CN113793651A - 一种提高污染物qsar模型预测毒性效应终点值准确度的方法 - Google Patents
一种提高污染物qsar模型预测毒性效应终点值准确度的方法 Download PDFInfo
- Publication number
- CN113793651A CN113793651A CN202110962899.5A CN202110962899A CN113793651A CN 113793651 A CN113793651 A CN 113793651A CN 202110962899 A CN202110962899 A CN 202110962899A CN 113793651 A CN113793651 A CN 113793651A
- Authority
- CN
- China
- Prior art keywords
- toxicity
- pollutant
- qsar model
- value
- series
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 239000003344 environmental pollutant Substances 0.000 title claims abstract description 64
- 231100000719 pollutant Toxicity 0.000 title claims abstract description 64
- 231100000331 toxic Toxicity 0.000 title claims abstract description 34
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000004617 QSAR study Methods 0.000 title claims abstract description 16
- 230000002588 toxic effect Effects 0.000 title abstract description 18
- 231100000419 toxicity Toxicity 0.000 claims abstract description 50
- 230000001988 toxicity Effects 0.000 claims abstract description 50
- 230000009471 action Effects 0.000 claims abstract description 11
- 230000000694 effects Effects 0.000 claims description 21
- 150000001875 compounds Chemical class 0.000 claims description 19
- KBPLFHHGFOOTCA-UHFFFAOYSA-N caprylic alcohol Natural products CCCCCCCCO KBPLFHHGFOOTCA-UHFFFAOYSA-N 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 6
- TVMXDCGIABBOFY-UHFFFAOYSA-N n-Octanol Natural products CCCCCCCC TVMXDCGIABBOFY-UHFFFAOYSA-N 0.000 claims description 6
- 231100000252 nontoxic Toxicity 0.000 claims description 6
- 230000003000 nontoxic effect Effects 0.000 claims description 6
- 239000005416 organic matter Substances 0.000 claims description 6
- 230000007059 acute toxicity Effects 0.000 claims description 5
- 231100000403 acute toxicity Toxicity 0.000 claims description 5
- 238000012417 linear regression Methods 0.000 claims description 5
- HGASFNYMVGEKTF-UHFFFAOYSA-N octan-1-ol;hydrate Chemical compound O.CCCCCCCCO HGASFNYMVGEKTF-UHFFFAOYSA-N 0.000 claims description 5
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 5
- 230000003444 anaesthetic effect Effects 0.000 claims description 3
- 238000005192 partition Methods 0.000 claims description 2
- 239000003795 chemical substances by application Substances 0.000 claims 1
- 238000004776 molecular orbital Methods 0.000 claims 1
- 238000011156 evaluation Methods 0.000 abstract description 8
- 230000007246 mechanism Effects 0.000 abstract description 6
- 238000011160 research Methods 0.000 abstract description 6
- 239000002957 persistent organic pollutant Substances 0.000 abstract description 5
- 230000008569 process Effects 0.000 abstract description 5
- 231100000027 toxicology Toxicity 0.000 abstract description 2
- 238000006757 chemical reactions by type Methods 0.000 description 15
- 230000007704 transition Effects 0.000 description 14
- 231100000048 toxicity data Toxicity 0.000 description 12
- HVLLSGMXQDNUAL-UHFFFAOYSA-N triphenyl phosphite Chemical compound C=1C=CC=CC=1OP(OC=1C=CC=CC=1)OC1=CC=CC=C1 HVLLSGMXQDNUAL-UHFFFAOYSA-N 0.000 description 12
- BTJIUGUIPKRLHP-UHFFFAOYSA-N 4-nitrophenol Chemical compound OC1=CC=C([N+]([O-])=O)C=C1 BTJIUGUIPKRLHP-UHFFFAOYSA-N 0.000 description 11
- UHOVQNZJYSORNB-UHFFFAOYSA-N Benzene Chemical class C1=CC=CC=C1 UHOVQNZJYSORNB-UHFFFAOYSA-N 0.000 description 9
- 238000002474 experimental method Methods 0.000 description 8
- 206010002091 Anaesthesia Diseases 0.000 description 7
- 230000037005 anaesthesia Effects 0.000 description 7
- 239000000356 contaminant Substances 0.000 description 7
- 239000012071 phase Substances 0.000 description 7
- 239000000126 substance Substances 0.000 description 7
- 239000004973 liquid crystal related substance Substances 0.000 description 6
- 238000012216 screening Methods 0.000 description 6
- 150000001555 benzenes Chemical class 0.000 description 4
- 241001465754 Metazoa Species 0.000 description 3
- 239000003814 drug Substances 0.000 description 3
- 229910052739 hydrogen Inorganic materials 0.000 description 3
- 239000001257 hydrogen Substances 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 238000004768 lowest unoccupied molecular orbital Methods 0.000 description 3
- PAYRUJLWNCNPSJ-UHFFFAOYSA-N Aniline Chemical compound NC1=CC=CC=C1 PAYRUJLWNCNPSJ-UHFFFAOYSA-N 0.000 description 2
- 229910019142 PO4 Inorganic materials 0.000 description 2
- 238000010171 animal model Methods 0.000 description 2
- 239000008346 aqueous phase Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000004071 biological effect Effects 0.000 description 2
- 230000008030 elimination Effects 0.000 description 2
- 238000003379 elimination reaction Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000004770 highest occupied molecular orbital Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 229920002521 macromolecule Polymers 0.000 description 2
- 235000021317 phosphate Nutrition 0.000 description 2
- 239000002574 poison Substances 0.000 description 2
- 231100000614 poison Toxicity 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- RXPQRKFMDQNODS-UHFFFAOYSA-N tripropyl phosphate Chemical compound CCCOP(=O)(OCCC)OCCC RXPQRKFMDQNODS-UHFFFAOYSA-N 0.000 description 2
- 231100000605 Toxicity Class Toxicity 0.000 description 1
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000001154 acute effect Effects 0.000 description 1
- 125000003118 aryl group Chemical group 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 210000000170 cell membrane Anatomy 0.000 description 1
- 239000003153 chemical reaction reagent Substances 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 231100000086 high toxicity Toxicity 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 230000009878 intermolecular interaction Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000010534 mechanism of action Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000269 nucleophilic effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- NBIIXXVUZAFLBC-UHFFFAOYSA-K phosphate Chemical compound [O-]P([O-])([O-])=O NBIIXXVUZAFLBC-UHFFFAOYSA-K 0.000 description 1
- 239000010452 phosphate Substances 0.000 description 1
- 150000003013 phosphoric acid derivatives Chemical class 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/30—Prediction of properties of chemical compounds, compositions or mixtures
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/10—Analysis or design of chemical reactions, syntheses or processes
Landscapes
- Chemical & Material Sciences (AREA)
- Crystallography & Structural Chemistry (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computing Systems (AREA)
- Theoretical Computer Science (AREA)
- Analytical Chemistry (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Abstract
本发明属于化学品毒理学机制分析领域，公开了一种提高污染物QSAR模型预测毒性效应终点值准确度的方法。包括计算毒性级数、界定毒性级数、基于毒性级数的QSAR模型参数选择原则。建立作用机制导向下的QSAR模型，可提高QSAR模型预测的准确度和有效性。识别和减少风险评价和管理过程的不确定性，有助于深入研究有机污染物对生物的毒性作用机制，为有机污染物对生物毒性预测和安全评价提供科学、精准信息。
Description
技术领域
本发明属于化学品毒理学机制分析领域，具体涉及一种提高污染物QSAR模型预测毒性效应终点值准确度的方法。
背景技术
随着环境问题日益突出，污染问题给生物的生存与发展带来了挑战，污染物对于生物的毒害作用预测变得尤为重要。当前大多数研究学者选择采用动物实验来获取毒性数据以及评估污染物的环境风险，该方法对于毒性作用研究理论性较好，接近真实的污染物对生物的毒害作用方式，但对暴露生物需求量大。1959年罗素提出保护动物学伦理的3R原则，包括替代(replace)实验动物、减少(reduce)实验动物数量、以及优化(refine)实验程序以减少对动物的伤害。基于污染物定量结构和活性之间关系的模型来预测毒性作用，即定量结构-活性相关关系(quantitative structure activity relationship，QSAR)模型，已广泛应用于预测医药品、个人护理品、工业等各个行业污染物的毒性作用。通过模型预测获得可靠的毒性数据，可最大限度地利用非实验方法，减少实验测试(尤其是动物实验)及降低昂贵的测试费用。
QSAR模型对不同作用模式类型的污染物毒性预测的实际应用，存在一些偏离值较大的污染物，这类偏离值较大的污染物对QSAR模型准确度具有较大影响。
发明内容
为了甄别和剔除偏离值较大的污染物影响，提高QSAR模型的准确度，本发明提供一种提高污染物QSAR模型预测毒性效应终点值准确度的方法，筛选离群值较大污染物对其进行界定来提高污染物毒性作用预测的准确性以及扩大其应用范围。
本发明的上述目的是通过以下技术方案实现的：一种提高污染物QSAR模型预测毒性效应终点值准确度的方法，包括以下内容：
1.计算毒性级数
通过利用计算毒性级数来有效弥补QSAR模型预测离散值较大的污染物毒性作用。毒性级数运用急性毒性参数和无毒害效应浓度参数之间的相关性来表示毒性等级。毒性参数主要是根据污染物对于生物体的毒性数据进行计算，即
其中，TO是毒性级数(toxicity order)值，该值无量纲；LC50(mg·L-1)浓度数据为急性毒性参数，具体为能够杀死50％生物的药剂浓度数据；NOEC(mg·L-1)浓度数据为无毒害效应浓度参数，具体为化合物对生物体的最大无毒作用剂量浓度数据。
2.毒性级数界定
由于不同污染物对于生物体的作用方式不同，所以基于QSAR模型作用模式的分类进行了一种涵盖了QSAR模型预测离散值较大的分类，从而实现对QSAR模型预测准确度的提升。具体为提出取TO值以10为底的对数值lg TO，将lg TO代入评估范围。当lg TO≤1，污染物MOA为麻醉型化合物；当1﹤lg TO﹤3，污染物MOA为过渡型化合物；当lg TO≥3，污染物MOA为反应型化合物。
其中，界定值1根据QSAR模型对亚磷酸三苯酯预测，预测结果表明亚磷酸三苯酯属于反应型和麻醉型之间相对离散值较大的物质，QSAR模型并不能准确的对亚磷酸三苯酯进行预测。采用毒性数据LC50＝9.83×10-2mg/L，NOEC＝1×10-2mg/L，TO＝9.83，lg TO＝1，取1作为麻醉型和过渡型边界值，可以有效的对这类离散值进行界定和保护。
界定值3根据QSAR模型对硝基苯酚的毒性作用进行划分，研究表明对硝基苯酚的剩余毒性很高，确属于反应型化合物，考虑了对硝基苯酚电离毒性较高，很容易与生物大分子发生反应，这符合反应型作用机理，对硝基苯酚可以作为反应型和过渡型之间的界定值。采用毒性数据LC50＝10232.9mg/L，NOEC＝11.31mg/L，TO＝904.77，lg TO＝3，取3作为过渡型和反应型边界值，可以有效的对反应型和过渡型污染物之间进行区分。
3.基于毒性级数的QSAR模型参数选择原则
QSAR模型的建立与污染物的数据筛选和参数选择密不可分，因此采用毒性级数法进行毒性数据的筛选，提高QSAR模型准确性。当污染物的lg TO值小于1时采用二维QSAR模型，即Kow与活性参数进行线性回归，回归效果较好，与麻醉型毒性作用具有较好的一致性。当污染物的lg TO值大于3时采用三维QSAR模型，即Kow与分子轨道理论数据进行线性回归，回归效果较好，与反应型毒性作用具有较好的一致性。剔除兼具了两种作用模式之间的过渡型污染物，然后进行QSAR模型的拟合，从而达到较好的预测效果。
其中，Kow为正辛醇-水分配系数(Octanol-Water Partition Coefficient，Kow)，正辛醇-水分配系数是指为某一有机物在某一个温度下，在正辛醇相和水相达到分配平衡之后，在两相的浓度的比值。生物活性与Kow相关性较好，反映了污染物的亲脂性。
计算公式(1)如下。
其中，C1指在一定温度下达到平衡时有机物在正辛醇相中的浓度，单位：mg/L；C2指的是一定温度下达到平衡时有机物在水相中的浓度，单位：mg/L。
本发明与现有技术相比的有益效果是：有助于建立和完善QSAR模型，提高QSAR模型预测的准确度和有效性。识别和减少风险评价和管理过程的不确定性，有助于深入研究有机污染物对生物的毒性作用机制，为有机污染物对生物毒性预测和安全评价提供科学、精准信息。
附图说明
图1是实施例1中9种有机磷酸酯(OPEs)的lg Kow与lgLC50拟合曲线。
图2是实施例1中异常值剔除后OPEs的lg Kow与lgLC50拟合曲线。
图3是实施例2中苯类衍生物的-lg EC50实验值与预测值拟合曲线。
图4是实施例2中异常值剔除后苯类衍生物的-lg EC50实验值与预测值拟合曲线。
具体实施方式
下面通过具体实施例详述本发明，但不限制本发明的保护范围。如无特殊说明，本发明所采用的实验方法均为常规方法，所用实验器材、材料、试剂等均可从商业途径获得。
实施例1
以有机磷酸酯类为例，毒性较小时，即lg TO值小于1，污染物的lg Kow与其急性数据如LC50、EC50等方面具有很好的相关性。以lg Kow和lg LC50拟合曲线，具有较好的拟合效果，实施本发明。
在常用有机磷酸酯的毒性影响中，选用lg Kow和lg LC50拟合，建立非氯代类有机磷酸酯的QSAR模型，运用软件SIMCA-P 6.0中的最小二乘法(PLS)创建模型-lg EC50＝2.979+0.246P+0.220lgKow+0.204NAr+0.186TSA-0.129LUMO-0.084NA+0.080ND，其中最低空轨道能级(LUMO)、极化率(P)、正辛醇/水分配系数(lg Kow)、芳香环个数(NAr)、氢键受体个数(NA)、氢键供体个数(ND)和分子表面积(TSA)，详细模型可查阅文献，详细信息如下表1所示：
表1有机磷酸酯的相关参数
注：表中lg Kow、lg LC50、lg NOEC可由软件EPI Suit4.1查得，lg TO由计算而得。
本发明运用毒性级数法对非氯代类OPEs建模数据进行筛选，发现磷酸三丙酯属于过渡型化合物，可能影响Kow和lg LC50建立QSAR模型拟合效果。通过图1和图2(剔除磷酸三丙酯)拟合效果对比，可以清楚的看到，在去除毒性级数筛选的过渡型化合物后，lgKow和lgLC50相关性拟合效果大大增加，R2达到了0.9以上，可有效提高QSAR模型对于污染物毒性作用评价的准确性。
实施例2
以苯类衍生物为例，毒性较大时，即lg TO值大于3，污染物的活性与其自身结构如轨道能量、电性等方面具有很好的相关性。经过查阅文献[2]可得，在苯类衍生物的定量构效关系研究中，利用量子化学参数对于化合物结构优化得出-lg EC50预测值，用-lg EC50实验计算值和-lg EC50预测值进行拟合，建立多种苯类衍生物的-lg EC50的QSAR模型，即
其中8个范数描述符及其对应系数值如下表2所示，详细模型可查阅文献。污染物参数详细信息如下表3所示。
表2模型中8个范数描述符及其对应数值
表3苯类衍生物基本参数(mol/L)
注：表中数据除lg TO、-lg EC50实验值均可由软件EPI Suit4.1查得，-lg EC50计算值经现有文献查得，lg TO由计算而得。
由图3中看出，苯类衍生物建立的QSAR模型中存在离群值较大的污染物，通过对比剔除离群值大的污染物拟合效果图4，可以清楚的看到，-lg EC50实验计算值和-lg EC50预测值相关性拟合效果大大增加，R2几乎达到了0.99。对比表2数据可以发现，离群值污染物主要是苯胺，采用毒性级数的方法提前进行甄别，苯胺的-lgLC50值为3.2mol/L，-lg NOEC值为1.7mol/L，则lg TO＝1.54，属于过渡型化合物。毒性较大的污染物进行QSAR模型建模时，可采用本发明毒性级数法进行污染物的筛选，去除毒性作用处于麻醉型和反应型之间的过渡区域，即过渡型，可有效提高QSAR模型对于污染物毒性作用评价的准确性。
本发明通过将QSAR模型和毒性级数法联合形成一种提高QSAR模型预测效率的方法，提出的毒性级数法可以有效弥补QSAR模型建模对于污染物毒性数据的筛选，运用到污染物毒性作用当中，扩大QSAR模型应用范围，弥补QSAR模型预测不足的缺陷，实现了用很少的数据来提高对污染物的毒性预测效果，节省了毒性数据获取成本，为国内风险防控提供了基础。
实施例3
1.计算毒性级数
由于污染物对于生物体的毒性作用方式的差异性会影响分析毒性作用，所以本发明研究提高QSAR模型预测准确度的方法，通过计算毒性级数来有效弥补QSAR模型预测离散值较大的污染物毒性作用。毒性级数运用急性毒性参数和无毒害效应浓度参数之间的相关性来表示毒性等级。毒性参数主要是根据污染物对于生物体的毒性数据进行计算，即
其中，TO是毒性级数(toxicity order)值，该值无量纲；LC50(mg·L-1)浓度数据为急性毒性参数，具体为能够杀死50％生物的药剂浓度数据；NOEC(mg·L-1)浓度数据为无毒害效应浓度参数，具体为污染物对生物体的最大无毒作用剂量浓度数据。
2.毒性级数界定
由于不同污染物对于生物体的作用方式不同，所以本发明基于QSAR模型作用模式的分类进行了一种涵盖了QSAR模型预测离散值较大的分类，从而实现对QSAR模型预测准确度的提升。本发明提出取TO值以10为底的对数值lg TO，将lg TO代入评估范围。当lg TO≤1，污染物MOA为麻醉型化合物；当1﹤lg TO﹤3，污染物MOA为过渡型化合物；当lg TO≥3，污染物MOA为反应型化合物。
其中，界定值1主要是根据QSAR模型对亚磷酸三苯酯预测，预测结果表明亚磷酸三苯酯属于反应型和麻醉型之间相对离散值较大的物质，QSAR模型并不能准确的对亚磷酸三苯酯进行预测。采用毒性数据LC50＝98.3mg/L，NOEC＝10mg/L，TO＝9.83，lg TO＝1，取1作为反应型和过渡型边界值，可以有效的对这类离散值进行界定和保护。
界定值3根据QSAR模型对硝基苯酚的毒性作用进行划分，研究表明对硝基苯酚的剩余毒性很高，确属于反应型化合物，考虑了对硝基苯酚电离毒性较高，很容易与生物大分子发生反应，这符合反应型作用机理，对硝基苯酚可以作为反应型和过渡型之间的界定值。采用毒性数据LC50＝10232.9mg/L，NOEC＝11.31mg/L，TO＝904.77，lg TO＝3，取3作为过渡型和反应型边界值，可以有效的对反应型和过渡型污染物之间进行区分。
3.基于毒性级数的QSAR模型参数选择原则
QSAR模型的建立与污染物的数据筛选和参数选择密不可分，因此采用毒性级数法进行毒性数据的筛选，提高QSAR模型准确性。当污染物的lg TO值小于1时采用二维QSAR模型，即Kow与活性参数进行线性回归，回归效果较好，与麻醉型毒性作用具有较好的一致性。当污染物的lgTO值大于3时采用三维QSAR模型，即Kow与分子轨道理论数据进行线性回归，回归效果较好，与反应型毒性作用具有较好的一致性。剔除兼具了两种作用模式之间的过渡型污染物，然后进行QSAR模型的拟合，从而达到较好的预测效果。
其中，Kow为正辛醇-水分配系数(Octanol-WaterPartition Coefficient，Kow)，正辛醇-水分配系数是指为某一有机物在某一个温度下，在正辛醇相和水相达到分配平衡之后，在两相的浓度的比值。生物活性与Kow相关性较好，反映了污染物的亲脂性。计算公式(1)如下。
其中，C1指在一定温度下达到平衡时有机物在正辛醇相中的浓度，单位：mg/L；C2指的是一定温度下达到平衡时有机物在水相中的浓度，单位：mg/L。
有机污染物分子对水生生物的毒性作用包括跨膜和与靶分子发生作用两个过程。
有机污染物分子通过扩散作用透过细胞膜到达生物体内的靶分子(外源性物质进入生物体后进攻并与之结合的生物大分子)，并在水相与生物相达到分配平衡的过程，这一过程用正辛醇-水分配系数Kow来描述，适用于处于麻醉型和过渡型污染物，采用毒性级数法提前进行甄别，即lgTO<3，建立QSAR模型可以获得较好的准确度。
毒物分子与靶分子发生作用而使生物呈现毒性效应的过程。毒物分子与靶分子的相互作用实际上是分子间的作用力，这种分子间的作用力包括定向力、诱导力、氢键力和电荷转移作用力等，它们会用到一些量子化学描述符，主要包括最高已占用分子轨道能量、最低未占用分子轨道能量、能级距离、总柔软度、HOMO/LUMO能量分数、最终生成热、总能量、电子能、电离电位、EEVA描述符、亲电原子前沿电子密度、亲核原子前沿电子密度、EVA描述符等；分子间的相互作用会影响化合物与生物组织作用的强度和范围。电子参数描述符包含偶极矩、绝对原子电荷总数、原子电荷总平方数、拓扑电子指数、局部偶极指数、负电荷总数、正电荷总数、亚分子极性参数、二阶亚分子极性参数、电子拓扑描述符、电子电荷密度连通性指数等。该方法适用于反应型污染物，可采用毒性级数法提前进行甄别，即lg TO>3，建立QSAR模型可以获得较好的准确度。
以上所述实施方式仅为本发明的优选实施例，而并非本发明可行实施的全部实施例。对于本领域一般技术人员而言，在不背离本发明原理和精神的前提下对其所作出的任何显而易见的改动，都应当被认为包含在本发明的权利要求保护范围之内。
Claims (4)
1.一种提高污染物QSAR模型预测毒性效应终点值准确度的方法，其特征在于，包括以下内容：
(1)计算毒性级数；
(2)毒性级数界定；
(3)基于毒性级数的QSAR模型参数选择原则。
2.根据权利要求1所述的一种提高污染物QSAR模型预测毒性效应终点值准确度的方法，其特征在于，所述步骤(1)计算毒性级数采用的计算公式为：
其中，TO是毒性级数值，该值无量纲；LC50浓度数据为急性毒性参数，具体为能够杀死50％生物的药剂浓度数据，单位为mg·L-1；NOEC浓度数据为无毒害效应浓度参数，具体为化合物对生物体的最大无毒作用剂量浓度数据，单位为mg·L-1。
3.根据权利要求1所述的一种提高污染物QSAR模型预测毒性效应终点值准确度的方法，其特征在于，所述步骤(2)中毒性级数界定方式为：取TO值以10为底的对数值lg TO，将lg TO代入评估范围；当lg TO≤1，污染物MOA为麻醉型化合物；当1﹤lg TO﹤3，污染物MOA为过渡型化合物；当lg TO≥3，污染物MOA为反应型化合物。
4.根据权利要求1所述的一种提高污染物QSAR模型预测毒性效应终点值准确度的方法，其特征在于，所述步骤(3)中基于毒性级数的QSAR模型参数选择原则具体为：当污染物的lg TO值小于1时采用二维QSAR模型，即Kow与活性参数进行线性回归；当污染物的lg TO值大于3时采用三维QSAR模型，即Kow与分子轨道理论数据进行线性回归，剔除兼具了两种作用模式之间的过渡型污染物，然后进行QSAR模型的拟合；所述Kow为正辛醇-水分配系数，计算公式如下：
其中，C1指在一定温度下达到平衡时有机物在正辛醇相中的浓度，单位：mg/L；C2指的是一定温度下达到平衡时有机物在水相中的浓度，单位：mg/L。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110962899.5A CN113793651B (zh) | 2021-08-20 | 2021-08-20 | 一种提高污染物qsar模型预测毒性效应终点值准确度的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110962899.5A CN113793651B (zh) | 2021-08-20 | 2021-08-20 | 一种提高污染物qsar模型预测毒性效应终点值准确度的方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113793651A true CN113793651A (zh) | 2021-12-14 |
| CN113793651B CN113793651B (zh) | 2023-11-07 |
Family
ID=78876285
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110962899.5A Active CN113793651B (zh) | 2021-08-20 | 2021-08-20 | 一种提高污染物qsar模型预测毒性效应终点值准确度的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113793651B (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140316755A1 (en) * | 2011-11-30 | 2014-10-23 | Dalian University Of Technology | Method for predicting oxidation reaction rate constant between chemicals and ozone based on molecular structure and ambient temperature |
| CN105205322A (zh) * | 2015-09-17 | 2015-12-30 | 中国环境科学研究院 | 基于模型预测的生物毒性预测方法 |
| WO2016179864A1 (zh) * | 2015-05-13 | 2016-11-17 | 中国环境科学研究院 | 一种基于金属定量构效关系的淡水急性基准预测方法 |
| CN108268749A (zh) * | 2018-01-18 | 2018-07-10 | 大连民族大学 | 一种预测医药品毒性作用模式的方法 |
-
2021
- 2021-08-20 CN CN202110962899.5A patent/CN113793651B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140316755A1 (en) * | 2011-11-30 | 2014-10-23 | Dalian University Of Technology | Method for predicting oxidation reaction rate constant between chemicals and ozone based on molecular structure and ambient temperature |
| WO2016179864A1 (zh) * | 2015-05-13 | 2016-11-17 | 中国环境科学研究院 | 一种基于金属定量构效关系的淡水急性基准预测方法 |
| CN105205322A (zh) * | 2015-09-17 | 2015-12-30 | 中国环境科学研究院 | 基于模型预测的生物毒性预测方法 |
| CN108268749A (zh) * | 2018-01-18 | 2018-07-10 | 大连民族大学 | 一种预测医药品毒性作用模式的方法 |
Non-Patent Citations (1)
| Title |
|---|
| 刘婧盈;沈飞;赵春燕;张丹;: "取代联苯类化合物单一和联合毒性的定量构效关系研究", 世界科技研究与发展, no. 05 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113793651B (zh) | 2023-11-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Koelmel et al. | Toward comprehensive per-and polyfluoroalkyl substances annotation using fluoromatch software and intelligent high-resolution tandem mass spectrometry acquisition | |
| Basdogan et al. | Advances and challenges in modeling solvated reaction mechanisms for renewable fuels and chemicals | |
| Salahshoori et al. | Assessing cationic dye adsorption mechanisms on MIL-53 (Al) nanostructured MOF materials using quantum chemical and molecular simulations: Toward environmentally sustainable wastewater treatment | |
| Lian et al. | Overview of the phototransformation of wastewater effluents by high-resolution mass spectrometry | |
| Sassman et al. | Sorption of three tetracyclines by several soils: assessing the role of pH and cation exchange | |
| Zhou et al. | Integrated solvent and process design exemplified for a Diels–Alder reaction | |
| Li et al. | Solution-phase electronegativity scale: Insight into the chemical behaviors of metal ions in solution | |
| Nolte et al. | A review of quantitative structure–property relationships for the fate of ionizable organic chemicals in water matrices and identification of knowledge gaps | |
| Zaffora et al. | Energy harvesting by waste acid/base neutralization via bipolar membrane reverse electrodialysis | |
| Song et al. | Temperature-dependent molecular evolution of biochar-derived dissolved black carbon and its interaction mechanism with polyvinyl chloride microplastics | |
| Zeitler et al. | Vibrational analysis of brucite surfaces and the development of an improved force field for molecular simulation of interfaces | |
| CN103488901B (zh) | 采用定量结构-活性关系模型预测有机化合物的土壤或沉积物吸附系数的方法 | |
| Wang et al. | First-Principles Calculation of Water p K a Using the Newly Developed SCAN Functional | |
| Xing et al. | Europium-functionalized flexible luminescent zeolite-like supramolecular assembly for ratiometric anthrax biomarker determination | |
| Fathalian et al. | Intelligent prediction models based on machine learning for CO2 capture performance by graphene oxide-based adsorbents | |
| Jia et al. | Computing surface acidity constants of proton hopping groups from Density Functional Theory-based Molecular Dynamics: application to the SnO2 (110)/H2O interface | |
| Foo et al. | Recent advances in sustainable process design and optimization | |
| CN108733970A (zh) | 一种基于QSAR/QEcoSAR方法联用预测有机磷阻燃剂对斑马鱼急性毒性的方法 | |
| Vela et al. | cell2mol: encoding chemistry to interpret crystallographic data | |
| Liu et al. | A Stable 2D Zr (IV)-Based Metal–Organic Framework (USTS-7) for Selective Sensing of Cr2O72–in Aqueous Solution | |
| Lenk et al. | Insight into the interaction of furfural with metallic surfaces in the electrochemical hydrogenation process | |
| Zhu et al. | Applying the wavelet neural network to estimate hydrogen dissolution in underground sodium chloride solutions | |
| Kebede et al. | Fifty shades of water: Benchmarking DFT functionals against experimental data for ionic crystalline hydrates | |
| Kondov et al. | Computational study of titanium (IV) complexes with organic chromophores | |
| Sandoval-Pauker et al. | Computational chemistry as applied in environmental research: opportunities and challenges |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |