주어진 QSAR 도구가 실험 결과와 비교 성능 측면에서 도달할 수 있는 정도에 대한 정보를 제공합니다. 물고기의 급성 독성에 대한 이 연구에서 QSAR Toolbox는 모든 어류와 단일 종인 피메팔리스 프로멜라에서테스트된 EDs의 90% 이상에 대한 보호 예측을 제공하는 것으로 입증되었습니다.
도 3 및 도4에서 3개의 이상치 화학물질을 더욱 규명하는 것은 평균적으로 그리고 최소한으로 더 높은 예측 LC50을 보였으며, 각각 요구된다. 첫째, 3',5,7-트리하이드록시-4', 6-디메톡시소플라본은 플라보노이드(보다 구체적으로 는 이소플라본)의 일종으로, 일반적으로 안전한 것으로 간주되어 한방 의약품에 사용된다. 그러나, 그것은 여전히 에스트로겐 관련 우려를 가지고29 아마도 산화 인산화를 통해 급성 독성을 일으킬 수 있습니다 결합 해제30. 다음으로, 하이드로퀴논이라고 불리는 1,4-벤젠네디올은 물고기31에서비특이적이고 세포독성 면역 반응을 유발할 수 있는 페놀 화합물이다. 마지막으로, 4-헥실페놀은 ED32로분류될 수 있는 충분한 양성 에스트로겐 활성을 나타내는 것으로 알려져 있다. 하이드로퀴논의 급성 독성의 주된 이유는 환원 산화(redox) 사이클링이라는 것이 잘 연구되어 왔습니다. 하이드로퀴논은 벤조퀴논으로 산화되고 반퀴논 또는 하이드로퀴논으로 다시 환원되고, 보조 인자를 고갈시키고 반응성 산소 종33을생성한다. 다른 두 화학 물질은 QSAR 도구 상자에 의해 커버 될 수없는 Panche 등.34에의해 사용되는 것과 같은 분자 도킹 접근 방식을 사용하여 급성 생태 독성에서 행동의 메커니즘을 공개하기 위해 더 깊은 조사를 필요로 할 수 있습니다.
EDs는 주로 에스트로겐 및 안드로겐 수용체와 같은 스테로이드 수용체와의 물리화학적 상호작용을 통해 내분비 계통을 방해하며, 이는 QSAR 모델링 연구에서 상당한 관심을 받고 있다35. 이를 고려하여 QSAR 툴박스는 분자 구조의 2D 설명자만을 기반으로 하는 화학 물질 세트에 대한 ER 결합 친화도의 허구및 신속한 분류 측면에서 견고합니다. 이 ER 프로파일러 시스템이 당사의 EDs 목록에 적용되었을 때, ER 결합 선호도와 소수성 사이에 명확한 상관관계가 발견되지 않았다(보충도 서 S2). 이러한 결과는 스테로이드 수용체 복합체의 형성이 소수성 결합 기여의 직접적인 결과가 아니라 활성 부위 수용체구조(36)의형태 변화를 수반해야 한다는 사실에 의해 설명될 수 있다. 수용체 결합은 또한 수소 결합 및 π-스태킹에 기인할 수 있다.
부가적으로, 분자 상에 대한 각 화학군의 위치는 소수성 및 수소 결합 수용체-공여체의 수가 동일하게 유지되더라도 수용체 결합에 영향을 미칠 수 있다. 둘째, ER 프로파일러는 ER 결합 친화성이 증가하는 예측 및 실험 LC50 평균 수준 사이의 반대 추세를 생성하였다(도 5). 이것은 급성 독성 시험에 있는 부모의 치사성이 ER 결합 때문이 아니라 대부분의 경우에 마취 때문이 아니기 때문일 지도 모릅니다, 또는 하이드로퀴노의 경우에 순환을 재순환하기 위하여. 예를 들어, 만성 독성을 포함한 보다 광범위한 분석이 더 큰 형량의 EDs 집합에 필요한 경우 현재 버전의 QSAR 도구 상자의 예측 한계를 정의할 수 있습니다.
이 예비 연구는 또한 스테로이드 때문에 공중 보건 의미를 가질 수 있습니다 (안 드로 겐, 에스트로겐, 프로게스틴, 그리고 코르 티 코 이드 로이드) 그리고 그들의 수용 체 척추 동물에 걸쳐 유사 하거나 심지어 동일한 거 시 분자 구조를 전시5. 이러한 유형의 유사한 내분비 시그널링 시스템은 EDs 5의주요 이벤트에서 공통 메커니즘을 사용하여 작동할 수 있습니다. 그럼에도 불구하고 이 광대하고 복잡한 측면을 조명하기 위해서는 추가적이고 상호 보완적인 방법론이 필요합니다[예: 흡수, 분포, 신진 대사 및 배설물(ADME)의 계산 모델링을 수행하거나/ 또는 불리한 결과를 통로 (AOP)]38. 또한, EDs의 부작용에 대해 제기 된 과학적 및 공공 우려의 대부분은 그들의 만성 독성과 관련이 있기 때문에, QSAR 도구 상자의 데이터베이스와 알고리즘을 개선하고 신뢰할 수있는 장기 생태 독성학을 생산 ED에 대한 예측은 모두 필요합니다.
이 백서는 QSAR Toolbox의 응용 을 보여 주며, 물고기에 대한 생태 독성 LC50 값을 EDs의 로그10Kow 값과 비교합니다. 이전 연구(예: Kim et al.39)에의해 밝혀진 10Kow는 수생 LC50의직접적인 예측자가 아니다. 이러한 제한에도 불구하고 이 프로토콜은 LC 50(또는 ER 바인딩) 간의 상관 관계를 조사하기 위해 QSAR 도구 상자를 사용하는 유효한 응용 프로그램이기 때문에 주어진 목적을 위해 대시보드를 사용하는 방법을 설명하는 일반적인 검토 또는 "비네팅"을 제공합니다. 선호도) 및 로그10 Kow,또는 신속한 급성 생태 독성 검사를 위한 도구로서. 그럼에도 불구하고, (1) 급성 독성 (치사성)보다는 에스트로겐 수용체 결합과 만성 독성 사이의 링크를 조명하는 것이 더 명확한 상관 관계가 발견 될 수 있도록 더 관련성이 있으며, (2) 안드로겐 수용체를 함께 에스트로겐의 그것과 함께, 또한 생식 독성에 중요한 역할을한다. 따라서 QSAR 도구 상자의 이후 버전에서는 이러한 두 점을 고려하여 예측 함수를 개선해야 합니다.
Disclosures
저자는 공개 할 것이 없다.
Acknowledgments
이 연구는 한국 정부(MSIP)의 국가과학기술연구위원회(NST) 보조금(No. CAP-17-01-KIST 유럽) 및 프로젝트 11911.
Materials
| Name | Company | Catalog Number | Comments |
| Adobe Acrobat Reader DC | Adobe Systems Software Ireland Limited | NA | Required to view prediction and category report |
| Computer | System: Microsoft Corporation | NA | Recommended system properties: (i) system type: 64 bit, Microsoft Windows 7 or newer, (ii) processor: I5 at 2.4 GHz or faster processor or equivalent AMD CPU, (iii) Installed memory (RAM): 6 GB of RAM, (iv) Hard Disk Drive (HDD): 20 GB free hard drive space |
| Microsoft Editor | Microsoft Corporation | NA | Required to upload a substance list of CAS numbers (batch mode) to the OECD QSAR Toolbox as .txt file (text file) |
| Microsoft Excel 2016 | Microsoft Corporation | NA | Required to export data from OECD QSAR Toolbox as .cvs, .xls or .xlsx files |
| OECD QSAR Toolbox version 4.0 or newer | Organisation for Economic Co-operation and Development |
NA | Required to run OECD QSAR Toolbox Automated Workflows; free download: https://qsartoolbox.org/download/ |
| OriginPro 9 | OriginLab Corporation | NA | Optional program for data analysis; similar tools possible |
References
- Najarian, K., Najarian, S., Gharibzadeh, S., Eichelberger, C. N. Systems Biology and Bioinformatics: A Computational Approach. , CRC Press. Boca Raton, FL, USA. (2009).
- Fujita, T., Iwasa, J., Hansch, C. A new substituent constant, π, derived from partition coefficient. Journal of the American Chemical Society. 86, 5175-5180 (1964).
- Roy, K., Kar, S., Das, R. N. Understanding the Basics of QSAR for Applications in Pharmaceutical Sciences and Risk Assessment. , Academic Press. Cambridge, MA, USA. (2015).
- Raies, A. B., Bajic, V. B. In silico toxicology: computational methods for the prediction of chemical toxicity. WIREs Computational Molecular Science. 6, 147-172 (2016).
- Hayes, T. B. Welcome to the revolution: integrative biology and assessing the impact of endocrine disruptors on environmental and public health. Integrative Compuational Biology. 45, 321-329 (2005).
- Schug, T. T., et al. Minireview: endocrine disruptors: past lessons and future directions. Molecular Endocrinology. 30, 833-847 (2016).
- Devillers, J., Marchand-Geneste, N., Carpy, A., Porcher, J. M. SAR and QSAR modeling of endocrine disruptors. SAR QSAR Environmental Research. 17, 393-412 (2006).
- Dimitrov, S. D., et al. QSAR Toolbox - workflow and major functionalities. SAR QSAR Environmental Research. 27, 203-219 (2016).
- Yordanova, D., et al. Automated and standardized workflows in the OECD QSAR Toolbox. Computational Toxicology. 10, 89-104 (2019).
- Mombelli, E., Devillers, J. Evaluation of the OECD (Q)SAR Application Toolbox and Toxtree for predicting and profiling the carcinogenic potential of chemicals. SAR QSAR Environmental Research. 21, 731-752 (2010).
- Devillers, J., Mombelli, E., Samsera, R. Structural alerts for estimating the carcinogenicity of pesticides and biocides. SAR QSAR Environmental Research. 22, 89-106 (2011).
- Li, C., et al. Identifying unknown by-products in drinking water using comprehensive two-dimensional gas chromatography-quadrupole mass spectrometry and in silico toxicity assessment. Chemosphere. 163, 535-543 (2016).
- Devillers, J., Mombelli, E. Evaluation of the OECD QSAR Application Toolbox and Toxtree for estimating the mutagenicity of chemicals. Part 1. Aromatic amines. SAR QSAR Environmental Research. 21, 753-769 (2010).
- Devillers, J., Mombelli, E. Evaluation of the OECD QSAR Application Toolbox and Toxtree for estimating the mutagenicity of chemicals. Part 2. α-β unsaturated aliphatic aldehydes. SAR QSAR Environmental Research. 21, 771-783 (2010).
- Kulkarni, S. A., Barton-Maclaren, T. S. Performance of (Q)SAR models for predicting Ames mutagenicity of aryl azo and benzidine based compounds. Journal of Environmental Science and Health Part C Environmental Carcinogenesis & Ecotoxicology Reviews. 32, 46-82 (2014).
- Craig, E. A., Wang, N. C., Zhao, Q. J. Using quantitative structure-activity relationship modeling to quantitatively predict the developmental toxicity of halogenated azole compounds. Journal of Applied Toxicology. 34, 787-794 (2014).
- Tebby, C., Mombelli, E., Pandard, P., Péry, A. R. Exploring an ecotoxicity database with the OECD (Q)SAR Toolbox and DRAGON descriptors in order to prioritise testing on algae, daphnids, and fish. Science of the Total Environment. 409, 3334-3343 (2011).
- Mombelli, E. Evaluation of the OECD (Q)SAR Application Toolbox for the profiling of estrogen receptor binding affinities. SAR QSAR Environmental Research. 23, 37-57 (2012).
- Verhaar, H. J. M., van Leeuwen, C. J., Hermens, J. L. M. Classifying environmental pollutants. 1: structure-activity relationships for prediction of aquatic toxicology. Chemosphere. 25, 471-491 (1992).
- Enoch, S. J., Hewitt, M., Cronin, M. T. D., Azam, S., Madden, J. C. Classification of chemicals according to mechanism of aquatic toxicity: an evaluation of the implementation of the Verhaar scheme in Toxtree. Chemosphere. 73, 243-248 (2008).
- Burden, N., Maynard, S. K., Weltje, L., Wheeler, J. R. The utility of QSARs in predicting acute fish toxicity of pesticide metabolites: a retrospective validation approach. Regulatory Toxicology and Pharmacology. 80, 241-246 (2016).
- Nendza, M., et al. Screening for potential endocrine disruptors in fish: evidence from structural alerts and in vitro and in vivo toxicological assays. Environmental Sciences Europe. 28, 26 (2016).
- Roncaglioni, A., Piclin, N., Pintore, M., Benfenati, E. Binary classification models for endocrine disrupter effects mediated through the estrogen receptor. SAR QSAR Environmental Research. 19, 697-733 (2008).
- Sosnovcová, J., Rucki, M., Bendová, H. Estrogen receptor binding affinity of food contact material components estimated by QSAR. Central European Journal of Public Health. 24, 241-244 (2016).
- Walker, J. D., Dearden, J. C., Schultz, T. W., Jaworska, J., Comber, M. H. I. QSARs for New Practitioners. QSARs for Pollution Prevention, Toxicity Screening, Risk Assessment, and Web Applications. Walker, J. D. , SETAC Press. Pensacola, FL, USA. (2003).
- Sánchez-Bayo, F. From simple toxicological models to prediction of toxic effects in time). Ecotoxicology. 18, 343-354 (2009).
- Sjöström, M., Lindgren, Å, Uppgård, L. L. Joint Multivariate Quantitative Structure-Property and Structure-Activity Relationships for a Series of Technical Nonionic Surfactants. Quantitative Structure-Activity Relationships in Environmental Sciences-VII. Chen, F., Schüürmann, G. , SETAC Press. Pensacola, FL, USA. (1997).
- Ding, F., Guo, J., Song, W., Hu, W., Li, Z. Comparative quantitative structure-activity relationship (QSAR) study on acute toxicity of triazole fungicides to zebrafish. Chemistry Ecology. 27, 359-368 (2011).
- Galati, G., O'Brien, P. J. Potential toxicity of flavonoids and other dietary phenolics: significance for their chemopreventive and anticancer properties. Free Radical Biology in Medicine. 37, 287-303 (2004).
- Russom, C. L., Bradbury, S. P., Broderius, S. J. Predicting modes of action from chemical structure: acute toxicity in the fathead minnow (Pimephales promelas). Environmental Toxicology and Chemistry. 16, 948-967 (1997).
- Taysse, L., Troutaud, D., Khan, N. A., Deschaux, P. Structure-activity relationship of phenolic compounds (phenol, pyrocatechol and hydroquinone) on natural lymphocytotoxicity of carp (Cyprinus carpio). Toxicology. 98, 207-214 (1995).
- Nishihara, T., et al. Estrogenic activities of 517 chemicals by yeast two-hybrid assay. Journal of Health Science. 46, 282-298 (2000).
- Bolton, J. L., Trush, M. A., Penning, T. M., Dryhurst, G., Monks, T. J. Role of quinones in toxicology. Chemical Research in Toxicology. 13, 135-160 (2000).
- Panche, A. N., Diwan, A. D., Chandra, S. R. Flavonoids: an overview. Journal of Nutritional Science. 5, e47 (2016).
- Li, J., Gramatica, P. QSAR classification of estrogen receptor binders and pre-screening of potential pleiotropic EDCs. SAR QSAR Environmental Research. 21, 657-669 (2010).
- Bohl, M. Molecular Structure and Biological Activity of Steroids. , CRC Press. Boca Raton, FL, USA. (2017).
- Kaminuma, T., Takai-Igarashi, T., Nakano, T., Nakata, K. Modeling of signaling pathways for endocrine disruptors. BioSystems. 55, 23-31 (2000).
- Lillicrap, A., et al. Alternative approaches to vertebrate ecotoxicity tests in the 21st century: a review of developments over the last 2 decades and current status. Environmental Toxicology and Chemistry. 35, 2637-2646 (2016).
- Kim, J. W., et al. Acute toxicity of pharmaceutical and personal care products on freshwater crustacean (Thamnocephalus platyurus) and fish (Oryzias latipes). Journal of Toxicological Sciences. 34, 227-232 (2009).
