Inovace a rozšíření výuky zaměřené na problematiku životního prostředí na PřF MU (CZ.1.07/2.2.00/15.0213)
spolufinancován Evropským sociálním fondem a státním rozpočtem České republiky
Metody in silico
stanovení výpočtem
Predikční (eko)toxikologie
odhad účinku pomocí alternativních metod
• metody stanovení (eko)toxicity chemických látek, které dosud nebyly
testovány experimentálně – k určení toxických vlastnosti látek bez použití
pokusných zvířat
• metody pro modelování toxicity směsí
• využívají shromážděné pokusné údaje a detailní charakteristiky chemické
struktury látek
• na jejich základě a zobecňováním poznatků vytváří expertní počítačové
modely, pomocí nichž odhadují toxicitu
• expertní programy pro odhad toxického účinku výpočtem = soubory
pravidel, znalostí, údajů o toxických indexech, statistického hodnocení,
výpočetních programů molekulových deskriptorů a metod matematické
statistiky
•!! K postavení dobrého modelu nutné široké soubory kvalitních dat !!
In silico modely
Tradiční i rychlé alternativní laboratorní testy
rozsáhlé soubory dat (dobré kvality)
vývoj a validace predikčních toxikologických výpočetních modelů
Modely pro odhad toxicity výpočtem (in silico testy):
• modely vytvořené a analyzované technikami QSAR
• kinetické fyziologické simulační modely (PBSM Physiologically-Based Simulation
Models; PBPK Physiologically based pharmacokinetic Models)
= Modely ADME - simulují kinetiku procesů v organismu, které zodpovídají za
koncentraci účinné látky na místě účinku, tedy absorpci (A), distribuci (D),
metabolismus (M) a exkreci (E). Modely pro různé organismy a různé způsoby
expozice jsou rozlišeny fyziologickými parametry organismů.
• modely založené na biologické podobnosti (read-across)
• expertní systémy založené na souborech znalostí a pravidel
• modely vytvořené technikami molekulové grafiky
• kombinace různých modelů s umělou neuronovou sítí (Artificial Neural Network).
Predikovaná data
– Structure Activity Relationships (SARs)
– Cílem SAR je predikovat aktivitu/toxicitu
látky – výsledky ověřitelné provedením
experimentálních studií
• Př. Toxicita obecně roste se
vzrůstem Kow pokud není příliš
nízká rozpustnost
– Použití SAR je umožněno kompletací a
revizí dat
Využití predikovaných dat pro hodnocení akvatické toxicity
Rostoucí Kow
TOXICITA
Látka
pravděpodobně
toxická pro …
Znalosti
Rešerše…
Zkušenosti…
NH2
Toxikofory
NH2
QSAR (Quantitative structure-activity relationship)
- kvantitativní modely vztahu struktury a aktivity látky
- předvídají vlastnosti chemických látek jako jejich toxický efekt či schopnost
interakce s receptorem na základě jejich molekulárních struktur
- založeny na prostudování daného parametru (jako např. LC50, EC50, NOEC,
log Kow, BCF nebo koncentrace způsobující subletální vliv) na skupině
podobných látek (in vitro či in vivo), určení výsledných parametrů a postavení
modelu vztahu strukturních charakteristik látky a sledovaného parametru
- mohou být použity k predikci toxicity (biologické aktivity, či jiných vlastností)
např. u existujících látek, kde nejsou známy, i u látek, které dosud nebyly
syntetizovány.
QSARs představuje přístup, který poskytuje možnost
podstatného snížení počtu potřebných toxikologických
experimentů
REACH: QSAR modely jsou přímo jmenovány
mezi metodami pro hodnocení chemických látek
Vztah toxicity a chemické struktury
Statistické metody hodnocení toxicity
QSAR - quantitative structure-activity relationships
QSTR - quantitative structure-toxicity relationships
• Statistické hodnocení vlastností látek v chemických řadách
• Umožňují rychlý odhad toxicity (a dalších vlastností) látek na
základě struktury a znalosti fyzikálních a chemických vlastností
látky ze struktury vyplývajících.
QSAR
Quantitative Structure Activity Relationship
• Metoda odhadu biologického účinku na základě struktury látky –
postavení QSAR modelu
• účinek(aktivita) vs. set adekvátních deskriptorů
• Srovnání podobných skupin látek
• Studium založeno na různých strukturních parametrech
• Počítačová simulace/predikce toxických, genotoxických a dalších účinků
• Aplikace korelací mezi vlastnostmi látky spojenými s molekulární
stavbou a vlastnostmi spojenými s biologickým systémem
• Tyto vztahy je možno popsat matematickými vzorci nebo statisticky.
BAi = f(Xi)
QSAR: vztah-korelace aktivity/toxicity se strukturou
• Parametry toxicity z testu IC50, EC50
• Struktura namodelována v softwaru, získány deskriptory molekuly
(velikost, tvar, polarita…)
• Vícerozměrnými statistickými metodami hledány vztahy a nalezen
nejlepší model
• Možná predikce toxicity (vlastnosti) pro netestované látky podobné
struktury
log(1/EC25) = 1.14 délka – 2.12 planarita + 2.82
(R = .95)
Potence aza-PAHs k aktivaci AhR
Ellips. Volume
log(1/EC25)
Ind1MeInd2MeIndNapQuin
IQuin
PhtalQNaz 6MQuin
AntAcr
PhnazCar
Phe
Phnid
BhQ
17Phen
47Phen
110Phen
BaA
BaAcr
BcAcr
DBahA
DBahAc
DBaiAc
DBajAc
DBchAc
DBcgCa
2
4
6
8
10
12
14
0 200 400 600 800 1000 1
log(1/EC25) = 0.011 EllipsVol + 1.544
(R = 0.95)
Základní matematické vztahy
Biologická Aktivita = konst + (C1 P1) + (C2 P2) + (C3 P3) + ...
Biologická Aktivita = Velikost (kvantita) biologického účinku
- Parametry z testu (LD50, stupeň kancerogenity, dráždivosti, rozložitelnosti... )
r - Korelační koeficient – r2
nabývá hodnot 0 až 1.
r
2
=
regression variance
original variance
Molekulové deskriptory (P)
popisují strukturu molekuly látky či její vlastnosti
• teoretické vs. experimentální: velikost molekuly, molekulová hmotnost, počet a
typ funkčních skupin, náboj molekuly, 3D struktura atd.
• fyzikálně-chemické vlastnosti: lipofilita, polarizovatelnost, bod varu, log P
• existuje několik tisíc deskriptorů
QSAR příklad: regrese
π – konstanta hydrofobicity
MR – Molekulární refraktivita
(souvisí s velikostí molekuly)
1) pouze π
Log EC50 = 0.764 – (0.817 π)
r2 = 0.89
2) π + MR
Log EC50 = 0.762 – (0.819 π) +
(0.011 MR)
r2 = 0.89
QSAR – omezení využitelnosti
 Předpoklad působení shodným mechanismem
 Větší spolehlivost při interpolaci než extrapolaci
Nespecifická toxicita – především funkcí 3 hlavních vlastností látek
• Hydrofobicita
• Reaktivita
• Sterické faktory
QSAR
• nutná validace modelu, statistické testy významnosti modelu
MODELOVACÍ DATA
TRENOVACÍ DATA
VALIDAČNÍ DATA
Inovace tohoto předmětu je spolufinancována
Evropským sociálním fondem a státním rozpočtem
České republiky