Модели количественной связи «структура – активность» при проведении предварительной токсикологической оценки химических веществ

Обложка

Цитировать

Полный текст

Аннотация

Введение. Тестирование множества химических соединений in vivo затруднено с этической точки зрения, длительно по времени, зависит от большого количества объектов животного происхождения и требует больших материальных затрат на проведение экспериментов, поэтому необходимы новые подходы к проведению токсикологических исследований.

Цель исследования — обосновать возможность применения моделей «структура – активность» в рамках предварительной оценки токсичности химических веществ.

Материалы и методы. В исследование включено три группы химических веществ — органотиофосфаты, триазолы и карбаматы. Расчёт дескрипторов на основе SMILES, построение и валидация моделей регрессии проводили с использованием инструментов библиотеки scikit-learn Version 1.2.2 в интерактивной облачной среде работы с программным кодом Google Colaboratory.

Результаты. При сравнении ряда моделей для прогнозирования пероральной токсичности выявлено, что модель на основе деревьев принятия решений обладает лучшей прогностической способностью для органотиофосфатов и триазолов: 70,1 и 69,5% случаев изменения дескрипторов приводили к изменению значения конечной точки соответственно; модель для прогнозирования токсичности карбаматов на основе случайного леса объясняет 53,1% наблюдаемой дисперсии lg (1/DL50).

Ограничения исследования. Исследование ограничено областью распространения полученных математических моделей.

Заключение. Как показало исследование, построенные модели могут объяснить лишь какую-то часть изучаемого эффекта, поэтому модели на основе связи «структура – активность» следует использовать исключительно для предварительной оценки токсичности химических веществ, в качестве инструмента скрининга.

Соблюдение этических стандартов. Исследование не требует представления заключения комитета по биомедицинской этике или иных документов.

Участие авторов:
Гусева Е.А. — концепция и дизайн исследования, сбор материала и обработка данных, статистическая обработка, написание текста;
Николаева Н.И. — написание текста, редактирование;
Филин А.С. — редактирование;
Рассказова Ю.В. — сбор материала и обработка данных, редактирование;
Онищенко Г.Г. — редактирование.
Все соавторы — утверждение окончательного варианта статьи, ответственность за целостность всех частей статьи.

Конфликт интересов. Авторы декларируют отсутствие явных и потенциальных конфликтов интересов в связи с публикацией данной статьи.

Финансирование. Исследование не имело финансовой поддержки.

Поступила: 30.06.2023 / Принята к печати: 26.09.2023 / Опубликована: 20.11.2023

Об авторах

Екатерина Андреевна Гусева

ФГАОУ ВО «Первый Московский государственный медицинский университет имени И.М. Сеченова Министерства здравоохранения Российской Федерации (Сеченовский Университет)

Автор, ответственный за переписку.
Email: guseva_e_a@staff.sechenov.ru
ORCID iD: 0000-0001-8389-7981

Ассистент кафедры экологии человека и гигиены окружающей среды Института общественного здоровья им. Ф.Ф. Эрисмана, ФГАОУ ВО Первый МГМУ им. И.М. Сеченова Минздрава России (Сеченовский Университет), 199911, Москва, Россия

e-mail: guseva_e_a@staff.sechenov.ru

Россия

Наталья Ивановна Николаева

ФГАОУ ВО «Первый Московский государственный медицинский университет имени И.М. Сеченова Министерства здравоохранения Российской Федерации (Сеченовский Университет)

Email: fake@neicon.ru
ORCID iD: 0000-0003-1226-9990

Доктор медицинских наук, профессор кафедры экологии человека и гигиены окружающей среды Института общественного здоровья им. Ф.Ф. Эрисмана, ФГАОУ ВО Первый МГМУ им. И.М. Сеченова Минздрава России (Сеченовский Университет), 199911, Москва, Россия

Россия

Андрей Сергеевич Филин

ФГАОУ ВО «Первый Московский государственный медицинский университет имени И.М. Сеченова Министерства здравоохранения Российской Федерации (Сеченовский Университет)

Email: fake@neicon.ru
ORCID iD: 0000-0002-9724-8410

Кандидат медицинских наук, доцент кафедры экологии человека и гигиены окружающей среды Института общественного здоровья им. Ф.Ф. Эрисмана, ФГАОУ ВО Первый МГМУ им. И.М. Сеченова Минздрава России (Сеченовский Университет), 199911, Москва, Россия

Россия

Юлия Викторовна Рассказова

ФГАОУ ВО «Первый Московский государственный медицинский университет имени И.М. Сеченова Министерства здравоохранения Российской Федерации (Сеченовский Университет)

Email: fake@neicon.ru
ORCID iD: 0009-0001-5772-2333

Студентка 6 курса Института общественного здоровья им.Ф.Ф. Эрисмана, ФГАОУ ВО Первый МГМУ им. И.М. Сеченова Минздрава России (Сеченовский Университет), 199911, Москва, Россия

Россия

Геннадий Григорьевич Онищенко

ФГАОУ ВО «Первый Московский государственный медицинский университет имени И.М. Сеченова Министерства здравоохранения Российской Федерации (Сеченовский Университет)

Email: fake@neicon.ru
ORCID iD: 0000-0003-0135-7258

Заведующий кафедры экологии человека и гигиены окружающей среды Института общественного здоровья им. Ф.Ф.Эрисмана, ФГАОУ ВО Первый МГМУ им. И.М. Сеченова Минздрава России (Сеченовский Университет), 199911, Москва, Россия

Россия

Список литературы

  1. Саноцкий И.В., ред. Методы определения токсичности и опасности химических веществ. М.: Медицина; 1970.
  2. Frank C., Himmelstein D.U., Woolhandler S., Bor D.H., Wolfe S.M., Heymann O., et al. Era of faster FDA drug approval has also seen increased black-box warnings and market withdrawals. Health Aff. (Millwood). 2014; 33(8): 1453–9. https://doi.org/10.1377/hlthaff.2014.0122
  3. Madden J.C., Enoch S.J., Paini A., Cronin M.T.D. A review of in silico tools as alternatives to animal testing: principles, resources and applications. Altern. Lab. Anim. 2020; 48(4): 146–72. https://doi.org/10.1177/0261192920965977
  4. Макарова М.Н., Макаров В.Г. Альтернативные методы оценки токсичности в рамках этической экспертизы. Обзор. Лабораторные животные для научных исследований. 2022; (1): 52–73. https://doi.org/10.29296/2618723X-2022-01-07 https://elibrary.ru/stvaeb
  5. Зарицкая Е.В., Полозова Е.В., Богачева А.С. Современные альтернативные токсикологические методы исследования и перспективы их использования в практической деятельности. Гигиена и санитария. 2017; 96(7): 671–4. https://doi.org/10.18821/0016-9900-2017-96-7-671-674 https://elibrary.ru/zfbyyf
  6. Idakwo G., Luttrell J., Chen M., Hong H., Zhou Z., Gong P., et al. A review on machine learning methods for in silico toxicity prediction. J. Environ. Sci. Health C Environ. Carcinog. Ecotoxicol. Rev. 2018; 36(4): 169–91. https://doi.org/10.1080/10590501.2018.1537118
  7. CAS REGISTRY®. Available at: https://www.cas.org/cas-data/cas-registry
  8. Казакова Е.Ф., Ган Е.А., Костюк Н.И., Бурко А.Н., Барсукова М.В. Методы, альтернативные экспериментам на животных, в научной и производственной практике (обзор). Экология и животный мир. 2020; (1): 47–52. https://elibrary.ru/ikqztp
  9. Raies A.B., Bajic V.B. In silico toxicology: computational methods for the prediction of chemical toxicity. Wiley Interdiscip. Rev. Comput. Mol. Sci. 2016; 6(2): 147–72. https://doi.org/10.1002/wcms.1240
  10. Villaverde J.J., Sevilla-Morán B., López-Goti C., Alonso-Prados J.L., Sandín-España P. QSAR/QSPR models based on quantum chemistry for risk assessment of pesticides according to current European legislation. SAR QSAR Environ. Res. 2020; 31(1): 49–72. https://doi.org/10.1080/1062936x.2019.1692368
  11. Spiegel J., Senderowitz H. Evaluation of QSAR equations for virtual screening. Int. J. Mol. Sci. 2020; 21(21): 7828. https://doi.org/10.3390/ijms21217828
  12. Cronin M.T.D., Richarz A.N., Schultz T.W. Identification and description of the uncertainty, variability, bias and influence in quantitative structure-activity relationships (QSARs) for toxicity prediction. Regul. Toxicol. Pharmacol. 2019; 106: 90–104. https://doi.org/10.1016/j.yrtph.2019.04.007
  13. Cherkasov A., Muratov E.N., Fourches D., Varnek A., Baskin I.I., Cronin M., et al. QSAR modeling: where have you been? Where are you going to? J. Med. Chem. 2014; 57(12): 4977–5010. https://doi.org/10.1021/jm4004285
  14. Erhirhie E.O., Ihekwereme C.P., Ilodigwe E.E. Advances in acute toxicity testing: strengths, weaknesses and regulatory acceptance. Interdiscip. Toxicol. 2018; 11(1): 5–12. https://doi.org/10.2478/intox-2018-0001
  15. Гусева Е.А., Николаева Н.И., Филин А.С., Савостикова О.Н. Сравнительная оценка математических моделей прогнозирования острой токсичности химических веществ. Гигиена и санитария. 2022; 101(7): 816–23. https://doi.org/10.47470/0016-9900-2022-101-7-816-823 https://elibrary.ru/trwbtp
  16. Compendium of Pesticide Common Names. Available at: https://www.bcpcpesticidecompendium.org/
  17. Lewis K.A., Tzilivakis J., Warner D., Green A. An international database for pesticide risk assessments and management. Hum. Ecol. Risk. Assess. Int. J. 2016; 22(4): 1050–64. https://doi.org/10.1080/10807039.2015.1133242
  18. Registry of Toxic Effects of Chemical Substances (RTECS). Available at: https://www.ccohs.ca/products/rtecs/
  19. Pedregosa F., Varoquaux G., Gramfort A., Michel V., Thirion B., Grisel O., et al. Scikit-learn: machine learning in Python. J. Mach. Learn. Res. 2011; 12: 2825–30.
  20. Chinen K., Malloy T. QSAR use in REACH analyses of alternatives to predict human health and environmental toxicity of alternative chemical substances. Integr. Environ. Assess Manag. 2020; 16(5): 745–60. https://doi.org/10.1002/ieam.4264
  21. Зарицкая Е.В., Полозова Е.В., Богачева А.С. Современные альтернативные токсикологические методы исследования и перспективы их использования в практической деятельности. Гигиена и санитария. 2017; 96(7): 671–4. https://doi.org/10.18821/0016-9900-2017-96-7-671-674 https://elibrary.ru/zfbyyf

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать

© Гусева Е.А., Николаева Н.И., Филин А.С., Рассказова Ю.В., Онищенко Г.Г., 2024


СМИ зарегистрировано Федеральной службой по надзору в сфере связи, информационных технологий и массовых коммуникаций (Роскомнадзор).
Регистрационный номер и дата принятия решения о регистрации СМИ: серия ПИ № ФС 77 - 37884 от 02.10.2009.