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

Esta pesquisa foi apoiada pelo Conselho Nacional de pesquisa de ciência & tecnologia (NST) concessão pelo governo sul-coreano (MSIP) (não. CAP-17-01-KIST Europe) e projeto 11911.

1. equipamento
<ol><li>Software: Use o OECD QSAR Toolbox 4,0 ou mais recente (download gratuito de < https://qsartoolbox.org/download/?) e software de análise de dados.</li>
	<li>Computador: para a caixa de ferramentas da OCDE QSAR, use: (i) tipo de sistema: 64 bit, Windows 7 ou mais recente; (II) processador: i5 a 2,4 GHz, ou um processador mais rápido ou CPU AMD equivalente; (III) memória instalada (RAM): 6 GB; (IV) unidade de disco rígido (HDD): 20 GB de espaço livre no disco rígido (OECD QSAR Toolbox 4,3 notas de lançamento: < https://qsartoolbox.org/file/2019/02/Toolbox-4.3-Release-Notes-1.pdf >).</li>
</ol>2. procedimento
<ol><li>Caixa de ferramentas da OCDE QSAR Nota: a caixa de ferramentas QSAR opera em seis módulos de fluxo consecutivos a partir de entrada e seguido de perfilamento, dados, definição de categoria, preenchimento de lacuna de dados, em seguida, report, localizado na parte superior do a interface do programa.<ol>
<li>Explore os seis estágios acima mencionados por meio de seis ícones da barra de ferramentas clicando com o botão esquerdo. Primeiro, olhe sobre os estágios de entrada, preenchimento de lacuna de dados e relatório que são necessários para executar o fluxo de trabalho automatizado "ponto de extremidade ecotoxicológico" e para documentar seus resultados.</li>
		<li>Dê uma olhada curta sobre estágios opcionais perfil e dados. O estágio de perfilamento fornece uma introspecção inicial no potencial da toxicidade da substância-alvo (eco) e nas características ambientais do Fate. O estágio de dados opcional permite pesquisar dados experimentais disponíveis relacionados à substância alvo.</li>
	</ol></li>
	<li>Entrada<ol>
<li>Ao iniciar a caixa de ferramentas do QSAR, o usuário começa no estágio da caixa de ferramentas de entrada por padrão. A caixa de ferramentas QSAR cria um arquivo de trabalho denominado "documento 1" automaticamente, que é exibido no painel de opções de estágio à esquerda da interface do programa. Renomeie o arquivo, se desejado, clicando com o botão direito do mouse no arquivo de trabalho.</li>
		<li>Clique no botão CAS # na barra de ferramentas ações, insira o número do serviço de resumo químico (CAS) da substância alvo no campo de texto disponível e clique em Pesquisar. A ferramenta procurará então a substância do alvo pelo número CAS.</li>
		<li>Se necessário, escolha outras opções de pesquisa disponíveis na barra de ferramentas de ação, como pesquisa por nome de substância ou código do sistema de entrada de linha molecular simplificado (SMILES). SMILES pode ser introduzido como 2D não estereo-químico ou 3D estereo-químico contendo formulários. Clique em nome ou estrutura, respectivamente. Use a ferramenta Structure para desenhar a substância alvo.</li>
		<li>A ferramenta de pesquisa exibe os resultados da pesquisa por meio de registros de banco de dados em uma janela pop-up. Escolha o registro que relata um "alto" relação CAS-SMILES (campo derelação de CS ) se vários registros são recuperados para a substância de destino, marcando a caixa à esquerda do registro. Clique em OK. Nota: prosseguir a partir deste ponto é possível apenas se o registo recuperado contiver um código SMILES, como o código SMILES (2D não estereo-químico contendo formulário) é a base para a computação.</li>
		<li>Modo de lote: para realizar o ensaio em silico para várias substâncias alvo, escreva uma lista de substância simples em um editor de texto no qual cada número CAS é listado em uma única linha (Figura complementar S3). Guarde o ficheiro de texto com um nome apropriado e extensão. txt no computador.</li>
		<li>Modo de lote: clique em dados. Em seguida, vá para bancos de dados no painel de opções de estágio à esquerda da interface do programa. Certifique-se de que os bancos de dados listados em informações ecotoxicológicas estejam verificados.
</li>
		<li>Modo batch: clique em Input. Selecione consulta na barra de ferramentas ações. Aceite as configurações definidas na etapa 2.2.6 clicando em Sim na janela de diálogo.</li>
		<li>Modo batch: escolha a guia CAS . Carregue a lista de substâncias guardada como ficheiro de texto através da lista de carga do seu computador.</li>
		<li>Modo de lote: há dois Adicionar botões disponíveis; Clique no botão Adicionar na parte inferior do menu pop-up e, em seguida, clique em executar. A caixa de ferramentas QSAR exibirá uma mensagem sobre o número de substâncias que foram recuperadas para a pesquisa. Observação: algumas substâncias da lista carregada não podem ser encontradas pela ferramenta de pesquisa ou que várias entradas podem estar disponíveis para um número de CAS. Não é possível eliminar substâncias do conjunto recuperado de substâncias.</li>
	</ol></li>
	<li>Perfil Observação: a seção a seguir é opcional. Se isso não for necessário, pule para a seção 2,5.<ol>
<li>Clique no botão de caixa de ferramentas etapa profiling. Vá para métodos de criação de perfil no painel de opções de estágio à esquerda da interface do programa.</li>
		<li>Clique em desselecionar tudo. Verifique todos os geradores de perfis listados em predefinidos e os relacionados com a toxicidade aquática listado em ponto de extremidade específico , como "classificação de toxicidade aguda aquática por Verhaar (modificada)."</li>
		<li>Termine a seleção. Em seguida, clique no botão aplicar na barra de ferramentas ações. Nota: a caixa de ferramentas QSAR fornece recomendações sobre um conjunto de geradores de perfis. Estes são destacados em verde (adequado) e laranja (plausível) ao escolher opções &Gt; cor por: &Gt; ponto de extremidade selecionado na matriz de dados no canto superior esquerdo dos métodos de criação de perfil. Clique com o lado esquerdo no campo matriz de dados próximo ao ponto de extremidade de interesse. Os pontos de extremidade disponíveis são listados na árvore de ponto de extremidade ao lado do painel de opções de estágio. O tipo de substância do profiler indicará se a substância alvo é um "produto químico discreto". As informações são exibidas na árvore de ponto de extremidade expandida "perfil", "predefinido" e "tipo de substância". Somente se a substância alvo for um produto químico discreto, o fluxo de trabalho automatizado será executado com êxito. "A classificação de toxicidade aguda aquática por Verhaar (modificada)" fornece uma primeira estimativa do mecanismo agudo de toxicidade aquática da substância alvo19,20. As informações são exibidas na árvore de ponto de extremidade expandida "perfil", "ponto de extremidade específico" e "classificação de toxicidade aguda aquática por Verhaar (modificada)". Estão disponíveis cinco classes: (classe 1) substâncias químicas inertes (toxicidade basal); (classe 2) menos produtos químicos inertes; (classe 3) produtos químicos reativos; (classe 4) produtos químicos especificamente agindo; e (classe 5) para produtos químicos não é possível classificar.</li>
		<li>Clique com o botão direito do mouse no parâmetro na árvore de Endpoint para executar modelos integrados de QSAR 2D e 3D disponíveis na caixa de ferramentas QSAR, se desejado. Clique em calcular/extrair todos os parâmetros para todos os produtos químicos no menu pop-up.</li>
		<li>os modelos 2D e 3D QSAR compilados no parâmetro fornecem valores numéricos. Use "métodos de criação de perfil" para obter informações qualitativas (consulte a etapa 2.3.1).</li>
	</ol></li>
	<li>Dados Observação: Esta seção é opcional. Se não for necessário, pule para a seção 2,5.<ol>
<li>Clique nos dados do botão de estágio da caixa de ferramentas . Em seguida, clique em reunir na barra de ferramentas ações.</li>
		<li>Selecione todos os pontos de extremidade para coletar todos os dados experimentais e escolha coletar dados experimentais específicos do Endpoint. Por exemplo, se a toxicidade aquática for o foco do usuário, clique em escolher &Gt; informações ecotoxicológicas &Gt; toxicidade aquática > OK. Observação: escolhendo para coletar dados experimentais para todos os pontos de extremidade pode levar ao tempo de processamento estendido. O usuário pode adaptar a hierarquia da árvore de ponto de extremidade para a finalidade específica. Isso altera a maneira na qual os dados são exibidos.</li>
		<li>Se desejar, clique com o botão direito do mouse no ponto de extremidade de interesse na área da árvore de Endpoint. Escolha definir hierarquia de árvore no menu pop-up. Organize a árvore de ponto de extremidade da maneira preferida usando os termos e as setas disponíveis e clique em OK.
</li>
		<li>Se desejar, exporte os dados reunidos como um arquivo do Excel. Clique com o botão direito do mouse no ponto de extremidade de interesse e escolha Exportar matriz de dados no menu pop-up.</li>
		<li>Um assistente de "exportação de matriz" abre e permite a adição de outros pontos de extremidade à lista de exportação. Conclua a seleção, clique em Exportar e salve o arquivo no computador. Nota: não é possível exportar dados de todos os bancos de dados. Por exemplo, os dados recuperados do banco de dados "ECHA CHEM" não podem ser salvos.</li>
	</ol></li>
	<li>Preenchimento de lacuna de dados<ol>
<li>Clique no botão da caixa de ferramentas estágio preenchimento de dados Gap. Em seguida, clique em automatizado na barra de ferramentas ações.</li>
		<li>Selecionar ponto de extremidade ecotoxicológico > peixes, CL50 (concentração letal, 50%) em 96 h para Pimephales vairão gordo (mortalidade). Clique em OK. Um "controlador de fluxo de trabalho" aparecerá e o processamento levará até vários minutos, especialmente no modo de lote. Nota: a caixa de ferramentas QSAR aplica automaticamente um conjunto definido de geradores de perfis ao procurar substâncias adequadas com dados experimentais disponíveis para a previsão. Os dados experimentais [por exemplo, concentrações do efeito 96 h LC50 (p. vairão gordo) ou 96 h EC50 (p. vairão gordo, mortalidade)] são usados para gerar a predição para a substância-alvo pela aproximação linear ou mais próxima método vizinho. Observe que os métodos de aproximação linear e vizinho mais próximo são referidos como análise de tendência (rotulado como "T") e Read-Across (rotulado como "R"), respectivamente.</li>
		<li>O usuário receberá uma mensagem se a previsão for executada com êxito. Clique em OK e feche o controlador de fluxo de trabalho indicando "fluxo de trabalho concluído" clicando em x no canto superior direito.</li>
		<li>Modo de lote: ao iniciar o fluxo de trabalho automatizado, o usuário será solicitado a especificar o intervalo de substâncias sobre as quais executar o fluxo de trabalho. Aceite a gama completa de substâncias seleccionadas por predefinição na janela de diálogo, clicando em OK.
</li>
		<li>Modo de lote: o usuário não receberá uma mensagem indicando se uma previsão foi executada com êxito ou sem êxito. Feche o controlador de fluxo de trabalho que indica "fluxo de trabalho concluído" no final do processamento em lote clicando em x no canto superior direito.</li>
	</ol></li>
	<li>Relatório<ol>
<li>Se uma previsão foi executada com êxito, clique no relatório de botão do estágio da caixa de ferramentas . Observação: nenhum relatório pode ser gerado no modo de lote.</li>
		<li>Role para baixo e localize o valor de previsão no campo matriz localizado em uma linha destacada amarela ao lado do ponto de extremidade "96-h." O valor previsto é rotulado com "T" ou "R". Ative este campo de matriz de dados específico clicando com o botão esquerdo do mouse.</li>
		<li>Clique em previsão na barra de ferramentas ações. Personalize o conteúdo e a aparência do relatório no assistente de pop-up. Estão disponíveis três tipos de relatórios: (i) predição, (II) categoria e (III) matriz de dados.</li>
		<li>O assistente permite que o usuário preencha o nome do autor e os detalhes de contato. Escreva um breve resumo, forneça uma explicação detalhada da interpretação mecanicista ou forneça justificação para a adequação da previsão.</li>
		<li>Inclua informações adicionais relacionadas à previsão executada, se desejado. A extensão das informações adicionais depende do usuário.</li>
		<li>Percorra o assistente clicando em seguinte. Por fim, clique em criar relatório e salve os relatórios de previsão e categoria como arquivos PDF e a matriz de dados como uma planilha do Excel no computador.</li>
		<li>Encontre detalhes adicionais sobre as funcionalidades da caixa de ferramentas QSAR e fluxos de trabalho automatizados no manual do aplicativo para o OECD QSAR Toolbox v. 4 (F1 Ajuda no teclado). Detalhes sobre os algoritmos e raciocínio por trás do fluxo de trabalho automatizado são descritos por Dimitrov et al.8 e Yordanova et al.9.</li>
	</ol></li>
</ol>3. aplicação
<ol><li>Se utilizar a concentração do efeito previsto (i.e., 96-h LC50 de P. vairão gordo) na avaliação do risco ambiental, utilize o limite inferior do intervalo de confiança de 95%. Encontre os dados na primeira página do relatório de previsão salvo (PDF) em "Resumo de previsão", "valor previsto: < média > (de < lower_limit > para < upper_limit >)." Nota: as notas dadas aqui baseiam-se nos resultados da comparação entre os dados previstos e experimentais para um conjunto de substâncias alvo relatadas neste estudo. A seleção da extremidade inferior do intervalo de confiança de 95% aumentará a probabilidade de que a concentração do efeito previsto não subestime a toxicidade real da substância (veja os resultados representativos). A concentração efetiva prevista do limite inferior do intervalo de confiança de 95%, portanto, apresentará uma base mais segura para a avaliação de risco.</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>

Os autores não têm nada a revelar.

A versatilidade da caixa de ferramentas QSAR da OCDE como software analítico para Ecotoxicologia é mostrada aqui com interesse específico nos efeitos adversos dos produtos químicos de desregulação endócrina em vertebrados aquáticos. Além, um protocolo simples e padrão foi demonstrado para prever a toxicidade aguda (96-h LC50) de 74 representante EDs (tabela 1) para espécies de peixes. Isso foi conseguido aplicando-se a construção de categorias, preenchimento de lacunas de dados e módulos de perfilamento de er incorporados na caixa de ferramentas QSAR (Figura 1, Figura 2).
A correlação linear entre o log10LC50 e o log10Kow com uma inclinação negativa (como mostrado na Figura complementar S1) tem sido conhecida como uma relação quantitativa padrão nas análises QSAR25, onde maior toxicidade é mostrada a mais hidrofóbica um dado químico é. Como pode ser visto a partir de um cálculo simples, a relação matemática geral que inclui a equação S1 e a equação S2 (informações complementares) é uma expressão convertida da seguinte função de poder26:
<img alt="Equation 1" src="/files/ftp_upload/60054/60054equ01.jpg">
<img alt="Equation 2" src="/files/ftp_upload/60054/60054equ02.jpg">
A partir da parcela de (equação 2), caracterizar um intervalo intermediário de Kow26 pode ser possível ajustando os parâmetros a e b, onde uma certa variação na hidrofobicidade (ou hidrofilicidade) não altera significativamente a desfecho de toxicidade aguda.
As análises comparativas entre as predições computacionais e as observações experimentais na LC50, como mostra a Figura 3 e a Figura 4, têm sido tipicamente relatadas em estudos de QSAR para vários tóxicos aquáticos, incluindo surfactantes técnicos não iônicos27, fungicidas triazol28e metabólitos do pesticida21. Este tipo de validação retrospectiva fornece informações sobre o quão longe uma determinada ferramenta QSAR pode chegar em termos de desempenho comparativo para resultados experimentais. Neste estudo de toxicidade aguda em peixes, a caixa de ferramentas QSAR foi comprovada para fornecer previsões protetoras para mais de 90% de EDs testadas em todos os peixes e em uma única espécie, Pimephales vairão gordo.
Além disso, identificar os três produtos químicos outlier na Figura 3 e na Figura 4, que mostraram maior previsto LC50 em média e no mínimo, respectivamente, é necessária. Primeiramente, o 3 ', 5, 7-trihydroxy-4 ', 6-dimethoxyisoflavone é um tipo de flavonóide (mais especificamente, um Isoflavone), que seja considerado para ser geralmente seguro e usado em produtos farmacêuticos ervais; no entanto, ele ainda tem preocupações relacionadas ao estrogênio29 e pode causar toxicidade aguda provavelmente através de fosforilação oxidativa desengate30. Em seguida, o 1,4-benzenediol, denominado hidroquinona, é um composto fenólico que pode desencadear uma resposta imune não-específica e citotóxica em peixes31. Finalmente, o 4-hexilfenol tem sido conhecido por apresentar uma atividade estrogênica positiva suficiente para ser classificado como um ED32. Tem sido bem estudado que a principal razão da toxicidade aguda da hidroquinona é a redução-oxidação (redox) ciclismo. A hidroquinona é oxidada à benzoquinona e reduzida de volta à semiquinona ou hidroquinona repetidamente, com cofatores de depletização e gerando espécies reativas de oxigênio33. Os outros dois produtos químicos podem exigir investigações mais profundas para revelar seus mecanismos de ação na ecotoxicidade aguda usando abordagens de encaixe molecular, como a usada por panche et al.34, que não podem ser cobertas pela caixa de ferramentas QSAR.
EDs interferir com o sistema endócrino, principalmente através de interações físico-químicas com receptores de esteroides, tais como os receptores de estrogênio e andrógeno, que são de interesse considerável em estudos de modelagem QSAR35. Considerando isso, o QSAR Toolbox é robusto em termos de classificação facile e rápida de afinidades de ligação de ER para um conjunto de produtos químicos baseados apenas nos descritores 2D de estruturas moleculares. Quando este sistema de perfilador de ER foi aplicado à nossa lista de EDs, nenhuma correlação clara foi encontrada entre a afinidade de ligação de ER e a hidrofobicidade (Figura complementar S2). Este resultado pode ser explicado pelo fato de que a formação de um complexo receptor de esteroides não é uma consequência direta de uma contribuição de ligação hidrofóbica, mas deve ser acompanhada por uma mudança conformacional na estrutura do receptor do local ativo36. A ligação do receptor pode ser também devido ao hidrogênio-ligação e π-empilhamento.
Adicionalmente, a posição de cada grupo químico na molécula pode afetar a ligação do receptor, mesmo que a hidrofobicidade e o número de aceitadores de ligação de hidrogênio-doadores permaneçam os mesmos. Em segundo lugar, o profiler de ER produziu tendências contrárias entre os níveis médios previstos e experimentais do LC50 com afinidade de ligação de er crescente (Figura 5). Isso pode ser porque a letalidade dos pais em um teste de toxicidade aguda não se deve à associação de ER, mas sim à narcose na maioria dos casos, ou ao ciclagem redox no caso da hidroquinona. Por exemplo, uma análise mais extensa, incluindo a toxicidade crônica, é necessária para um conjunto maior de EDs definir limitações preditivas da versão atual da caixa de ferramentas QSAR.
Esta pesquisa preliminar também pode ter implicações para a saúde pública porque esteroides (andrógenos, estrogênios, progestines e corticoides) e seus receptores exibem estruturas macromoleculares semelhantes ou mesmo idênticas em vertebrados5. Estes tipos de sistemas de sinalização endócrina análoga podem operar-se usando um mecanismo comum em eventos chaves de EDs5. No entanto, são necessárias metodologias adicionais e complementares para iluminar esse aspecto vasto e complexo [por exemplo, realizando modelagem computacional de absorção, distribuição, metabolismo e excreção (ADME), e/ou desfecho adverso via (AOP)]38. Além disso, porque a maioria das preocupações científicas e públicas levantadas sobre os efeitos adversos dos EDs estão relacionadas com suas toxicidades crônicas, melhorando as bases de dados e algoritmos na caixa de ferramentas QSAR e produzindo confiável Ecotoxicologia a longo prazo previsões para EDs são ambos necessários.
Este artigo demonstra a aplicação do QSAR Toolbox para comparar os valores de LC50 ecotoxicológicos para peixes com valores de log10Kow de EDs. ao longo do protocolo, ele resulta em relações fracas entre os dois parâmetros, como tem foi revelado por estudos prévios (por exemplo, Kim et al.39) que o log10Kow não é um bom preditor direto do LC aquático50. Apesar dessa limitação, este protocolo fornece uma revisão geral ou "vinheta" para descrever como usar o Dashboard para uma determinada finalidade, uma vez que é um aplicativo válido para usar a caixa de ferramentas QSAR para investigar correlações entre LC50 (ou er Binding afinidade) e log10Kow, ou como uma ferramenta para a triagem rápida de ecotoxicidade aguda. No entanto, deve-se notar que (1) iluminar a ligação entre o receptor de estrogênio obrigatório e toxicidade crônica, em vez de toxicidade aguda (letalidade), é mais relevante para que correlações mais claras podem ser encontradas, e (2) o receptor de andrógeno, juntos com o de estrogênio, também desempenha um papel crítico na toxicidade reprodutiva. Portanto, é necessário que a versão futura da caixa de ferramentas QSAR melhore as funções de previsão à luz desses dois pontos.

Novos desenvolvimentos em informática e tecnologia computacional capacitaram as ciências biológicas com metodologias quantitativas que oferecem alta precisão e confiabilidade1. Em particular, os algoritmos utilizados na taxonomia molecular e classificação de propriedade resultaram em modelos quantitativos de relação entre estrutura e atividade (QSAR)2. Estes modelos correlacionam automaticamente as estruturas químicas e as atividades biológicas de um dado banco de dados químico e implementam rápida na triagem silico de uma ampla gama de substratos químicos de acordo com suas ações medicinais ou toxicológicas3. As ferramentas QSAR podem produzir perfis de toxicidade preditiva como uma função de vetores de característica de descritores moleculares (ou seja, parâmetros físico-químicos) de produtos químicos de interesse para criar numericamente pontos de extremidade categóricos4. Normalmente, cada ponto de extremidade quantitativo é exibido como um gráfico de dispersão 2D versus alterações nos valores do descritor. Um modelo QSAR é então gerado usando análises de regressão linear (múltiplas). Depois que um conjunto de dados foi totalmente explorado para construir um modelo QSAR (chamado de conjunto de treinamento), o modelo é validado estatisticamente prevendo os pontos de extremidade de um grupo de produtos químicos não incluídos no conjunto de treinamento (chamado de conjunto de teste). O modelo pode então ser usado para prever as atividades biológicas de compostos não testados3.
Entre muitos produtos químicos prejudiciais, os Disruptores endócrinos (EDs) foram destacados como um grupo de tóxicos que podem interferir em metabolismos hormone-relacionados numerosos nos mamíferos, nos anfíbios, e nos peixes5,6. Os EDs são conhecidos por induzir uma variedade de efeitos adversos, como cânceres e malformações, bloqueando ou alterando vias hormonais normais ou ativando sinais anormais de síntese/degradação hormonal. Como consequência, estes hormônio-imitando produtos químicos podem perturbar sistemas endócrinos de tal forma que o desenvolvimento biológico e reprodução de animais selvagens populações são dificultados. Em particular, os efeitos ecotoxicológicos dos EDs têm sido extensivamente investigados em vertebrados aquáticos, que têm estruturas de receptores hormonais quase idênticas às dos mamíferos, incluindo os humanos. Porque todas as ações hormonais ocorrem em doses baixas in vivo, prevendo as toxicidades potenciais de candidatos de ED usando rápido na triagem de silico é fundamental para a saúde pública e ambiental.
Modelos QSAR baseados na toxicologia de EDs têm sido conduzidos utilizando ambos os descritores 2D e 3D (conhecidos como QSAR 2D e 3D, respectivamente), que revelam as afinidades de ligação de ligante ED de estrogênio, andrógeno e receptores de progesterona7. Apesar das vantagens de alta precisão do QSAR 3D, em que as interações conformacionais e eletrostáticas são consideradas, o QSAR 2D retém sua própria robustez em algoritmos matemáticos diretos, cálculos rápidos e cargas computacionais extremamente baixas. Além disso, os modelos 2D-QSAR são flexíveis para uso em uma ampla gama de aplicações, ao mesmo tempo que atingem um desempenho de predição relativamente preciso.
A caixa de ferramentas da OCDE QSAR é atualmente uma das ferramentas de software de computador mais utilizadas, fornecendo modelos QSAR disponíveis e pré-construídos8,9. Seu Profiler usa bancos de dados de descritor 2D. Desde o lançamento da primeira versão em 2008, o software tem sido aplicado nas áreas de indústrias químicas e biológicas, saúde pública e segurança ambiental para análise completa ou parcial dos riscos potenciais de compostos naturais e sintéticos, com interesses especiais em carcinogénese10,11,12, mutagenicidade13,14,15e toxicidade do desenvolvimento16. A aplicação à Toxicologia aquática também tem sido demonstrada, com foco na bioacumulação e biotransformação17.
A caixa de ferramentas QSAR foi comprovada útil na predição da toxicidade de curto prazo de uma ampla gama de produtos químicos17, bem como as afinidades de ligação do receptor de ESTROGÊNIO (er) de EDs18. No entanto, as ecotoxicidades agudas de EDs em vertebrados aquáticos não foram analisadas usando a caixa de ferramentas QSAR. Neste estudo, um protocolo típico e facile é apresentado para executar a modelagem de QSAR nos efeitos adversos agudos de EDs com um foco em espécies de peixes. O estudo mostra que o QSAR Toolbox é um software altamente acessível para calcular e prever a letalidade/mortalidade de vertebrados aquáticos para algumas EDs representativas. os métodos de tratamento estatístico para os conjuntos de dados derivados em silico são apresentados. Figura 1 mostra o esquema geral para a operação geral da caixa de ferramentas QSAR. O fluxo de trabalho mostrado na Figura 2 fornece instruções diretas sobre como operar o ensaio em silico para prever a ecotoxicidade aguda de substâncias-alvo, como produtos químicos de desregulação endócrina.

<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

Análises computacionais de processos toxicológicos possibilitam a triagem de substâncias químicas de alto débito e previsão de seus Endpoints em sistemas biológicos. Em particular, os modelos quantitativos de relação estrutura-atividade (QSAR) têm sido cada vez mais aplicados para avaliar os efeitos ambientais de uma infinidade de materiais tóxicos. Nos últimos anos, alguns tipos mais destacados de tóxicos são os Disruptores endócrinos (EDs, que são produtos químicos que podem interferir com qualquer metabolismo hormonal-relacionado). Como os EDs podem afetar significativamente o desenvolvimento e a reprodução dos animais, é necessário prever rapidamente os efeitos adversos de EDs usando em técnicas de silico. Este estudo apresenta um método em silico para gerar dados de predição sobre os efeitos de EDs representativos em vertebrados aquáticos, particularmente espécies de peixes. O protocolo descreve um exemplo utilizando o fluxo de trabalho automatizado do software QSAR Toolbox desenvolvido pela organização para a cooperação e desenvolvimento econômico (OCDE) para permitir previsões de ecotoxicidade aguda de EDs. Como resultado, são determinados os seguintes: (1) cálculo das correlações numéricas entre a concentração para 50% de letalidade (LC50) e coeficiente de partição octanol-água (Kow), (2) performances de saída em que o LC50 os valores determinados em experimentos são comparados àqueles gerados por cálculos, e (3) a dependência da afinidade de ligação do receptor de estrogênio na relação entre Kow e 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

A modelagem quantitativa da relação estrutura-atividade (QSAR) é um método representativo assistido por Bioinformática na triagem toxicológica. Este protocolo demonstra como avaliar computacionalmente os riscos de Disruptores endócrinos (EDs) em ambientes aquáticos. Utilizando a caixa de ferramentas da OCDE QSAR, o protocolo implementa um ensaio de silico para análise da toxicidade de EDs em peixes.

No método de modelagem silico para Toxicologia aquática computacional de Disruptores endócrinos: uma abordagem baseada em software usando o QSAR Toolbox

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

Nosso protocolo usa um programa de software altamente acessível e aberto para permitir a rápida computação de efeitos adversos de curto prazo de produtos químicos endócrinos. Esta caixa de ferramentas QSAR da OCDE é útil para prever a toxicidade de substâncias químicas e fornece um método eficiente para avaliar a ecotoxicidade aguda dos disruptores endócrinos de forma amigável. Ao iniciar a caixa de ferramentas QSAR, o usuário começa na fase de caixa de ferramentas de entrada por padrão e a caixa de ferramentas cria automaticamente um arquivo de trabalho chamado Documento 1.Depois de clicar em Número de Serviço de Resumo Químico, digite o número de serviço de resumo químico da substância alvo no campo de texto disponível e clique em Pesquisar. Através do botão Estrutura, a substância também pode ser pesquisada pelo código simplificado do sistema de entrada molecular da linha de entrada. Para executar o ensaio in-silico para múltiplas substâncias-alvo, escreva uma lista de substâncias simples em um editor de texto no qual cada número de serviço de resumo químico é listado em uma única linha e salve o arquivo de texto com um nome apropriado.Em seguida, clique em Dados e confirme que os bancos de dados listados em Informações Ecotoxilógicas são verificados. Clique em Entrar, selecione Consultar e clique em Sim na janela de diálogo para aceitar as configurações selecionadas. Na guia Serviço de Resumo Químico, selecione Lista de carga para carregar a lista de substâncias salva como um arquivo de texto.Clique em Adicionar na parte inferior do menu pop-up e clique em Executar. A caixa de ferramentas QSAR exibirá uma mensagem indicando o número de substâncias que foram recuperadas para a pesquisa. Para traçar o perfil, clique no botão de estágio da caixa de ferramentas de criação de perfil e navegue para Métodos de Criação de Perfil no painel de opções de palco.Clique em Desmarcar tudo na janela Métodos de Criação de Perfil e confirme que todos os profilers listados em modelos Predefinidos e profilers relacionados à toxicidade aquática em Endpoint Specific são verificados, em seguida, clique em Aplicar, clique com o botão direito do mouse Parâmetros para executar modelos 2D e 3D QSAR integrados conforme desejado. Para obter a coleta de dados, clique no botão de estágio Data Toolbox e clique em Coletar na barra de ferramentas de ações. Selecione Todos os Endpoints para coletar todos os dados experimentais ou selecione Escolher para coletar os dados experimentais específicos do ponto final.Clique com o botão direito do mouse no ponto final de interesse e organize a árvore de ponto final da maneira preferida usando os termos e setas disponíveis antes de clicar em Ok. Em seguida, clique com o botão final do interesse e selecione Export Data Matrix para exportar os dados coletados em uma planilha. Um assistente de exportação de matriz aparecerá, permitindo a adição de outros pontos finais à lista de exportação.Finalize a seleção e clique em Exportar para salvar o arquivo. Para preencher a lacuna de dados, clique no botão de estágio de caixa de ferramentas de preenchimento de lacuna de dados e clique em Automatizado. Selecione Informações Ecotoxilógicas e Peixes, concentração letal em 50% às 96 horas e clique em Ok.A janela do controlador de fluxo de trabalho aparecerá. Se estiver executando o modo Batch, especifique a gama de substâncias sobre as quais executar o fluxo de trabalho. Se a previsão foi executada com sucesso, clique no botão de estágio do Relatório Toolbox, clique no valor de previsão resultante, clique em Predição e personalize o conteúdo e a aparência do relatório no assistente pop-up.Depois de clicar em Next, clique em Criar Relatório e salvar os relatórios de previsão e categoria como arquivos PDF e a matriz de dados como um arquivo de planilha. Nesta análise quantitativa das toxicidades agudas previstas dos disruptores endócrinos selecionados, quando os pontos de dados previstos foram traçados versus os pontos de dados experimentais como uma escala de log log, foi encontrada correlação positiva entre ambos os parâmetros para todos os peixes analisados, bem como para nossa espécie representativa. Para permitir uma avaliação de segurança da maior confiabilidade, uma análise computacional adicional foi realizada traçando o limite inferior previsto do intervalo de confiança de 95% da concentração letal em 50% em relação aos valores derivados experimentalmente.Nesta avaliação, com um limite elevado de segurança, 92% do total de compostos endócrinos testados apresentaram-se na faixa de proteção quando comparados aos valores derivados experimentalmente. Aqui, os níveis médios da concentração letal prevista em 50% para os aglutinantes receptores de estrogênio foram maiores do que os dos não-aglutinantes. Em contrapartida, para a concentração letal experimental a 50%, três níveis de pastas não e fracas foram maiores do que os dos aglutinantes receptores de estrogênio mais fortes.Este procedimento só pode ser aplicado a substâncias químicas com um identificador único, que neste caso é o código SMILES. Há um outro fluxo de trabalho automatizado integrado na caixa de ferramentas QSAR da OCDE que pode ser aplicado de forma semelhante e é para sensibilização da pele.

Research

JoVE Journal

Bioengineering

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

Extração de lipídeos celulares para Targeted diluição de isótopos estáveis ​​Líquido Análise Espectrometria de Massa-Cromatografia

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

Bioengenharia

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

A Cre-Lox Abordagem Recombinação P para Detecção de fusão celular 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

Paciente específico Modelagem do Coração: Estimativa de Orientações de fibra ventriculares

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

Caracterização de Sistemas Complexos Usando o Projeto de Experimentos Abordagem: Transient Protein Expression em tabaco como um Estudo de Caso

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

Produção, Caracterização e usos potenciais de uma mucosa esofágica Modelo 3D Human Tissue-engenharia

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

A Tissue Combinada 3D Engineered<em&gt; In Vitro</em&gt; /<em&gt; In Silico</em&gt; Modelo de tumor de pulmão para prever a eficácia da droga em fundos específicos de mutação

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

Rotulagem de vasos sanguíneos no cérebro Teleost e pituitária usando a perfusão cardíaca com um 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

Quantificação simultânea de kynureninas selecionadas analisadas por espectrometria de cromatografia líquida-massa em média coletada de culturas celulares cancerosas

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

Uma caixa de ferramentas baseada em ressonância magnética para planejamento neurocirúrgico em primatas não humanos

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

Um ensaio de micropatterning para medir a quiralidade celular

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 ...