Name: in silico modeling method for computational aquatic toxicology of endocrine disruptors: a software-based approach using qsar toolbox
Uploaded: 2019-08-28T14:00:00
Duration: 5 s
Description: Watch this Scientific Journal Video about In Silico Modeling Method for Computational Aquatic Toxicology of Endocrine Disruptors: A Software-Based Approach Using QSAR Toolbox at JoVE.com

Diese Forschung wurde vom National Research Council of Science & Technology (NST) von der südkoreanischen Regierung (MSIP) (Nr. CAP-17-01-KIST Europe) und Projekt 11911.

1. Ausrüstung
<ol><li>Software: Verwenden Sie OECD QSAR Toolbox 4.0 oder neuer (kostenloser Download von <https://qsartoolbox.org/download/?) und Datenanalysesoftware.</li>
	<li>Computer: für die OECD QSAR Toolbox, verwenden: (i) Systemtyp: 64 Bit, Windows 7 oder neuer; ii) Prozessor: I5 bei 2,4 GHz oder ein schnellerer Prozessor oder eine gleichwertige AMD-CPU; (iii) installierter Speicher (RAM): 6 GB; (iv) Festplatte (HDD): 20 GB freier Festplattenspeicher (OECD QSAR Toolbox 4.3 Release Notes: <https://qsartoolbox.org/file/2019/02/Toolbox-4.3-Release-Notes-1.pdf>).</li>
</ol>2. Verfahren
<ol><li>OECD QSAR Toolbox ANMERKUNG: Die QSAR Toolbox arbeitet in sechs aufeinanderfolgenden Flow-Modulen ab Eingabe und gefolgt von Profiling, Daten, Kategoriedefinition, Datenlückenfüllung, dann Report, die Programmschnittstelle.<ol>
<li>Erkunden Sie die oben genannten sechs Stufen durch sechs Symbolleistensymbole, indem Sie mit der linken Maustaste klicken. Sehen Sie sich zunächst die Phasen Input, Data Gap Filling und Report an, die erforderlich sind, um den automatisierten Workflow "Ecotoxicological endpoint" durchzuführen und seine Ergebnisse zu dokumentieren.</li>
		<li>Werfen Sie einen kurzen Blick auf optionale Phasen Profiling und Daten. Die Profiling-Phase gibt einen ersten Einblick in das (Öko-)Toxizitätspotenzial der Zielsubstanz und die Umweltschicksalseigenschaften. Optionale Datenphase ermöglicht die Suche nach verfügbaren experimentellen Daten im Zusammenhang mit der Zielsubstanz.</li>
	</ol></li>
	<li>eingabe<ol>
<li>Beim Starten der QSAR Toolbox beginnt der Benutzer standardmäßig in der Eingabe-Toolbox-Phase. Die QSAR Toolbox erstellt automatisch eine Arbeitsdatei mit dem Namen "Dokument 1", die im Bühnenoptionsfeld links neben der Programmoberfläche angezeigt wird. Benennen Sie die Datei auf Wunsch um, indem Sie mit der rechten Maustaste auf die Arbeitsdatei klicken.</li>
		<li>Klicken Sie in der Symbolleiste Aktionen auf die Schaltfläche CAS, geben Sie die CAS-Nummer (Chemical Abstract Service) der Zielsubstanz in das verfügbare Textfeld ein, und klicken Sie auf Suchen. Das Tool sucht dann nach der Zielsubstanz nach CAS-Nummer.</li>
		<li>Wählen Sie bei Bedarf andere Suchoptionen aus, die in der Aktionssymbolleiste verfügbar sind, z. B. die Suche nach Stoffnamen oder dem vereinfachten SMILES-Code (Molecular Input Line Entry System). SMILES kann als 2D nicht-stereochemische oder 3D stereochemische Formen eingegeben werden. Klicken Sie auf Name bzw. Struktur. Verwenden Sie das Werkzeug Struktur, um die Zielsubstanz zu zeichnen.</li>
		<li>Das Suchwerkzeug zeigt die Suchergebnisse über Datenbankdatensätze in einem Popupfenster an. Wählen Sie den Datensatz aus, der eine "hohe" CAS-SMILES-Beziehung (CS Relation-Feld) meldet, wenn mehrere Datensätze für den Zielstoff abgerufen werden, indem Sie das Kontrollkästchen auf der linken Seite des Datensatzes aktivieren. Klicken Sie auf OK. HINWEIS: Von diesem Punkt aus ist es nur möglich, wenn der abgerufene Datensatz einen SMILES-Code enthält, da der SMILES-Code (2D nicht stereochemisches enthaltendes Formular) die Grundlage für die Berechnung ist.</li>
		<li>Batch-Modus: Um den in silico-Test für mehrere Zielsubstanzen durchzuführen, schreiben Sie eine einfache Stoffliste in einen Texteditor, in dem jede CAS-Nummer in einer einzigen Zeile aufgeführt ist (Ergänzende Abbildung S3). Speichern Sie die Textdatei mit einem entsprechenden Namen und der Entsprechenden Erweiterung .txt auf dem Computer.</li>
		<li>Batch-Modus: Klicken Sie auf Daten. Wechseln Sie dann zu Datenbanken im Bühnenoptionsfeld auf der linken Seite der Programmoberfläche. Stellen Sie sicher, dass Datenbanken, die unter Ökotoxikologische Informationen aufgeführt sind, überprüft werden.
</li>
		<li>Batch-Modus: Klicken Sie auf Eingabe. Wählen Sie Abfrage aus der Symbolleiste der Aktionen aus. Akzeptieren Sie die in Schritt 2.2.6 eingestellten Einstellungen, indem Sie im Dialogfeld auf Ja klicken.</li>
		<li>Batch-Modus: Wählen Sie die Registerkarte CAS. Laden Sie die Stoffliste als Textdatei gespeichert durch Ladeliste von Ihrem Computer.</li>
		<li>Batch-Modus: Es sind zwei Add-Buttons verfügbar; Klicken Sie auf die Schaltfläche Hinzufügen am unteren Rand des Popup-Menüs, und klicken Sie dann auf Ausführen. Die QSAR Toolbox zeigt eine Meldung über die Anzahl der Stoffe an, die für die Suche abgerufen wurden. HINWEIS: Einige Stoffe der geladenen Liste werden vom Suchtool möglicherweise nicht gefunden oder es sind mehrere Einträge für eine CAS-Nummer verfügbar. Es ist nicht möglich, Stoffe aus dem abgerufenen Stoffsatz zu löschen.</li>
	</ol></li>
	<li>Profilerstellung HINWEIS: Der folgende Abschnitt ist optional. Wenn dies nicht erforderlich ist, fahren Sie mit Abschnitt 2.5 fort.<ol>
<li>Klicken Sie auf die Toolbox-Bühnenschaltfläche Profiling. Wechseln Sie zu Profiling-Methoden im Bühnenoptionsfeld auf der linken Seite der Programmoberfläche.</li>
		<li>Klicken Sie auf Alle deaktivieren. Überprüfen Sie alle unter Vordefiniert aufgeführten Profiler und diejenigen im Zusammenhang mit aquatischer Toxizität, die unter Endpunkt-spezifisch aufgeführt sind, z. B. "Akute Aquatische Toxizitätsklassifizierung durch Verhaar (Modifiziert)."</li>
		<li>Beenden Sie die Auswahl. Klicken Sie dann auf die Schaltfläche Anwenden in der Symbolleiste Aktionen. HINWEIS: Die QSAR Toolbox enthält Empfehlungen für eine Reihe von Profilern. Diese werden grün (geeignet) und orange (plausibel) hervorgehoben, wenn Sie Optionen > Farbe auswählen durch: > Endpunkt ausgewählt in der Datenmatrix in der oberen linken Ecke der Profiling-Methoden. Klicken Sie mit der linken Maustaste auf das Datenmatrixfeld neben dem Endpunkt von Interesse. Verfügbare Endpunkte werden in der Endpunktstruktur neben dem Bühnenoptionsfeld aufgeführt. Der Profiler-Stofftyp gibt an, ob es sich bei der Zielsubstanz um eine "diskrete Chemikalie" handelt. Die Informationen werden in der erweiterten Endpunktstruktur "Profil", "Vordefiniert" und "Stofftyp" angezeigt. Nur wenn es sich bei der Zielsubstanz um eine diskrete Chemikalie handelt, kann der automatisierte Workflow erfolgreich ausgeführt werden. "Akute aquatische Toxizitätsklassifizierung durch Verhaar (modifiziert)" liefert eine erste Schätzung des akuten aquatischen Toxizitätsmechanismus des Zielstoffes19,20. Die Informationen werden im erweiterten Endpunktbaum "Profil", "Endpunktspezifisch" und "Akute aquatische Toxizitätsklassifizierung durch Verhaar (modifiziert)" angezeigt. Es stehen fünf Klassen zur Verfügung: (Klasse 1) inertes Chemikalien (Basistoxizität); (Klasse 2) weniger inertes Chemikalien; (Klasse 3) reaktive Chemikalien; (Klasse 4) spezifisch wirkende Chemikalien; und (Klasse 5) für Chemikalien, die nicht klassifiziert werden können.</li>
		<li>Rechtsklick Parameter in der Endpunktstruktur, um integrierte 2D- und 3D-QSAR-Modelle auszuführen, die auf Wunsch in der QSAR Toolbox verfügbar sind. Klicken Sie im Popup-Menü auf Berechnen/Extrahieren aller Parameter für alle Chemikalien.</li>
		<li>2D- und 3D-QSAR-Modelle, die in Parameter kompiliert wurden, liefern numerische Werte. Verwenden Sie "Profiling-Methoden" für qualitative Informationen (siehe Schritt 2.3.1).</li>
	</ol></li>
	<li>daten HINWEIS: Dieser Abschnitt ist optional. Wenn dies nicht erforderlich ist, fahren Sie mit Abschnitt 2.5 fort.<ol>
<li>Klicken Sie auf die Toolbox-Bühnenschaltfläche Daten. Klicken Sie dann auf der Symbolleiste Aktionen auf Sammeln.</li>
		<li>Wählen Sie Alle Endpunkte aus, um alle experimentellen Daten zu sammeln, und wählen Sie dann aus, um Endpunktspezifische experimentelle Daten zu sammeln. Wenn beispielsweise die aquatische Toxizität im Mittelpunkt des Benutzers steht, klicken Sie auf Wählen > Ökotoxikologische Informationen > Aquatische Toxizität > OK. HINWEIS: Die Auswahl des Sammelns experimenteller Daten für alle Endpunkte kann zu einer längeren Verarbeitungszeit führen. Der Benutzer kann die Hierarchie der Endpunktstruktur an den jeweiligen Zweck anpassen. Dadurch wird die Art und Weise, wie Daten angezeigt werden, geändert.</li>
		<li>Klicken Sie bei Bedarf mit der rechten Maustaste auf den Endpunkt, der für den Endpunktbaumbereich von Interesse ist. Wählen Sie Baumhierarchie festlegen im Popupmenü aus. Organisieren Sie die Endpunktstruktur auf die bevorzugte Weise mit den verfügbaren Begriffen und Pfeilen, und klicken Sie auf OK.
</li>
		<li>Exportieren Sie die gesammelten Daten bei Bedarf als Excel-Datei. Klicken Sie mit der rechten Maustaste auf den Endpunkt von Interesse und wählen Sie Im Popup-Menü die Matrix "Daten exportieren".</li>
		<li>Ein Assistent "Matrixexport" wird geöffnet und ermöglicht das Hinzufügen weiterer Endpunkte zur Exportliste. Beenden Sie die Auswahl, klicken Sie auf Exportieren, und speichern Sie die Datei auf dem Computer. HINWEIS: Das Exportieren von Daten aus allen Datenbanken ist nicht möglich. Beispielsweise können daten, die aus der Datenbank "ECHA CHEM" abgerufen wurden, nicht gespeichert werden.</li>
	</ol></li>
	<li>Datenlückenfüllung<ol>
<li>Klicken Sie auf die Toolbox-Bühnenschaltfläche Datenlücke füllen. Klicken Sie dann in der Symbolleiste Aktionen auf Automatisiert.</li>
		<li>Wählen Sie Ecotoxicological Endpoint > Fish, LC50 (tödliche Konzentration, 50%) 96 h für Pimephales promelas (Sterblichkeit). Klicken Sie auf OK. Ein "Workflow-Controller" wird angezeigt, und die Verarbeitung dauert bis zu mehreren Minuten, insbesondere im Batch-Modus. HINWEIS: Die QSAR Toolbox wendet automatisch einen definierten Satz von Profilern an, wenn nach geeigneten Substanzen mit verfügbaren experimentellen Daten für die Vorhersage gesucht wird. Die experimentellen Daten [z.B. Wirkungskonzentrationen 96 h LC50 (P. promelas) oder 96 h EC50 (P. promelas, Mortalität)] werden verwendet, um die Vorhersage für die Zielsubstanz entweder durch lineare Annäherung oder Nachbarmethode. Beachten Sie, dass die Methoden der linearen Annäherung und der nächste Nachbar als Trendanalyse (als "T" bezeichnet) bzw. als Read-Across (als "R" bezeichnet) bezeichnet werden.</li>
		<li>Der Benutzer erhält eine Meldung, wenn die Vorhersage erfolgreich durchgeführt wurde. Klicken Sie auf OK, und schließen Sie den Workflow-Controller mit der Angabe "Fertiger Workflow", indem Sie in der oberen rechten Ecke auf x klicken.</li>
		<li>Batch-Modus: Beim Starten des automatisierten Workflows wird der Benutzer aufgefordert, den Stoffbereich anzugeben, über den der Workflow ausgeführt werden soll. Akzeptieren Sie die gesamte Palette der standardmäßig im Dialogfeld ausgewählten Substanzen, indem Sie auf OK klicken.
</li>
		<li>Batchmodus: Der Benutzer erhält keine Meldung, ob eine Vorhersage erfolgreich oder erfolglos ausgeführt wurde. Schließen Sie den Workflow-Controller mit der Angabe "Fertiger Workflow" am Ende der Stapelverarbeitung, indem Sie in der oberen rechten Ecke auf x klicken.</li>
	</ol></li>
	<li>bericht<ol>
<li>Wenn eine Vorhersage erfolgreich ausgeführt wurde, klicken Sie auf die Toolbox-Stufenschaltfläche Bericht. HINWEIS: Im Batch-Modus können keine Berichte generiert werden.</li>
		<li>Scrollen Sie nach unten, und finden Sie den Vorhersagewert im Matrixfeld in einer gelb hervorgehobenen Zeile neben dem Endpunkt "96-h". Der vorhergesagte Wert wird mit "T" oder "R" gekennzeichnet. Aktivieren Sie dieses spezifische Datenmatrixfeld, indem Sie mit der linken Maustaste darauf klicken.</li>
		<li>Klicken Sie in der Symbolleiste Aktionen auf Vorhersage. Passen Sie den Berichtsinhalt und die Darstellung im Popup-Assistenten an. Es stehen drei Arten von Berichten zur Verfügung: (i) Vorhersage, (ii) Kategorie und (iii) Datenmatrix.</li>
		<li>Der Assistent ermöglicht es dem Benutzer, den Namen und die Kontaktdaten des Autors einzugeben. Schreiben Sie eine kurze Zusammenfassung, geben Sie eine detaillierte Erklärung der mechanistischen Interpretation oder geben Sie eine Rechtfertigung für die Angemessenheit der Vorhersage.</li>
		<li>Fügen Sie ggf. zusätzliche Informationen zur ausgeführten Vorhersage hinzu. Der Umfang der zusätzlichen Informationen hängt vom Benutzer ab.</li>
		<li>Wechseln Sie durch den Assistenten, indem Sie auf Weiter klicken. Klicken Sie schließlich auf Bericht erstellen, und speichern Sie die Vorhersage- und Kategorieberichte als PDF-Dateien und die Datenmatrix als Excel-Tabelle auf dem Computer.</li>
		<li>Weitere Details zu den Funktionalitäten der QSAR Toolbox und automatisierten Workflows finden Sie im Anwendungshandbuch für die OECD QSAR Toolbox v.4 (F1-Hilfe auf der Tastatur). Details zu den Algorithmen und Begründungen hinter dem automatisierten Workflow werden von Dimitrov et al.8 und Yordanova et al.9beschrieben.</li>
	</ol></li>
</ol>3. Anwendung
<ol><li>Wenn Sie die vorhergesagte Effektkonzentration (d. h. 96-h LC50 von P. promelas) in der Umweltverträglichkeitsprüfung verwenden, verwenden Sie die untere Grenze des 95%-Konfidenzintervalls. Suchen Sie die Daten auf der ersten Seite des gespeicherten Vorhersageberichts (PDF) in "Vorhersagezusammenfassung", "Vorhergesagter Wert: <mean> (von <lower_limit> bis <upper_limit>)." ANMERKUNG: Die hier angegebenen Hinweise basieren auf den Ergebnissen des Vergleichs zwischen vorhergesagten und experimentellen Daten für eine Reihe von Zielsubstanzen, die in dieser Studie berichtet wurden. Die Auswahl des unteren Endes des 95%-Konfidenzbereichs erhöht die Wahrscheinlichkeit, dass die vorhergesagte Wirkungskonzentration die reale Toxizität des Stoffes nicht unterschätzt (siehe die repräsentativen Ergebnisse). Die vorhergesagte effektive Konzentration der unteren Grenze des 95%-Konfidenzintervalls wird daher eine sicherere Grundlage für die Risikobewertung darstellen.</li>
</ol>

<ol>
	<li>Najarian, K., Najarian, S., Gharibzadeh, S., Eichelberger, C. N. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=.">.</a> Systems Biology and Bioinformatics: A Computational Approach. , (2009).</li><li>Fujita, T., Iwasa, J., Hansch, C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+new+substituent+constant,+&#960;,+derived+from+partition+coefficient.">A new substituent constant, &#960;, 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://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=.">.</a> Understanding the Basics of QSAR for Applications in Pharmaceutical Sciences and Risk Assessment. , (2015).</li><li>Raies, A. B., Bajic, V. B. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=In+silico+toxicology:+computational+methods+for+the+prediction+of+chemical+toxicity.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Welcome+to+the+revolution:+integrative+biology+and+assessing+the+impact+of+endocrine+disruptors+on+environmental+and+public+health.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Minireview:+endocrine+disruptors:+past+lessons+and+future+directions.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=SAR+and+QSAR+modeling+of+endocrine+disruptors.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=QSAR+Toolbox+-+workflow+and+major+functionalities.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Automated+and+standardized+workflows+in+the+OECD+QSAR+Toolbox.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Evaluation+of+the+OECD+(Q)SAR+Application+Toolbox+and+Toxtree+for+predicting+and+profiling+the+carcinogenic+potential+of+chemicals.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Structural+alerts+for+estimating+the+carcinogenicity+of+pesticides+and+biocides.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Identifying+unknown+by-products+in+drinking+water+using+comprehensive+two-dimensional+gas+chromatography-quadrupole+mass+spectrometry+and+in+silico+toxicity+assessment.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Evaluation+of+the+OECD+QSAR+Application+Toolbox+and+Toxtree+for+estimating+the+mutagenicity+of+chemicals.+Part+1.+Aromatic+amines.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Evaluation+of+the+OECD+QSAR+Application+Toolbox+and+Toxtree+for+estimating+the+mutagenicity+of+chemicals.+Part+2.+&#945;-&#946;+unsaturated+aliphatic+aldehydes.">Evaluation of the OECD QSAR Application Toolbox and Toxtree for estimating the mutagenicity of chemicals. Part 2. &#945;-&#946; 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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Performance+of+(Q)SAR+models+for+predicting+Ames+mutagenicity+of+aryl+azo+and+benzidine+based+compounds.">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 &amp; 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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Using+quantitative+structure-activity+relationship+modeling+to+quantitatively+predict+the+developmental+toxicity+of+halogenated+azole+compounds.">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., P&#233;ry, A. R. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Exploring+an+ecotoxicity+database+with+the+OECD+(Q)SAR+Toolbox+and+DRAGON+descriptors+in+order+to+prioritise+testing+on+algae,+daphnids,+and+fish.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Evaluation+of+the+OECD+(Q)SAR+Application+Toolbox+for+the+profiling+of+estrogen+receptor+binding+affinities.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Classifying+environmental+pollutants.+1:+structure-activity+relationships+for+prediction+of+aquatic+toxicology.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Classification+of+chemicals+according+to+mechanism+of+aquatic+toxicity:+an+evaluation+of+the+implementation+of+the+Verhaar+scheme+in+Toxtree.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+utility+of+QSARs+in+predicting+acute+fish+toxicity+of+pesticide+metabolites:+a+retrospective+validation+approach.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Screening+for+potential+endocrine+disruptors+in+fish:+evidence+from+structural+alerts+and+in+vitro+and+in+vivo+toxicological+assays.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Binary+classification+models+for+endocrine+disrupter+effects+mediated+through+the+estrogen+receptor.">Binary classification models for endocrine disrupter effects mediated through the estrogen receptor.</a> SAR QSAR Environmental Research. 19, 697-733 (2008).</li><li>Sosnovcov&#225;, J., Rucki, M., Bendov&#225;, H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Estrogen+receptor+binding+affinity+of+food+contact+material+components+estimated+by+QSAR.">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., Walker, J. D. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=QSARs+for+New+Practitioners.">QSARs for New Practitioners.</a> QSARs for Pollution Prevention, Toxicity Screening, Risk Assessment, and Web Applications. , (2003).</li><li>S&#225;nchez-Bayo, F. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=From+simple+toxicological+models+to+prediction+of+toxic+effects+in+time).">From simple toxicological models to prediction of toxic effects in time).</a> Ecotoxicology. 18, 343-354 (2009).</li><li>Sj&#246;str&#246;m, M., Lindgren, &. #. 1. 9. 7. ;., Uppg&#229;rd, L. L., Chen, F., Sch&#252;&#252;rmann, G. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Joint+Multivariate+Quantitative+Structure-Property+and+Structure-Activity+Relationships+for+a+Series+of+Technical+Nonionic+Surfactants.">Joint Multivariate Quantitative Structure-Property and Structure-Activity Relationships for a Series of Technical Nonionic Surfactants.</a> Quantitative Structure-Activity Relationships in Environmental Sciences-VII. , (1997).</li><li>Ding, F., Guo, J., Song, W., Hu, W., Li, Z. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Comparative+quantitative+structure-activity+relationship+(QSAR)+study+on+acute+toxicity+of+triazole+fungicides+to+zebrafish.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Potential+toxicity+of+flavonoids+and+other+dietary+phenolics:+significance+for+their+chemopreventive+and+anticancer+properties.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Predicting+modes+of+action+from+chemical+structure:+acute+toxicity+in+the+fathead+minnow+(Pimephales+promelas).">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Structure-activity+relationship+of+phenolic+compounds+(phenol,+pyrocatechol+and+hydroquinone)+on+natural+lymphocytotoxicity+of+carp+(Cyprinus+carpio).">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Estrogenic+activities+of+517+chemicals+by+yeast+two-hybrid+assay.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Role+of+quinones+in+toxicology.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Flavonoids:+an+overview.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=QSAR+classification+of+estrogen+receptor+binders+and+pre-screening+of+potential+pleiotropic+EDCs.">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://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=.">.</a> Molecular Structure and Biological Activity of Steroids. , (2017).</li><li>Kaminuma, T., Takai-Igarashi, T., Nakano, T., Nakata, K. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Modeling+of+signaling+pathways+for+endocrine+disruptors.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Alternative+approaches+to+vertebrate+ecotoxicity+tests+in+the+21st+century:+a+review+of+developments+over+the+last+2+decades+and+current+status.">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/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Acute+toxicity+of+pharmaceutical+and+personal+care+products+on+freshwater+crustacean+(Thamnocephalus+platyurus)+and+fish+(Oryzias+latipes).">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>

Die Autoren haben nichts zu verraten.

Die Vielseitigkeit der OECD QSAR Toolbox als analytische Software für die Ökotoxikologie wird hier mit besonderem Interesse an den negativen Auswirkungen endokrine störender Chemikalien auf Wasserwirbeltiere gezeigt. Darüber hinaus wurde ein einfaches und standardisiertes Protokoll zur Vorhersage der akuten Toxizität (96-h LC50) von 74 repräsentativen EDs (Tabelle 1) für Fischarten nachgewiesen. Dies wurde durch die Anwendung von Kategoriebildungs-, Datenlückenfüllungs- und ER-Profilierungsmodulen erreicht, die in die QSAR Toolbox eingebettet sind (Abbildung 1, Abbildung 2).
Die lineare Korrelation zwischen Log10LC50 und Log10KOW mit einer negativen Steigung (wie in DerZusatzabbildung S1dargestellt) ist seit langem als Standard-quantitative Beziehung in QSAR-Analysen25bekannt, wobei eine höhere Toxizität wird gezeigt, je hydrophober eine bestimmte Chemikalie ist. Wie aus einer einfachen Berechnung ersehen kann, ist die allgemeine mathematische Beziehung, die Gleichung S1 und Gleichung S2 (Ergänzende Information) enthält, ein konvertierter Ausdruck aus der folgenden Leistungsfunktion26:
<img alt="Equation 1" src="/files/ftp_upload/60054/60054equ01.jpg">
<img alt="Equation 2" src="/files/ftp_upload/60054/60054equ02.jpg">
Aus der Darstellung von (Gleichung 2) kann die Charakterisierung eines Zwischenbereichs von KOW26 durch Anpassung der Parameter a und b möglich sein, wobei eine bestimmte Variation der Hydrophobie (oder Hydrophilie) die Endpunkt der akuten Toxizität.
Vergleichende Analysen zwischen den Rechenvorhersagen und experimentellen Beobachtungen am LC50, wie in Abbildung 3 und Abbildung 4dargestellt, wurden in der Regel in Studien mit QSAR für verschiedene aquatische Giftstoffe, einschließlich technische nichtionische Tenside27, Triazol-Fungizide28und Pestizidmetaboliten21. Diese Art der retrospektiven Validierung liefert Informationen darüber, wie weit ein bestimmtes QSAR-Tool in Bezug auf die vergleichende Leistung mit experimentellen Ergebnissen reichen kann. In dieser Studie über die akute Toxizität bei Fischen wurde die QSAR Toolbox als Schutzvorhersage für über 90% der getesteten EDs in allen Fischen und bei einer einzigen Art, Pimephales promelas,nachgewiesen.
Weitere Identifizierung der drei Ausreißerchemikalien in Abbildung 3 und Abbildung 4, die im Durchschnitt und auf einem Minimum höhere vorhergesagte LC50 zeigten, ist erforderlich. Erstens ist das 3',5,7-Trihydroxy-4',6-Dimethoxyisoflavon eine Art von Flavonoid (genauer gesagt ein Isoflavon), das allgemein als sicher gilt und in pflanzlichen Arzneimitteln verwendet wird; jedoch, Es hat immer noch Östrogen-bezogene Bedenken29 und kann akute Toxizität wahrscheinlich durch oxidative Phosphorylierung Entkopplungverursachen 30. Als nächstes ist das 1,4-Benzenediol, Hydrochinon genannt, eine phenolische Verbindung, die eine unspezifische und zytotoxische Immunantwort bei Fischen31auslösen kann. Schließlich ist bekannt, dass das 4-Hexylphenol eine ausreichende positive östrogene Aktivität aufweist, um als ED32eingestuft zu werden. Es wurde gut untersucht, dass der Hauptgrund für die akute Toxizität von Hydrochinon die Reduktion-Oxidation (Redox) Radfahren ist. Das Hydrochinon wird zu Benzochinon oxidiert und wiederholt auf Semichinon oder Hydrochinon reduziert, mit erschöpfenden Kofaktoren und der Erzeugung reaktiver Sauerstoffspezies33. Die beiden anderen Chemikalien erfordern möglicherweise tiefergehende Untersuchungen, um ihre Wirkmechanismen in der akuten Ökotoxizität anhand molekularer Docking-Ansätze wie der von Panche et al.34verwendeten zu offenbaren, die nicht von der QSAR Toolbox abgedeckt werden können.
EDs stören das endokrine System vor allem durch physikalisch-chemische Wechselwirkungen mit Steroid-Rezeptoren wie Östrogen und Androgen-Rezeptoren, die von erheblichem Interesse in QSAR-ModellierungStudien35sind. In an betracht zu nehmen, ist die QSAR Toolbox robust in Bezug auf die einfache und schnelle Klassifizierung von ER-Bindungsaffinitäten für eine Reihe von Chemikalien, die nur auf den 2D-Deskriptoren molekularer Strukturen basieren. Als dieses ER-Profilersystem auf unsere ED-Liste angewendet wurde, wurde keine eindeutige Korrelation zwischen ER-Bindungsaffinität und Hydrophobie gefunden (Ergänzende Abbildung S2). Dieses Ergebnis kann durch die Tatsache erklärt werden, dass die Bildung eines Steroid-Rezeptor-Komplexes keine direkte Folge eines hydrophoben Bindungsbeitrags ist, sondern von einer konformen Veränderung der Wirkstoff-Rezeptorstruktur begleitet werden sollte36. Die Rezeptorbindung kann auch durch Wasserstoff-Bindung und -Stacking erfolgen.
Darüber hinaus kann die Position jeder chemischen Gruppe auf dem Molekül die Rezeptorbindung beeinflussen, auch wenn die Hydrophobie und die Anzahl der Wasserstoff-Bond-Akzeptoren-Spender gleich bleiben. Zweitens erzeugte der ER-Profiler gegenteilige Trends zwischen vorhergesagten und experimentellen LC 50-Mittelwerten mit zunehmender ER-Bindungsaffinität (Abbildung 5). Dies kann daran liegen, dass die Letalität der Eltern in einem akuten Toxizitätstest nicht auf ER-Bindung zurückzuführen ist, sondern in den meisten Fällen auf Narkose oder auf Redox-Zyklus im Falle von Hydrochinon. Beispielsweise ist eine umfassendere Analyse, einschließlich der chronischen Toxizität, erforderlich, damit ein größerer Satz von EDs prädiktive Einschränkungen der aktuellen Version der QSAR Toolbox definieren kann.
Diese vorläufige Forschung kann auch Auswirkungen auf die öffentliche Gesundheit haben, weil Steroide (Androgene, Östrogene, Gestagene, und Kortikoide) und ihre Rezeptoren ähnliche oder sogar identische makromolekulare Strukturen über Wirbeltiere aufweisen5. Diese Arten von analogen endokrineSignalsystemen können mit einem gemeinsamen Mechanismus in Schlüsselereignissen von EDs5arbeiten. Dennoch sind zusätzliche und ergänzende Methoden erforderlich, um diesen gewaltigen und komplexen Aspekt zu beleuchten [z. B. durch eine rechnerische Modellierung von Absorption, Verteilung, Stoffwechsel und Ausscheidung (ADME) und/oder negativen Ergebnissen. (AOP)]38. Da die meisten wissenschaftlichen und öffentlichen Bedenken hinsichtlich der nachteiligen Auswirkungen von EDs auf ihre chronischen Toxizitäten, die Verbesserung der Datenbanken und Algorithmen in der QSAR Toolbox und die Herstellung einer zuverlässigen Langzeitökotoxikologie Vorhersagen für EDs sind beide notwendig.
Dieses Papier zeigt die Anwendung der QSAR Toolbox zum Vergleich ökotoxikologischer LC50-Werte für Fische mit log10K ow-Werten von EDs. Während des gesamten Protokolls führt es zu schwachen Beziehungen zwischen den beiden Parametern, da es wurden durch frühere Studien (z.B. Kim et al.39) festgestellt, dass Log10Kow kein guter direkter Prädiktor von aquatischem LC50ist. Trotz dieser Einschränkung bietet dieses Protokoll eine allgemeine Überprüfung oder "Vignette", um zu beschreiben, wie das Dashboard für einen bestimmten Zweck verwendet wird, da es eine gültige Anwendung ist, um die QSAR Toolbox zur Untersuchung von Korrelationen zwischen LC50 (oder ER-Bindung) zu verwenden. Affinität) und log10K ow, oder als Werkzeug für ein schnelles akutes Ökotoxizitätsscreening. Es sei jedoch darauf hingewiesen, dass (1) die Beleuchtung des Zusammenhangs zwischen Östrogenrezeptorbindung und chronischer Toxizität anstelle der akuten Toxizität (Tödlichkeit) relevanter ist, so dass klarere Korrelationen gefunden werden können, und (2) der Androgenrezeptor zusammen mit dem von Östrogen, spielt auch eine entscheidende Rolle bei der reproduktiven Toxizität. Daher ist es für die zukünftige Version der QSAR Toolbox erforderlich, die Vorhersagefunktionen im Lichte dieser beiden Punkte zu verbessern.

Neue Entwicklungen in Informatik und Computertechnik haben die biologischen Wissenschaften mit quantitativen Methoden befähigt, die hohe Präzision und Zuverlässigkeit bieten1. Insbesondere Algorithmen, die in der molekularen Taxonomie und Der Objektklassifizierung verwendet werden, haben zu quantitativen Struktur-Aktivitäts-Beziehungsmodellen (QSAR)2geführt. Diese Modelle korrelieren automatisch die chemischen Strukturen und biologischen Aktivitäten einer bestimmten chemischen Datenbank und implementieren ein schnelles Silico-Screening einer breiten Palette chemischer Substrate entsprechend ihrer medizinischen oder toxikologischen Aktivität3. QSAR-Werkzeuge können prädiktive Toxizitätsprofile als Funktion von Merkmalsvektoren molekularer Deskriptoren (d. h. physikalisch-chemischer Parameter) von Chemikalien von Interesse erzeugen, um numerisch kategoriale Endpunkte zu erstellen4. Normalerweise wird jeder quantitative Endpunkt als 2D-Streudiagramm im Vergleich zu Änderungen in Deskriptorwerten angezeigt. Ein QSAR-Modell wird dann mit (mehreren) linearen Regressionsanalysen generiert. Nachdem ein Dataset vollständig zum Erstellen eines QSAR-Modells (der so genannte Trainingssatz) ausgenutzt wurde, wird das Modell statistisch überprüft, indem die Endpunkte einer Gruppe von Chemikalien vorhergesagt werden, die nicht im Trainingssatz enthalten sind (der so genannte Testsatz). Das Modell kann dann verwendet werden, um die biologischen Aktivitäten von ungetesteten Verbindungen3vorherzusagen.
Unter vielen schädlichen Chemikalien, endokrine Disruptoren (EDs) wurden als eine Gruppe von Giftstoffen hervorgehoben, die in zahlreichen Hormon-bezogenen Stoffwechsel bei Säugetieren stören können, Amphibien, und Fische5,6. EDs sind dafür bekannt, eine Vielzahl von Nebenwirkungen zu induzieren, wie Krebs und Fehlbildungen, indem sie normale hormonelle Bahnen blockieren oder verändern oder abnormale Hormonsynthese/-degradationssignale aktivieren. Infolgedessen können diese hormonimitierenden Chemikalien endokrine Systeme stören, so dass die biologische Entwicklung und Fortpflanzung von Wildtierpopulationen behindert wird. Insbesondere die ökotoxikologischen Wirkungen von EDs wurden bei Wasserwirbeltieren, die nahezu identische Hormonrezeptorstrukturen haben, umfassend untersucht wie bei Säugetieren, einschließlich Menschen. Da alle hormonellen Aktionen bei niedrigen Dosen in vivo auftreten, ist die Vorhersage der potenziellen Toxizitäten von ED-Kandidaten mit schnellen Silico-Screening stoltoisierend für die öffentliche und ökologische Gesundheit.
QSAR-Modelle, die auf der Toxikologie von EDs basieren, wurden sowohl unter Verwendung von 2D- als auch 3D-Deskriptoren (bekannt als 2D- und 3D-QSAR) durchgeführt, die die ED-Ligand-Bindungsaffinitäten von Östrogen-, Androgen- und Progesteronrezeptoren7offenbaren. Trotz der hochpräzisen Vorteile von 3D QSAR, bei denen konforme und elektrostatische Wechselwirkungen berücksichtigt werden, behält 2D QSAR seine eigene Robustheit in direkten mathematischen Algorithmen, schnellen Berechnungen und extrem niedrigen Rechenlasten. Darüber hinaus sind 2D-QSAR-Modelle flexibel für den Einsatz in einer Vielzahl von Anwendungen und erzielen gleichzeitig eine relativ genaue Vorhersageleistung.
Die OECD QSAR Toolbox ist derzeit eines der am häufigsten genutzten Computer-Software-Tools und bietet frei verfügbare und vorgefertigte QSAR-Modelle8,9. Der Profiler verwendet 2D-Deskriptordatenbanken. Seit der Veröffentlichung der ersten Version im Jahr 2008 wird die Software in den Bereichen chemische und biologische Industrie, öffentliche Gesundheit und Umweltsicherheit zur vollständigen oder teilweisen Analyse der potenziellen Risiken natürlicher und synthetischer Verbindungen eingesetzt, besondere Interessen in der Karzinogenese10,11,12, Mutagenität13,14,15, und Entwicklungstoxizität16. Die Anwendung auf die aquatische Toxikologie wurde ebenfalls nachgewiesen, mit Schwerpunkt bioakkumation und biotransformation17.
Die QSAR Toolbox hat sich als nützlich bei der Vorhersage der kurzfristigen Toxizität einer breiten Palette von Chemikalien17, sowie der Östrogenrezeptor (ER) Bindung Affinitäten von EDs18. Die akuten Ökotoxizitäten von EDs bei Wirbeltieren wurden jedoch nicht mit der QSAR Toolbox analysiert. In dieser Studie wird ein typisches und leichtes Protokoll vorgestellt, um QSAR-Modellierung über die akuten Nebenwirkungen von EDs mit einem Schwerpunkt bei Fischarten durchzuführen. Die Studie zeigt, dass die QSAR Toolbox eine hochzugängliche Software zur Berechnung und Vorhersage der Letalität/Sterblichkeit von Wasserwirbeltieren für einige repräsentative EDs ist. Statistische Behandlungsmethoden für die abgeleiteten silico-Datensätze werden vorgestellt. Abbildung 1 zeigt das Gesamtschema für den allgemeinen Betrieb der QSAR Toolbox. Der in Abbildung 2 dargestellte Arbeitsablauf enthält einfache Anweisungen zum Betrieb des in silico-Assays, um die akute Ökotoxizität von Zielstoffen wie endokrin störenden Chemikalien vorherzusagen.

<table>
	<tbody>
		<tr>
			<td>Adobe Acrobat Reader DC</td>
			<td>Adobe Systems Software Ireland Limited</td>
			<td>NA</td>
			<td>Required to view prediction and category report</td>
		</tr>
		<tr>
			<td>Computer</td>
			<td>System: Microsoft Corporation</td>
			<td>NA</td>
			<td>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</td>
		</tr>
		<tr>
			<td>Microsoft Editor</td>
			<td>Microsoft Corporation</td>
			<td>NA</td>
			<td>Required to upload a substance list of CAS numbers (batch mode) to the OECD QSAR Toolbox as .txt file (text file)</td>
		</tr>
		<tr>
			<td>Microsoft Excel 2016</td>
			<td>Microsoft Corporation</td>
			<td>NA</td>
			<td>Required to export data from OECD QSAR Toolbox as .cvs, .xls or .xlsx files</td>
		</tr>
		<tr>
			<td>OECD QSAR Toolbox version 4.0 or newer</td>
			<td>Organisation for Economic 
			Co-operation and Development</td>
			<td>NA</td>
			<td>Required to run OECD QSAR Toolbox Automated Workflows; free download: 
			https://qsartoolbox.org/download/</td>
		</tr>
		<tr>
			<td>OriginPro 9</td>
			<td>OriginLab Corporation</td>
			<td>NA</td>
			<td>Optional program for data analysis; similar tools possible</td>
		</tr>
	</tbody>
</table>

in silico modeling method for computational aquatic toxicology of endocrine disruptors: a software-based approach using qsar toolbox

Computational Analysen toxikologischer Prozesse ermöglichen ein hochdurchsatzreiches Screening chemischer Substanzen und die Vorhersage ihrer Endpunkte in biologischen Systemen. Insbesondere wurden quantitative Struktur-Aktivitäts-Beziehungsmodelle (QSAR) zunehmend angewendet, um die Umweltauswirkungen einer Vielzahl toxischer Stoffe zu bewerten. In den letzten Jahren sind einige der stärker hervorgehobenen Arten von Giftstoffen endokrine Disruptoren (EDs, die Chemikalien sind, die jeden hormonbedingten Stoffwechsel stören können). Da EDs die Entwicklung und Fortpflanzung von Tieren erheblich beeinflussen können, ist eine schnelle Vorhersage der nachteiligen Auswirkungen von EDs mit Silico-Techniken erforderlich. Diese Studie stellt eine in silico-Methode zur Erstellung von Vorhersagedaten über die Auswirkungen repräsentativer EDs bei Wirbeltieren, insbesondere Fischarten, vor. Das Protokoll beschreibt ein Beispiel anhand des automatisierten Workflows der QSAR Toolbox Software, die von der Organisation für wirtschaftliche Zusammenarbeit und Entwicklung (OECD) entwickelt wurde, um akute Ökotoxizitätsvorhersagen von EDs zu ermöglichen. Als Ergebnis werden folgende Ermittelt: (1) Berechnung der numerischen Korrelationen zwischen der Konzentration für 50% der Letalität (LC50) und dem Octanol-Wasser-Partitionskoeffizienten (Kow), (2) Ausgangsleistungen, bei denen die LC50 Die in Experimenten ermittelten Werte werden mit denen verglichen, die durch Berechnungen generiert wurden, und (3) die Abhängigkeit der Östrogenrezeptorbindungsaffinität von der Beziehung zwischen Kow und LC50.

Watch this Scientific Journal Video about In Silico Modeling Method for Computational Aquatic Toxicology of Endocrine Disruptors: A Software-Based Approach Using QSAR Toolbox at JoVE.com

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

Die quantitative Struktur-Aktivitäts-Beziehungsmodellierung (QSAR) ist eine repräsentative bioinformatische Methode im toxikologischen Screening. Dieses Protokoll zeigt, wie die Risiken von endokrinen Disruptoren (EDs) in aquatischen Umgebungen rechnerisch bewertet werden. Mit Hilfe der OECD QSAR Toolbox implementiert das Protokoll einen in silico assay zur Analyse der Toxizität von EDs bei Fischen.

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

Unser Protokoll verwendet ein hochzugängliches und offenes Softwareprogramm, um eine schnelle Berechnung kurzfristiger negativer Auswirkungen endokrine störender Chemikalien zu ermöglichen. Diese OECD QSAR Toolbox ist nützlich, um die Toxizität chemischer Stoffe vorherzusagen, und bietet eine effiziente Methode zur benutzerfreundlichen Bewertung der akuten Ökotoxizität endokriner Disruptoren. Beim Starten der QSAR Toolbox beginnt der Benutzer standardmäßig in der Eingabe-Toolbox-Phase, und die Toolbox erstellt automatisch eine Arbeitsdatei mit dem Namen Dokument 1.Nachdem Sie auf Chemical Abstract Service Number geklickt haben, geben Sie die chemische abstrakte Servicenummer der Zielsubstanz in das verfügbare Textfeld ein, und klicken Sie auf Suchen. Über die Structure-Taste kann der Stoff auch durch den vereinfachten code des molekularen Eingabeliniensystems durchsucht werden. Um den in-silico-Test für mehrere Zielsubstanzen durchzuführen, schreiben Sie eine einfache Stoffliste in einen Texteditor, in dem jede chemische abstrakte Servicenummer in einer einzigen Zeile aufgeführt ist, und speichern Sie die Textdatei mit einem entsprechenden Namen.Klicken Sie als Nächstes auf Daten, und bestätigen Sie, dass die unter Ökotoxikologischen Informationen aufgeführten Datenbanken überprüft werden. Klicken Sie auf Eingabe, wählen Sie Abfrage aus, und klicken Sie im Dialogfeld auf Ja, um die ausgewählten Einstellungen zu akzeptieren. Wählen Sie auf der Registerkarte Chemischer Abstrakter Dienst die Option Liste laden aus, um die als Textdatei gespeicherte Stoffliste hochzuladen.Klicken Sie unten im Popup-Menü auf Hinzufügen und auf Ausführen. In der QSAR-Toolbox wird eine Meldung angezeigt, die die Anzahl der Stoffe angibt, die für die Suche abgerufen wurden. Um die Profilerstellung zu erstellen, klicken Sie auf die Stage-Schaltfläche Profiling Toolbox, und navigieren Sie im Bedienfeld "Bühnenoption" zu Profilerstellungsmethoden.Klicken Sie im Fenster Profilierungsmethoden auf Alle deaktivieren, und bestätigen Sie, dass alle Profiler, die unter Vordefinierte und Profiler im Zusammenhang mit aquatischer Toxizität unter Endpunktspezifisch aufgeführt sind, überprüft werden, und klicken Sie dann auf Anwenden, klicken Sie mit der rechten Maustaste auf Parameter, um integrierte 2D- und 3D-QSAR-Modelle wie gewünscht auszuführen. Um Daten zu erfassen, klicken Sie auf die Stage-Schaltfläche "Data Toolbox", und klicken Sie auf der Symbolleiste "Aktionen" auf Sammeln. Wählen Sie Alle Endpunkte aus, um alle experimentellen Daten zu sammeln, oder wählen Sie Auswählen aus, um die Endpunktspezifischen experimentellen Daten zu sammeln.Klicken Sie mit der rechten Maustaste auf den Endpunkt von Interesse, und organisieren Sie die Endpunktstruktur auf die bevorzugte Weise, indem Sie die verfügbaren Begriffe und Pfeile verwenden, bevor Sie auf "Okay" klicken. Klicken Sie dann mit der rechten Maustaste auf den endpunkt von Interesse, und wählen Sie Datenmatrix exportieren aus, um die gesammelten Daten in eine Kalkulationstabelle zu exportieren. Ein Matrixexport-Assistent wird angezeigt, wodurch weitere Endpunkte zur Exportliste hinzugefügt werden können.Beenden Sie die Auswahl, und klicken Sie auf Exportieren, um die Datei zu speichern. Um datenlücken zu füllen, klicken Sie auf die Stage-Schaltfläche Data Gap Filling Toolbox und auf Automatisiert. Wählen Sie Ökotoxikologische Informationen und Fisch, tödliche Konzentration bei 50% bei 96 Stunden und klicken Sie auf Okay.Das Workflow-Controller-Fenster wird angezeigt. Wenn Sie den Batch-Modus ausführen, geben Sie den Bereich der Substanzen an, über den der Workflow ausgeführt werden soll. Wenn die Vorhersage erfolgreich ausgeführt wurde, klicken Sie auf die Schaltfläche "Phase der Berichtstoolbox", klicken Sie mit der linken Maustaste auf den resultierenden Vorhersagewert, klicken Sie auf Vorhersage, und passen Sie den Berichtsinhalt und die Darstellung im Popup-Assistenten an.Nachdem Sie auf Weiter geklickt haben, klicken Sie auf Bericht erstellen, und speichern Sie die Vorhersage- und Kategorieberichte als PDF-Dateien und die Datenmatrix als Tabellenkalkulationsdatei. In dieser quantitativen Analyse der vorhergesagten akuten Toxizitäten ausgewählter endokriner Disruptoren, als die vorhergesagten Datenpunkte im Vergleich zu den experimentellen Datenpunkten als Log-Log-Skala dargestellt wurden, wurde eine positive Korrelation zwischen beiden Parametern für alle analysierten Fische sowie für unsere repräsentativen Arten gefunden. Um eine Sicherheitsbewertung der höchsten Zuverlässigkeit zu ermöglichen, wurde eine weitere Berechnungsanalyse durchgeführt, indem die vorhergesagte Untergrenze des 95%-Konfidenzintervalls der tödlichen Konzentration bei 50% im Vergleich zu den experimentell abgeleiteten Werten nachzeichnetwurde.Bei dieser Bewertung mit erhöhter Sicherheitsschwelle wurden 92 % der insgesamt getesteten endokrine störanfälligen Verbindungen im Vergleich zu den experimentell abgeleiteten Werten in den Schutzbereich fallen. Hier waren die mittleren Werte der vorhergesagten tödlichen Konzentration bei 50%Werten für die Östrogenrezeptorbindemittel höher als die der Nicht-Bindemittel. Im Gegensatz dazu waren für die experimentelle tödliche Konzentration bei 50%Werten drei Ebenen der nicht und schwachen Bindemittel höher als die der stärkeren Östrogenrezeptorbindemittel.Dieses Verfahren kann nur auf chemische Substanzen mit einer eindeutigen Kennung angewendet werden, die in diesem Fall der SMILES-Code ist. In der OECD QSAR Toolbox ist ein weiterer automatisierter Workflow integriert, der ähnlich angewendet werden kann und für die Sensibilisierung der Haut dient.

Research

JoVE Journal

Bioengineering

Cellular Lipid Extraction for Targeted Stable Isotope Dilution Liquid Chromatography-Mass Spectrometry Analysis

Cellular Lipidextraktion für Targeted Stable Isotope Dilution Flüssigchromatographie-Massenspektrometrie-Analyse

The metabolism of fatty acids, such as arachidonic acid (AA) and linoleic acid (LA), results in the formation of oxidized bioactive lipids, including ...

Forschung

Biotechnik

A Cre-Lox P Recombination Approach for the Detection of Cell Fusion In Vivo

A Cre-Lox P Recombination Approach for the Detection of Cell Fusion In Vivo

Ein Cre-Lox P Rekombination Ansatz für den Nachweis von Cell Fusion In Vivo</em

The ability of two or more cells of the same type to fuse has been utilized in metazoans throughout evolution to form many complex organs, including ...

Patient-specific Modeling of the Heart: Estimation of Ventricular Fiber Orientations

Patienten-spezifischer Modellierung des Herz: Schätzung der Ventrikuläre Faserorientierungen

Patient-specific  simulations of heart (dys)function aimed at personalizing cardiac therapy are hampered  by the absence of in vivo imaging technology for ...

Characterization of Complex Systems Using the Design of Experiments Approach: Transient Protein Expression in Tobacco as a Case Study

Charakterisierung komplexer Systeme Mit dem Design of Experiments Ansatz: Transient Protein Expression in Tabak als Case Study

Plants provide multiple benefits for the production of biopharmaceuticals including low costs, scalability, and safety. Transient expression offers the ...

Production, Characterization and Potential Uses of a 3D Tissue-engineered Human Esophageal Mucosal Model

Herstellung, Charakterisierung und Einsatzmöglichkeiten von 3D-Tissue-Engineering Menschen Ösophagus-Schleimhaut-Modell

The incidence of both esophageal adenocarcinoma and its precursor, Barrett&#8217;s Metaplasia, are rising rapidly in the western world. Furthermore ...

A Combined 3D Tissue Engineered In Vitro/In Silico Lung Tumor Model for Predicting Drug Effectiveness in Specific Mutational Backgrounds

A Combined 3D Tissue Engineered In Vitro/In Silico Lung Tumor Model for Predicting Drug Effectiveness in Specific Mutational Backgrounds

Ein kombiniertes 3D-Gewebezüchtungen<em&gt; In Vitro</em&gt; /<em&gt; In Silico</em&gt; Lungentumormodell für Hintergründe in bestimmten Mutations Drug Wirksamkeit vorhersagen

In the present study, we combined an in vitro 3D lung tumor model with an in silico model to optimize predictions of drug response based on a specific ...

Labeling of Blood Vessels in the Teleost Brain and Pituitary Using Cardiac Perfusion with a DiI-fixative

Kennzeichnung von Blutgefäßen im Teleost Gehirn und Pituitary mit Herz-Perfusion mit einem DiI-Fixative

Blood vessels innervate all tissues in vertebrates, enabling their survival by providing the necessary nutrients, oxygen, and hormonal signals. It is one ...

Simultaneous Quantification of Selected Kynurenines Analyzed by Liquid Chromatography-Mass Spectrometry in Medium Collected from Cancer Cell Cultures

Gleichzeitige Quantifizierung ausgewählter Kynurenine, analysiert durch Flüssigchromatographie-Massenspektrometrie in Medium Collected from Cancer Cell Cultures

The kynurenine pathway and the tryptophan catabolites called kynurenines have received increased attention for their involvement in immune regulation and ...

A MRI-Based Toolbox for Neurosurgical Planning in Nonhuman Primates

Eine MRT-basierte Toolbox für neurochirurgische Planung bei nichtmenschlichen Primaten

In this paper, we outline a method for surgical preparation that allows for the practical planning of a variety of neurosurgeries in NHPs solely using ...

A Micropatterning Assay for Measuring Cell Chirality

Ein Mikrostrukturierungsassay zur Messung der Zellchiralität

Chirality is an intrinsic cellular property, which depicts the asymmetry in terms of polarization along the left-right axis of the cell. As this unique ...