Структура деятельность: Структура деятельности по А.П. Леонтьеву

Структура деятельности по А.П. Леонтьеву

Сущность и структура деятельности

Определение 1

Структура деятельности – это динамическая система взаимодействия субъекта с миром, в которой выделяются действия и операции как основные составляющие деятельности.

Особенностью человека является его способность трудиться, а труд есть не что иное, как деятельность. Человек в результате своей деятельности создает предметы, как духовной, так и материальной культуры.

Основными характеристиками деятельности являются мотив, цель, задачи, предмет, структура и средства.

В деятельности человек проявляет свою активность, а это значит, что деятельность имеет побудительные причины и направлена на получение результатов. Побудительными причинами являются мотивы, которые представляют собой совокупность внешних и внутренних условий. Эти условия способствуют активности субъекта и определяют направленность его деятельности.

Мотив определяет направленность деятельности, т.е. её цели и задачи. Цель предвосхищает результат, а задача представляет собой заданную в определенных условиях цель деятельности.

Предметом деятельности является то, с чем она непосредственно связана, например, предметом учебной деятельности являются знания, умения, навыки, а предметом трудовой деятельности рабочего является материальный продукт им создаваемый.

Для любой деятельности характерна определенная структура, в которой выделяются составные её части – это действия и операции.

Деятельность человека состоит из определенных действий и представляет самостоятельную осознанную цель. Например, в творческой деятельности выделяют такие действия – формулировка замысла, его поэтапная реализация в творческом продукте.

Все действия осуществляются с помощью определенных способов, получивших название операции, которых может быть очень много.

От условий выполнения действия зависит характер операции, также он зависит от навыков человека, его умений, от имеющихся инструментов и средств осуществления действий.

Каждый человек при выполнении действий выбирает наиболее для него предпочтительную операцию, что характеризует его индивидуальный стиль деятельности. Осуществление деятельности происходит с помощью средств, в качестве которых выступают инструменты, которые человек использует при выполнении действий и операций. Более продуктивной и качественной деятельность становится с развитием средств деятельности.

Структура деятельности по А. П. Леонтьеву

Ученый считает, что любая деятельность состоит из нескольких уровней, т.е. имеет иерархическое строение. Одна деятельность от другой отличается предметами, т.е. мотивами.

Первый уровень представляет особая деятельность, её предметом (мотивом) может быть что-то вещественное и что-то идеальное. Процесс встречи потребности с предметом он называет опредмечиванием потребности, т.е. происходит рождение мотива.

Схематически это можно представить так: потребность –> предмет –> мотив.

Мотивы разбиваются на два класса – осознаваемые и неосознаваемые. Осознание мотивов является внутренней работой, а неосознаваемые мотивы в сознании проявляются в форме эмоций и личностных смыслов.

Успешная деятельность с точки зрения мотива вызывает положительные эмоции, неуспешная деятельность – эмоции отрицательные. Мотивы образуют иерархическую систему и не осознаются в полной мере, а проявляются в ситуациях конфликта мотивов.

В структуре деятельности второй уровень представлен действиями, которые направлены на реализацию цели. Ставя перед собой цель, человек становится активным и не просто реагирует на действие стимула, а активно организует свое поведение.

Как необходимый компонент действие включает акт создания – это постановка и удержание цели. Акт поведения одновременно есть действие, потому что в процессе деятельности человек совершает внешние движения.

Самым низким уровнем в деятельности является уровень психофизиологических функций – это физиологическое обеспечение психических процессов, т.е. способность к ощущениям, двигательная способность, фиксация следов прошлых воздействий и др.

Выделяется два вида деятельности – внешняя и внутренняя. К внешней деятельности относятся различные формы, выражающиеся в предметно-практической активности. В результате происходит взаимодействие субъекта и объекта, например, игра детей, уборка помещения, строительство здания, закручивание болтов и др.

Отличительной особенностью внутренней деятельности является то, что взаимодействие субъекта и объекта от прямого наблюдения скрыто, например, решение задачи, создание писателем произведения, работа актера над ролью, эмоции после просмотра фильма и др. Внутренние действия экономизируют усилия человека, дают возможность быстро выбрать действие нужное, чтобы избежать ошибок.

Особенность концепции Леонтьева заключается в том, что структура деятельности и структура сознания связаны друг с другом в рамках целостной системы.

Анализу структуры сознания предшествует обычно анализ структуры деятельности и это связано с генетическим подходом, но сознание генетически понимается как продукт деятельности.

Деятельность управляется сознанием и в то же время сама им управляет – это главный тезис теории деятельности А.Н. Леонтьева.

Сознание, как и деятельность, имеет свое строение, свою внутреннюю целостность, свою логику.

Если представить жизнь человека как систему сменяющих друг друга, сосуществующих или конфликтующих деятельностей, то сознание их объединяет и обеспечивает варьирование, развитие, их иерархию.

Теория деятельности Леонтьева привлекает к себе большое внимание со стороны представителей культурной психологии и социокультурного подхода, а также может сыграть свою роль в этнопсихологии.

Виды деятельности

Количество видов деятельности примерно будет соответствовать числу имеющихся у человека потребностей, а их великое множество.

Система потребностей человека характеризуется тремя параметрами, пользуясь которыми можно дать характеристику видов деятельности для каждого конкретного человека – это сила, количество, качество потребностей.

Под силой потребности понимается её актуальность для человека, чем сильнее потребность, тем она будет значимей, и человек будет стремиться удовлетворить её в первую очередь.

Количество означает число имеющихся у человека потребностей, которые в определенное время могут стать для него значащими. Чтобы удовлетворить многочисленные потребности человек должен включиться в различные виды деятельности, в результате чего могут возникнуть конфликты между потребностями и дефицитом времени для их удовлетворения.

Классифицировать деятельность каждого человека – это долгий путь, но есть и более рациональный – обобщить основные виды деятельности, свойственные всем людям. Эти виды будут соответствовать потребностям всех людей, которые есть у каждого. К ним относятся:

• игра,
• общение,
• учение,
• труд.

Рассматриваются эти виды деятельности в качестве основных.

Первый вид деятельности, возникший в процессе развития человека – это общение. Этот вид деятельности направлен на обмен информацией между общающимися людьми.

Общение может быть:

• вербальным и невербальным,
• непосредственным и опосредованным.

Игровая деятельность преследует цель получения отдыха, снятия напряженности, возникающей под влиянием актуальных потребностей. Игры могут быть индивидуальные, групповые, ролевые, сюжетные, предметные и др. Игра в жизни человека имеет большое значение – у взрослого человека это средство общения, а у ребенка она носит развивающий характер.

Определенным видом деятельности выступает учение, его цель – приобретение человеком знаний, умений, навыков, учебная деятельность является средством психологического развития индивида.

В системе деятельности человека особое место занимает труд, благодаря которому человек создает материальные и культурные ценности.

Каждый вид деятельности первоначально усваивается в самом простом виде, а потом усложняется и совершенствуется.

Леонтьев считал, что фрагмент деятельности, её действие сначала может иметь неосознаваемую цель. В свою очередь она может являться средством достижения другой цели, чтобы удовлетворить потребность человека.

И действие и соответствующая ему цель привлекательна для индивида. Дальше цель этого действия может приобрести самостоятельную ценность и стать мотивом или потребностью.

Замечание 1

Таким образом, в ходе развития деятельности мотив сдвигается на цель и рождается новая деятельность.

Сущность и структура деятельности

Поможем написать любую работу на аналогичную тему

Получить выполненную работу или консультацию специалиста по вашему учебному проекту

Узнать стоимость

Являясь одним из аспектов человеческого бытия, деятельность воспроизводит социальные связи. В ней реализуются силы и способности человека, которые воплощаются в продуктах деятельности. В этой цепочке связей проявляется социальная сущность деятельности.
Вструктуре деятельности различаются ее субъект и объект. Субъект деятельности— тот, кто осуществляет деятельность, объект— это то, на что она направлена. Субъектом деятельности может быть человек, группа людей, организация, государственный орган. Объектом могут быть природные материалы, различные предметы, сферы или области жизни людей. Деятельность субъекта может быть направлена также на другого человека. Деятельность субъекта может быть обращена на самого себя (человек сознательно тренирует свое тело, закаляет его, воспитывает волю, занимается самообразованием и т.д.).

Потребность — причина, порождающая деятельность. Мотив — необходимый элемент деятельности, причина, определяющая направление деятельности человека. Одна и та же потребность может быть удовлетворена разными путями, а одному мотиву могут соответствовать разные цели. Таким образом, расхождение результата с намеченной целью может иметь мотивационную основу.

В структуре деятельности можно выделить цель действия, средства достижения цели. Цель— это осознанный образ предвосхищаемого результата, на достижение которого направлена деятельность.Итак, цель— это то, что представляется в сознании и ожидается в результате определенным образом направленной деятельности. Достижимой целью деятельности может быть не любой образ желаемого, а лишь тот, который соответствует реальным возможностям окружающего мира и самого субъекта деятельности. При этом человек может знать или не знать свои возможности, свойства предметов окружающего мира. Цель определяется тем точнее и становится тем более определенной, чем лучше субъект деятельности знает, каковы реальные средства и условия ее достижения.Вструктуре деятельности можно выделить различные действия. В отдельном действии тоже можно увидеть

цель, средство, результат.

Средство — это момент объективности в акте деятельности, это то, что существует в качестве реального феномена независимо от сознания субъекта деятельности. Это — орудия труда, физическая сила, жизненный опыт и трудовая квалификация субъекта, его способности, та сумма знаний, которой обладает субъект деятельности. Вместе с тем средство становится таковым не само по себе, а лишь, будучи вовлеченным в акт деятельности и определенным через цель. Когда цель определена, ее достижение или неуспех деятельности зависит от средств. Средства должны соответствовать цели.

Предмет деятельности — то, на что направлена деятельность субъекта. Действие — кульминация преобразования предмета в соответствии с намеченной целью. Результат является завершающим моментом деятельности.

Можно подвести итог: структура акта деятельности включает такие элементы, как субъект, цель, средство, предмет, действие, результат. Достижение успеха в деятельности требует от субъекта внимания к каждому элементу процесса деятельности.

Внимание!

Если вам нужна помощь в написании работы, то рекомендуем обратиться к профессионалам. Более 70 000 авторов готовы помочь вам прямо сейчас. Бесплатные корректировки и доработки. Узнайте стоимость своей работы.

Структура деятельности физкультурно-спортивных организаций по развитию мини-футбола Текст научной статьи по специальности «Социологические науки»

СТРУКТУРА ДЕЯТЕЛЬНОСТИ ФИЗКУЛЬТУРНО-СПОРТИВНЫХ ОРГАНИЗАЦИЙ ПО РАЗВИТИЮ МИНИ-ФУТБОЛА

Эмиль Гуметович Алиев, кандидат педагогических наук, Генеральный директор, Ассоциация мини-футбола России (АМФР), г. Москва

Аннотация

В статье приводятся данные проведенного в период 2004-2006 гг. социологического исследования с участием работников федераций футбола различного уровня и территориальных ассоциаций мини-футбола, позволившего выявить структуру их деятельности по развитию мини-футбола как автономной разновидности классического футбола. Результаты исследования были использованы Российским футбольным союзом и Ассоциацией мини-футбола России для разработки и внедрения в практику общероссийских проектов «Мини-футбол — в школу» и «Мини-футбол — в вузы».

Ключевые слова: мини-футбол, структура, деятельность, иерархия.

THE STRUCTURE OF ACTIVITY OF PHYSICAL EDUCATION AND SPORTS ORGANIZATIONS IN DEVELOPMENT OF FUTSAL

Emil Gumetovich Aliev, the candidate of pedagogical sciences, General director,

Association of Futsal of Russia,

Moscow

Annotation

The article contains data from public opinion poll which has been taken among representatives of football federations and territorial associations of various levels during the period of 2004-2006. It made possible to identify the structure of their activities concerning the development of futsal as an autonomous form of classic football. The results have been used by Football Union of Russia and Futsal Association of Russia for development and implementation of all-Russia projects «Futsal to schools» and «Futsal to universities».

Key words: futsal, structure, activity, hierarchy.

Начало XXI в. ознаменовалось новой волной активного развития в стране минифутбола как автономной разновидности классического футбола. Значительные успехи, прежде всего, были выявлены в развитии профессионального футбола. Все большую популярность приобретала эта спортивная игра и в целом ряде регионов Российской Федерации [1]. Однако, как свидетельствует практика, в деятельности большинства федераций футбола и территориальных ассоциаций мини-футбола по развитию данной модификации футбола отмечались серьезные недостатки, сдерживающие развитие этого общедоступного и перспективного вида спорта [2, 3].

Проведенное исследование позволило выявить основные разделы деятельности федераций футбола различного уровня и территориальных ассоциаций мини-футбола по развитию этой спортивной игры, а также определить их иерархию. В социологическом исследовании приняли участие 110 работников федераций футбола городов и районов, 84 сотрудника федерации футбола областей краев и республик и 42 работника территориальных ассоциаций мини-футбола. Данное социологическое исследование проводилось с использованием рекомендаций ряда специалистов [2, 6].

Для экспертов, представляющих федерации футбола городов и районов, доминирующим разделом их деятельности является организация соревнований по минифутболу среди взрослых футболистов. Данный вид деятельности поставлен на первое ранговое место. 91% опрошенных специалистов указали, что этим вопросом они занимаются систематически. Лишь 9% респондентов отметили, что этим видом деятельности они занимаются эпизодически.

Второе место экспертами отдано подготовке судей по мини-футболу. 70% респондентов отметили, что такую работу они проводят систематически, 16% — эпизодически, а 14% такую работу не проводят.

На третьем и четвертом ранговых местах находятся организация соревнований по мини-футболу среди детских и юношеских команд спортивных школ и спортивных клубов и подготовка команд к соревнованиям по мини-футболу, проводимых вышестоящими организациями. 37% опрошенных специалистов такую работу выполняют систематически, 8% — эпизодически, а 55% эту работу не проводят.

Участие в пропаганде мини-футбола по телевидению, радио и в прессе эксперты поставили на пятое место. 21% экспертов такую работу выполняют систематически, 10% — эпизодически, а 69% в такой работе не участвуют.

Шестое и седьмое места респонденты поделили между такими видами деятельности, как повышение квалификации тренеров мини-футбольных клубов, подготовка тренеров — общественников и развитие школьного и студенческого мини-футбольных судей.=0,81; %2- критерий=152,03).

Для экспертов, представляющих федерации футбола областей, краев и республик, доминирующим видом деятельности по развитию мини-футбола является организация соревнований среди взрослых футболистов. Этот раздел работы респонденты поставили на первое место. Систематически эту работу выполняют 82% респондентов, 10% — эпизодически, а 8% в такой работе не участвуют.

Второе место опрошенными специалистами отдано подготовке команд к соревнованиям по мини-футболу, проводимым вышестоящими органами. 70% экспертов этим видом деятельности занимаются систематически, 12% — эпизодически, а 18% в такой работе не участвуют.

Подготовка судей по мини-футболу поставлена экспертами на третье место. 64% опрошенных специалистов такой работой занимаются систематически, 15% -эпизодически, а 21% в такой работе не участвуют.

На четвертом месте находится организация соревнований по мини-футболу среди детских и юношеских команд спортивных школ и спортивных клубов.=0,87; %2- критерий = 164,07).

Эксперты, представляющие территориальные ассоциации мини-футбола, определили, что доминирующими видами их деятельности являются организация соревнований среди детских и юношеских команд спортивных школ и спортивных клубов и организация соревнований среди взрослых футболистов. Между этими разделами опрошенные специалисты поделили первое и второе места. 93% экспертов занимаются этими видами деятельности систематически, 7% — эпизодически.

Третье и четвертое места эксперты поделили между подготовкой судей по мини-футболу и подготовкой команд к соревнованиям, проводимым вышестоящими организациями. 86% опрошенных специалистов систематически занимаются этой работой, 6% — эпизодически, а 8% такую работу не проводят.

Пятое и шестое места эксперты поделили между участием в пропаганде минифутбола по телевидению, радио и в прессе и повышением квалификации тренеров ми-ни-футбольных клубов, подготовкой тренеров-общественников. 48% респондентов в такой работе участвуют систематически, 9% — эпизодически, а 43% такую работу не

проводят.

Развитию школьного и студенческого футбола респонденты отвели последнее место. 18% экспертов в этом виде деятельности участвуют систематически, 7% — эпизодически, а 75% такую работу не проводят.

Мнения экспертов, а также степень значимости видов деятельности федераций футбола и ассоциаций мини-футбола различных уровней по развитию мини-футбола имеют высокую статистическую согласованность и достоверность (W=0,79; %2- критерий = 161,31).

Таким образом, в ходе исследования была выявлена структура деятельности федераций футбола различного уровня и территориальных ассоциаций мини-футбола по развитию данной спортивной игры. Самым значимым видом деятельности для федераций футбола различных уровней и региональных ассоциаций мини-футбола является организация соревнований по мини-футболу среди взрослых футболистов. Следовательно, этот вид деятельности превалирует над всеми другими разделами работы по развитию мини-футбола. В федерациях футбола всех уровней высокое место занимает подготовка судей по мини-футболу и подготовка команд к соревнованиям, проводимым вышестоящими организациями, что, безусловно, тесно увязывается с доминирующим для них видом деятельности — организацией соревнований среди взрослых футболистов. В то же время для региональных ассоциаций мини-футбола практически все виды деятельности являются достаточно значимыми, за исключением такого раздела, как развитие школьного и студенческого мини-футбола, которому как ассоциации мини-футбола, так и федерации футбола всех уровней в настоящее время уделяют наименьшее внимание. Об этом факте также свидетельствуют решения исполкома Ассоциации мини-футбола России [3, 4].

ЛИТЕРАТУРА

1. Андреев, С.Н. Эволюция мини-футбола (футзала) в современную автономную разновидность классического футбола/С.Н. Андреев// Теория и методика футбола. -2007. — №1. — С.6-7.

2. Измерения и вычисления в спортивно-педагогической практике: учебное пособие для вузов физической культуры / В.П. Губа, М.П. Шестаков, М.П Бубнов, М.П. Борисенков. — 2-е изд. — М.: Физкультура и спорт, 2006. — 220с.

3. Постановление исполкома Ассоциации мини-футбола России от 14 апреля 2005г. «Об имеющихся недостатках в работе по развитию мини-футбола и мерах по их устранению»//Архив делопроизводства АМФР. — № 39.04.05.

4. Постановление исполкома Ассоциации мини-футбола России от 12 января 2005г. «О мерах по развитию мини-футбола среди учащейся молодежи»//Архив делопроизводства АМФР. — № 01.01.05.

5. Постановление исполкома Ассоциации мини-футбола России от 18 декабря 2006г. «О стратегии развития мини-футбола среди учащихся общеобразовательных школ и студенческой молодежи высших учебных заведений»//Архив делопроизводства АМФР. № 15.12.06.

6. Ядов, В.А. Стратегия социологического исследования: описание, объяснение, понимание социальной реальности/В.А. Ядов. — М.: Добросвет; Университет, 1998. — 569с.

Контактная информация: [email protected]

07. Организация деятельности, управление, структура, компетенция органов управления Учреждения, порядок их формирования, сроки полномочий и порядок деятельности таких органов. Часть 1

7.1. Структура, компетенция органов управления Учреждения, порядок их формирования, сроки полномочий и порядок деятельности таких органов определяются настоящим уставом в соответствии с законодательством.

Учреждение самостоятельно в формировании своей структуры, если иное не установлено федеральными законами.

7.2. Функции и полномочия учредителя Учреждения осуществляет в рамках своей компетенции, установленной нормативным правовым актом Ростовской области, минобразование Ростовской области.

Управление Учреждением осуществляется в соответствии с законодательством на основе сочетания принципов единоначалия и коллегиальности.

Органами управления Учреждения являются руководитель Учреждения, а также следующие коллегиальные органы управления, предусмотренные федеральными законами и настоящим уставом, а именно:

1. Общее собрание (конференция) работников и обучающихся Учреждения;
2. Совет Учреждения – выборный представительный орган;
3. Педагогический Совет;
4. Попечительский Совет;
5. Совет профилактики;
6. Методический Совет;
7. Студенческий совет;
8. Совет родителей;

Единоличным исполнительным органом Учреждения является директор, который осуществляет текущее руководство деятельностью Учреждения.

7.3. Руководителем Учреждения является директор.

7.4. К компетенции директора Учреждения относятся вопросы осуществления текущего руководства деятельностью Учреждения, за исключением вопросов, отнесенных законодательством или настоящим уставом к компетенции учредителя Учреждения или иных органов Учреждения.

7.5. Директор Учреждения без доверенности действует от имени Учреждения, в том числе представляет интересы Учреждения и совершает сделки от имени Учреждения, утверждает штатное расписание Учреждения, внутренние документы, регламентирующие деятельность Учреждения, подписывает план финансово-хозяйственной деятельности Учреждения, бухгалтерскую отчетность Учреждения, издает приказы и дает указания, обязательные для исполнения всеми работниками Учреждения.

7.6. Директор Учреждения несет ответственность в порядке и на условиях, установленных законодательством Российской Федерации и трудовым договором, заключенным с ним.

7.7. Права и обязанности директора Учреждения, а также основания для прекращения трудовых отношений с ним регламентируются трудовым законодательством, а также трудовым договором. Срок действия трудового договора с директором Учреждения устанавливается не более 5 лет.

7.8. Компетенция заместителей директора Учреждения устанавливается директором Учреждения.

7.9. Заместители директора Учреждения действуют от имени Учреждения в пределах полномочий, предусмотренных в доверенностях, выдаваемых директором Учреждения.

7.10. Минобразование Ростовской области:

7.10.1. Рассматривает предложения Учреждения о внесении изменений в устав Учреждения. Утверждает устав Учреждения, изменения и дополнения к нему по согласованию с министерством финансов Ростовской области и министерством имущественных и земельных отношений, финансового оздоровления предприятий, организаций Ростовской области (далее – минимущество Ростовской области).

7.10.2. Рассматривает и утверждает:

1. — контрольные цифры приема граждан в Учреждение;
2. — председателей государственных экзаменационных комиссий Учреждения;
3. — отчеты Учреждения, в том числе бухгалтерские, отчеты о деятельности Учреждения и об использовании его имущества, об исполнении плана финансово-хозяйственной деятельности Учреждения.

7.10.3. Рассматривает и согласовывает:

1. — план финансово-хозяйственной деятельности Учреждения;
2. — предложения Учреждения о создании и ликвидации филиалов, об открытии и закрытии представительств Учреждения;
3. — распоряжение особо ценным движимым имуществом Учреждения;
4. — списание особо ценного движимого имущества Учреждения;
5. — предложения директора Учреждения о совершении крупных сделок;
6. — предложения директора Учреждения о совершении сделок, в совершении которых имеется заинтересованность;
7. — предложения Учреждения о передаче на основании распоряжения минимущества Ростовской области по акту приема-передачи объекта недвижимого или движимого имущества с баланса Учреждения на баланс в оперативное управление другого государственного учреждения Ростовской области (далее – ГУ РО) или в хозяйственное ведение государственного унитарного предприятия Ростовской области (далее – ГУП РО), с баланса ГУ РО или ГУП РО на баланс в оперативное управление Учреждения;
8. — в случаях, предусмотренных федеральными законами, передачу некоммерческим организациям в качестве их учредителя или участника денежных средств (если иное не установлено условиями их предоставления) и иного имущества, за исключением особо ценного движимого имущества, закрепленного за Учреждением собственником или приобретенного Учреждением за счет средств, выделенных ему собственником на приобретение такого имущества, а также недвижимого имущества.

7.10.4. Рассматривает и согласовывает совместно с минимуществом Ростовской области вопросы:

1. — распоряжения недвижимым имуществом Учреждения;
2. — списания недвижимого имущества Учреждения;
3. — внесения Учреждением в случаях и порядке, которые предусмотрены федеральными законами, денежных средств (если иное не установлено условиями их предоставления), иного имущества, за исключением особо ценного движимого имущества, а также недвижимого имущества, в уставный (складочный) капитал хозяйственных обществ или передачу им такого имущества иным образом в качестве их учредителя или участника.

7.10.5. Проводит:

1. — проверки деятельности Учреждения;
2. — аттестацию педагогических работников Учреждения в установленном порядке;
3. — аттестацию директора Учреждения в установленном порядке.

7.10.6. Осуществляет:

1. — анализ финансово-хозяйственной деятельности Учреждения;
2. — согласование программы развития Учреждения.

7.10.7. Принимает решения, направленные на улучшение финансово-экономического состояния Учреждения.

7.10.8. Устанавливает порядок представления Учреждением отчетности в части, не урегулированной законодательством Российской Федерации и Ростовской области.

7.10.9. Определяет порядок составления и утверждения отчета о результатах деятельности Учреждения и об использовании закрепленного за Учреждением государственного имущества.

7.10.10. Формирует и утверждает государственное задание для Учреждения в соответствии с законодательством Российской Федерации и Ростовской области.

7.10.11. Определяет виды и перечень особо ценного движимого имущества Учреждения, принадлежащего Учреждению на праве оперативного управления, в том числе закрепленного за Учреждением на праве оперативного управления и приобретенного Учреждением за счет средств, выделенных ему учредителем на приобретение такого имущества (далее – особо ценное движимое имущество).

7.10.12. Устанавливает порядок определения платы для физических и юридических лиц за услуги (работы), относящиеся к основным видам деятельности Учреждения, оказываемые им сверх установленного государственного задания, а также в случаях, определенных федеральными законами, в пределах установленного государственного задания.

7.10.13. Определяет предельно допустимое значение просроченной кредиторской задолженности Учреждения, превышение которого влечет расторжение трудового договора с директором Учреждения по инициативе работодателя в соответствии с Трудовым кодексом Российской Федерации.

7.10.14. Организует и проводит конкурс на замещение должности директора Учреждения.

7.10.15. Принимает в соответствии с трудовым законодательством решение о назначении и назначает директора Учреждения по результатам конкурса.

7.10.16. В порядке, установленном трудовым законодательством:

1. — заключает трудовой договор с директором Учреждения по результатам конкурса;
2. — заключает дополнительное соглашение к трудовому договору с директором Учреждения;
3. — расторгает трудовой договор с директором Учреждения.

7.10.17. Осуществляет контроль за деятельностью Учреждения в соответствии с законодательством Российской Федерации и Ростовской области, в том числе за организацией предоставления среднего профессионального образования, включая обеспечение государственных гарантий реализации права на получение общедоступного и бесплатного среднего профессионального образования, и предоставления дополнительного профессионального образования в Учреждении.

7.10.18. Применяет к директору Учреждения меры поощрения в соответствии с трудовым законодательством.

7.10.19. Применяет меры дисциплинарного воздействия к директору Учреждения в соответствии с трудовым законодательством.

7.10.20. Подготавливает в соответствии с законодательством Российской Федерации и Ростовской области проект постановления Правительства Ростовской области о реорганизации и ликвидации Учреждения, а также об изменении его типа с «бюджетное учреждение» на «казенное учреждение» или «автономное учреждение», выполняет функции и полномочия учредителя Учреждения при его создании, реорганизации, изменении типа и ликвидации.

7.10.21. Участвует в соответствии с законодательством Российской Федерации и Ростовской области в осуществлении юридических действий, связанных с созданием, реорганизацией, ликвидацией, изменением типа Учреждения.

7.10.22. Ведет и хранит трудовую книжку директора Учреждения.

7.10.23. Осуществляет решение иных предусмотренных законодательством вопросов деятельности Учреждения, не относящихся к компетенции других органов государственной власти и Учреждения.

9.3. Внутренняя структура деятельности

Описание и понимание внутренней структуры деятельности позволяет глубже осознать роль и значение отдельных психических процессов и функций в организации целостного, целенаправленного поведения человека и таким образом открывает возможности для сознательного анализа и коррекции поведения в том случае, если оно оказывается недостаточно эффективным. По­нимание внутренней организации деятельности может повысить эффектив­ность процесса обучения, а также усвоения учениками новых знаний и навыков. Общие закономерности организации целенаправленной активности были установлены отечественными физиологами А.Н. Бернштейном (при изучении организации движений) и П.К. Анохиным (при исследовании активности моз­га на нейрональном уровне). В дальнейшем П.К. Анохин сформулировал об­щую теорию функциональных систем, которая, по мнению автора, является универсальной теоретической базой для описания структурно-функциональной организации любой «функциональной системы», в том числе и целенаправлен­ной деятельности человека.

В соответствии с этой теорией любая целенаправленная деятельность чело­века, будь то поход в магазин за покупками, или постройка дома, или освоение нового материала учеником, или профессиональная карьера и социальный рост, чтобы быть эффективной, должна состоять из определенных элементов, иметь определенные связи между ними и разворачиваться в определенной последова­тельности. В целом внутренняя организация деятельности человека выглядит следующим образом.

В основе любой целенаправленной деятельности человека лежит мотив. Вслед за К. Обуховским, В.И. Ковалевым и рядом других авторов будем пони­мать под мотивом осознанное побуждение к деятельности, вызванное какой-то определенной потребностью человека. Напомним, что у человека это может быть какая-то биологическая, или социальная, или идеальная потребность по­знания (П.К. Симонов). Как уже говорилось выше, потребности возникают тог­да, когда нарушаются внутренние условия существования организма (заданные эволюцией вида) и личности (заданные культурой, в которой сформировалась личность).

Осознание потребности в форме мотива как побуждения к деятельности свя­зано с формированием общей стратегической цели деятельности или ее резуль­тата — удовлетворения данного мотива, а следовательно, и потребности, и вос­становление нарушенных внутренних условий. Например, желание мальчика стать сильным и смелым может возникнуть вслед за принятием им норматив­ных требований к идеальному образу мужчины, существующему в данном обществе. Осознание себя как слабого и не очень смелого мальчик может пере­живать как нарушение этих внутренних условий, а стремление к их восстанов­лению — как внутренний императив, побуждающий его предпринимать опреде­ленные действия. Отсюда видно, что у человека такое рассогласование зависит не только от содержания идеальных образцов, но и от собственной оценки себя и своего положения.

Следовательно, стратегической целью любой человеческой деятельности яв­ляется устранение несоответствия между требованиями, обусловленными осно­вами существования организма или личности и наличным  положением  дел,  свя­занным  с  этими  условиями. Здесь следует

заметить, что рост и развитие организма или личности также являются обяза­тельными внутренними условиями существования человека. Этим условиям соответствуют потребности познания.

Несмотря на то что стратегическая цель имеет общий ха­рактер, именно она как конечный результат деятельности становится тем системообразующим фактором, который скрепляет между собой все элементы деятельности, направ­ленной на ее достижение. Именно конечный результат стано­вится тем образцом, с которым сверяются все конкретные     до­стижения     человека     при    осуществлении

Стратегической целью любой человеческой деятельности являет­ся устранение несоответствия между требованиями, обусловленными основами существова­ния организма или личности и наличным положением дел, связанным с этими условиями.

данной деятельности. Поскольку при осуществлении деятельности происходит развитие и совершенствование человека как субъекта деятельности, представле­ние о конечном результате также может изменяться в сторону его уточнения и совершенствования. Например, желание мальчика стать сильным и смелым мо­жет быть сформулировано как: «стать сильным и смелым настолько, чтобы быть способным в любой ситуации постоять за себя».

Стратегическая цель имеет слишком общий характер, чтобы быть достигну­той в той форме, в которой она первоначально возникает. К тому же она может быть удовлетворена самыми разными конкретными путями и способами. В свя­зи с этим следующим этапом деятельности становится выбор конкретной цели, способной удовлетворить данный мотив.

Формирование и выбор конкретной цели переводит выполнение деятельно­сти на уровень осуществления ряда промежуточных действий.

Для того чтобы наметить конкретную цель, необходимо проанализировать актуальную ситуацию, имеющую отношение к данной деятельности. В анализе ситуации деятельности принимают участие процессы восприятия и мышления человека. Восприятие и анализ ситуации невозможны без обращения к уже име­ющимся у субъекта знаниям, т.е. к памяти. Результат восприятия и интерпрета­ции ситуации зависит от системы знаний (значений), которыми располагает субъект. Воспринять и понять можно только то и в той степени, что и в какой степени соответствует имеющимся знаниям и опыту субъекта. Наш мальчик, решивший стать сильным и смелым, может, анализируя свою ситуацию, узнать, что сильными и смелыми мужчины становятся, когда они или занимаются спортом, или выступают публично, или приобщаются к мировой культуре. Но поскольку он еще подросток, содержанием его понятий (значений) «сила» и «смелость» становится физическая сила и смелость физически постоять за себя. В связи с этим в качестве конкретных целей он может наметить только те, кото­рые соответствуют его системе понятий. Это может быть занятие боксом, борь­бой, восточными единоборствами, штангой или другими видами спорта.

Из всего намеченного спектра конкретных целей человек должен выбрать только одну, поскольку одновременно двигаться в нескольких направлениях так же невозможно, как невозможно добыть пищу, если одновременно охотиться на зверя и ловить рыбу.

Выбор конкретной цели из числа намеченных в результате анализа ситуации производится так же, как и при отборе определенной гипотезы при решении за­дачи — на основе нескольких критериев, а именно критериев субъективной при­влекательности, стоимости и вероятности достижения данной цели. Наш маль­чик из всех видов спорта мог выбрать бокс, потому что: 1) ему нравилась сама атмосфера боев на ринге, кроме того, в секцию бокса ходил его приятель и по­этому ему легче было освоиться в незнакомой ситуации; 2) секция бокса находи­лась недалеко от дома, а занятия в ней стоили недорого; 3) он знал, что в эту сек­цию принимаются все желающие, поэтому, обратившись туда, он наверняка туда попадет. Как нетрудно увидеть, в выборе конкретной цели принимает уча­стие не только дискурсивное мышление, но и эмоции, определяющие субъектив­ное предпочтение тех или иных целей.

Выбор конкретной цели влечет за собой следующие этапы действия — разра­ботку средств достижения цели и программы ее достижения. У нашего мальчика в качестве таких средств могли быть: демонстрация своей ловкости перед приятелем, разговор с матерью по поводу оплаты занятий, покупка спортивной формы и необходимых для занятий вещей и т.д. Одновременно с этим он наме­чал и определенную последовательность своих действий, т.е. продумывал, что именно он сделает вначале и что потом.

Все предыдущие этапы выполнения действия приводят к следующим этапам: принятию решения о целеосуществлении и собственно целеосуществлению. В на­шем случае это выполнение конкретных действий в соответствии с намеченной программой — разговор с матерью, обращение в секцию. Эти конкретные более мелкие действия, характер выполнения которых зависит от конкретных усло­вий, можно рассматривать как операции в общей структуре деятельности маль­чика. Например, характер действий при разговоре с матерью, при взаимодей­ствии с приятелем, при первом походе в спортивную секцию и т.д. зависят от ряда конкретных обстоятельств и поэтому выполняются применительно к ним.

Этап целеосуществления приводит к появлению каких-то конкретных ре­зультатов. Например, приход мальчика в спортивную секцию завершился его принятием в группу начинающих. Этот этап знаменует окончание одного из действий, выполнение которых приближает человека к конечной стратегиче­ской цели. Поскольку общая цель пока субъективно не достигнута, данное дей­ствие как функциональная система заменяется новым, например действием, це­лью которого является получение разряда по боксу. Осуществление этого дей­ствия происходит по той же схеме и в той же последовательности.

Целостная целенаправленная деятельность осуществляется до тех пор, пока не будет достигнута ее конечная цель. В данном случае — до тех пор, пока маль­чик не почувствует себя достаточно сильным и смелым, чтобы физически посто­ять за себя. Достижение промежуточных и конечной целей и, следовательно, удовлетворение исходного мотива обязательно сопровождается положительны­ми эмоциями, которые в данном случае выполняют функцию подкрепления.

В процессе осуществления деятельности человек изменяется — он становит­ся старше, изменяются его физические характеристики, увеличивается запас его знаний и умений, изменяется иерархия его социальных ценностей. В связи с этим может случиться так, что в процессе осуществления деятельности мотив, лежащий в ее основе, изменится, например в результате изменений в иерархии ценностей данной личности. Что при этом произойдет с данной деятельностью?

По мнению А. Н. Леонтьева, именно мотив определяет вид и содержание деятельности. Поэтому при  смене  мотива  происходит  по  сути

дела смена старой деятельности на но­вую, т.е. старая деятельность распадается и формируется но­вая деятельность, содержание которой соответствует новому мотиву. В нашем примере может произойти так, что с наступ­лением юношеского возраста или ранней зрелости у нашего героя на первом месте в иерархии его ценностей окажется не физическая   сила   и   способность   физически постоять за себя, а знания,   эрудиция,  компетентность  в  какой-то

Прекращение деятельности связано либо с совпадением полученного результа­та с желаемым, либо с исчезновением инициировавшего ее мотива.

теоретической области. Физическое же совершенство как ценность может переместиться на бо­лее низкое место или вовсе занять последнее место в иерархии ценностей. В этом случае осуществление первой деятельности будет приобретать все более эпизодический характер и займет скромное место в структуре всех деятельностей личности или распадется вовсе.

Таким образом, прекращение деятельности связано либо с совпадением по­лученного результата с желаемым, либо с исчезновением инициировавшего ее мотива. Если мотив сохраняется, но полученный результат не совпадает с жела­емым, будут вноситься соответствующие поправки в любой из функциональных элементов деятельности. Например, может быть заново проанализирована ситу­ация, привлечены иные знания, хранящиеся в памяти. На этой основе или на основе изменения критериев выбора цели старая цель действия может быть за­менена на новую. В связи с появлением новой цели будут использоваться и но­вые средства и разрабатываться новые планы. Промежуточный результат дей­ствия, отличный от предыдущего, будет сравниваться с новой его целью. При этом стратегическая цель и желаемый стратегический результат останутся неизменными.

О роли восприятия, памяти и мышления в структуре деятельности коротко было сказано. Какова здесь роль таких психических образований, как представ­ление и воображение? Представление служит в данном случае для формирова­ния вторичного чувственного образа, выступающего в качестве   наглядного   об­разца,   достижение   которого и будет знаменовать

достижение стратегической цели. Наш мальчик может представлять себя похожим, например, на Майка Тайсона. Воображение тоже может служить усилителем мо­тива — мальчик может воображать, как он запросто расправ­ляется со своими нынешними реальными обидчиками, с ко­торыми сейчас ему справиться не удается.

Такова в общих чертах внутренняя структура деятельно­сти человека. К сказанному необходимо добавить следующее.

Содержание деятельности во многом определяется не только личными мотивами человека, но и теми социальны­ми условиями, в которых она разворачивается.

Деятельность человека, в отличие от жизнедеятельности животных, протекает не только в физической, но прежде все­го в социальной среде. Если же говорить о личности, то дея­тельность человека как личности осуществляется только в социальной символической среде (Т. Шибутани). В

связи с этим содержание деятельности во многом определяется не только личными мотивами человека, но и теми социальными условиями, в которых она разворачивается. Конкретные цели и способы их достижения определяются принятыми в дан­ном сообществе ценностями и социальными нормами. Со­циальные нормы играют огромную роль в выборе целей и способов их достижения. В связи с этим человеку при достижении своих целей обязательно приходится вносить в де­ятельность соответствующие   коррективы,  определяемые

И чем более я размышляю, тем более две вещи наполняют душу мою все новым удивлением и нарастающим благоговением: звездное небо надо мной и нравственный закон во мне.

 И. Кант

культурой той группы, в которой это происходит. Неучет и непонимание этих нормативных требований будет значительно снижать эффек­тивность деятельности либо вовсе сделает ее неэффективной.

И еще одно обстоятельство, которое иногда существенно изменяет продук­тивность отдельных этапов, последовательность и эффективность всей деятельности в целом. Дело в том, что между потребностями человека и осознаваемыми мотивами деятельности имеются определенные отношения, которые в самой общей форме можно описать примерно так. Всякая возникающая биологическая или социальная потребность у человека немедленно оценивается внутренней цензурой (защитными механизмами) личности с точки зрения соответствия ее содержания нормам и ценностям, принятым самой личностью, т.е. являющим­ся неотъемлемым ее достоянием. Если возникшая потребность по своему содер­жанию соответствует им, то она осознается, становится мотивом в неизменном виде. Если же она противоречит нормам и ценностям личности, то в целях со­хранения самооценки и устранения внутреннего конфликта она осознается в измененной форме, соответствующей этим нормам и ценностям или вовсе по­давляется. При достаточной интенсивности подавленная или измененная по­требность тем не менее продолжает свое существование и требует своего удов­летворения. Это приводит к тому, что, оставаясь на заднем плане деятельности, эта потребность, незаметно для самого субъекта, вносит свои искажающие кор­рективы и в процесс анализа ситуации, и в извлечение информации из памяти, и в придание веса критериям, на основе которых выбирается цель, и в принятие решения и планирование действий, и в целеосуществление, и в оценку достиг­нутого результата. Вся деятельность может приобрести хаотичный, непоследо­вательный характер, она может многократно повторяться вхолостую, а страте­гическая цель будет оставаться недостижимой, либо с ее достижением человек не будет испытывать удовлетворения. Причины этих неудач будут скрыты от самого субъекта до тех пор, пока он в результате тщательного анализа или по ка­ким-то иным причинам не осознает истинную потребность, лежавшую в основе его деятельности.

Между содержанием сознания человека, его внутренней картиной мира и его деятельностью имеется определенная связь. Связь эта закреплена в представлениях Л.С. Выгот­ского, А.Р. Лурия, П.Я. Гальперина о генезисе высших   пси­хических   функций   как   интериоризации  внешних  действий.

Высшие психические функции человека, основной характе­ристикой которых является произвольность деятельности, осуществляемой на их основе, представляют собой те психологические структуры, которые формируются в процессе предметной деятельности ребенка совместно со  взрослым. Внешняя деятельность, распределенная вначале

Операциональное определение указыва­ет на то, какие именно действия следует выполнить, чтобы получить данный объект.

между ребенком и взрослым, посредством языка превращается в лаконичные, свернутые идеальные программы действий, обозначенные знаками и актуализируемые с помощью этих знаков при появлении соответствующих ус­ловий. Таким образом,  в  структуру  значения  данной  категории объектов  вклю­чаются  не  только  внешние,   образные   признаки

объектов, но и определенные структуры действий, обусловленные культур­но-историческим опытом данной группы людей. Данные структуры действий присутствуют в так называемых операциональных и функциональных определениях понятий. Операциональное определение  указывает на то,

Функциональное определение — это те действия, которые в принципе можно совершить с данным объектом.

какие имен­но действия следует выполнить, чтобы получить данный объект. Например, воздушный шар — это то, что получается, если надуть легкий резиновый баллон. Функциональное определение — это те действия, которые в принципе можно совершить с данным объектом. Например, воздушный шар — это то, чем можно украсить праздник, что можно запустить в небо, что можно проткнуть и услышать при этом громкий хлопок.

Весь комплекс переживаний, которые приобретает ребенок в процессе актив­ного взаимодействия с данным классом объектов, и есть значение этого класса объектов. При этом взрослые не только сообщают ребенку словесное обозначе­ние этого класса, но и с помощью тех же языковых средств определяют его гра­ницы. Вследствие активности такого взаимодействия, а также вследствие того, что структуры действий с объектом входят составной частью в структуру его значения, о значении говорят как о превращенной форме деятельности, как о деятельности, превратившейся во внутренние психологические образования, соответствующие разнообразным психологическим феноменам, возникающим при взаимодействии с объектом. Поскольку содержанием сознания человека яв­ляются значения, то, следовательно, все богатство сознания определяется той степенью активности, которой характеризуется взаимодействие человека с ми­ром.

Приведенная схема целостной целенаправленной деятельности помогает по­нять роль и характер взаимодействия отдельных психических процессов, состо­яний и свойств личности в целостной психической жизни человека. Для того чтобы начать действовать, необходимо иметь основания, причину. Такой причи­ной всякой целенаправленной активности человека является потребность или мотив. Чтобы действовать эффективно, необходимо построить чувственные об­разы среды, в которой предполагается осуществлять эти действия. Эту функцию выполняют ощущение, восприятие, представление и воображение. Чувственные образы не могут быть построены без привлечения прошлого опыта, который представлен в чувственных образах в конденсированном виде. Ведь для того, чтобы построить в субъективном пространстве форму объекта, необходимо иметь в своем распоряжении соответствующие «строительные элементы» — прямые и кривые линии, углы, их ориентацию и локализацию и т.д. Чтобы по­нять отношения между элементами образа и между образами, необходимо, опи­раясь на знак — устойчивый чувственный посредник — вычленить их и обоб­щить. Эту функцию выполняет мышление. Сам по себе чувственный образ пред­ставляет собой нейтральное образование. Для того чтобы он обрел для субъекта определенный смысл, необходимо соотнести его с потребностью или мотивом. Именно потребность и мотив определяют актуальное значение данного объекта или ситуации для субъекта в данный момент времени. Это значение в то же вре­мя может колебаться в некоторых пределах, определяемых культурой той соци­альной среды, в которой сформировалась данная личность. Выбор цели сопря­жен с действием субъективных факторов, обусловленных опытом личности. Не последнюю роль в нем играют эмоциональные отношения и состояния личнос­ти в момент выбора. Они также влияют на оценку значения выбираемой цели действий. При принятии решения о целеосуществлении человек также исполь­зует дискурсивное мышление, посредством которого он старается представить самому себе и другим логически непротиворечивые и разумные, т.е. соответствующие нормативным требованиям, основания выбора. В процессе целеосуществления он также вынужден, сталкиваясь с препятствиями, решать задачи, опираясь опять же в основном на дискурсивное мышление. В оценке степени совпадения полученного и желаемого результата участвуют и эмоции, которые непосредственно сигнализируют субъекту об этом в форме переживания удо­вольствия или неудовольствия, и мышление, с помощью которого человек выд­вигает рациональные основания для констатации такого совпадения.

В заключение следует сказать, что вся деятельность осуществляется не сама по себе, не машинообразно, а в соответствии с волей субъекта этой деятельнос­ти — личности, и не в отвлеченном пространстве, а в пространстве социальных отношений, которые также представляют собой систему значений, вырабатыва­емых конвенционально. Мотивационным ядром, определяющим значение окру­жающих событий для личности, а также целей, которые она перед собой ставит и в соответствии с которыми выстраивает свою деятельность, является система усвоенных и принятых ею норм и ценностей. Именно поэтому и говорят, что воспринимает не восприятие и мыслит не мышление, а личность.

Оглавление

Понравилась статья? Поделись ею с друзьями и поддержи автора!

• Вконтакте
• Facebook
• Twitter
• LiveJournal

Хочешь узнавать больше? Получай новые статьи в час публикации

Психологическая структура деятельности

Когда мы говорим «деятельность» — рядом подразумеваем близкие понятия как «работа», «труд», «активность», «поведение» и другие. Чтобы «разложить по полочкам», выстроим следующую цепочку понятий, поочередно сужая сферу, которую они описывают:

ДВИЖЕНИЕ — АКТИВНОСТЬ — ЖИЗНЕДЕЯТЕЛЬНОСТЬ — ДЕЯТЕЛЬНОСТЬ ЖИВОТНЫХ — ДЕЯТЕЛЬНОСТЬ

ДВИЖЕНИЕ — всеобщее свойство материи. Движется Вселенная, планета, её обитатели, движутся молекулы и атомы в неподвижном на первый взгляд камне. Но мы не можем сказать, что камень активен.

АКТИВНОСТЬ относится к более узкому кругу объектов. У астрофизиков бывает Год Активного Солнца. Он, кстати, ожидался в 2009, но Солнце — не активизировалось. Это что — намёк? Активны растения, животные, природные явления.

ЖИЗНЕДЕЯТЕЛЬНОСТЬ мы относим к живым, биологическим объектам, рассматривая их именно на биологическом уровне.

ДЕЯТЕЛЬНОСТЬ ЖИВОТНЫХ даже сводящаяся к поиску пищи и спасению жизни, бывает весьма сложной, отчасти осмысленной. Некоторые животные даже используют орудия (камни, палки, сосновые иглы) для добычи пищи. Но это не орудия труда. Получив пищу, животное выбрасывает орудие. Видимо человек стал человеком, когда смекнул, что использованную дубину надо захватить с собой, для дальнейшего использования.

ДЕЯТЕЛЬНОСТЬ — это динамическая система взаимодействий субъекта с миром как во внешнем (физическом), так и во внутреннем (психическом) ПЛАНАХ, регулируемая ОСОЗНАВАЕМОЙ ЦЕЛЬЮ.

Подчеркнём ещё раз эту мысль А.Н. Леонтьева: деятельность ЕДИНА, но у неё есть два плана — ФИЗИЧЕСКИЙ и ПСИХИЧЕСКИЙ. Любое действие во внешнем плане сначала будет спроектировано в плане внутреннем. Даже если лежать неподвижно и просто думать — язык будет совершать микродвижения, проговаривая во внешнем плане мысли внутреннего плана.

Но совершенно неправильно будет говорить «внешняя деятельность» и «внутренняя деятельность».

Психологическая структура деятельности может быть представлена в виде такой цепочки:

ПОТРЕБНОСТЬ — МОТИВ — ЦЕЛЬ — ВЫБОР СПОСОБОВ ДЕЙСТВИЙ — ДЕЙСТВИЯ — КОРРЕКЦИЯ ДЕЙСТВИЙ

Обратим внимание на первые три, тоже очень близкие на первый взгляд понятия — «потребность», «мотив» и «цель». Если задать им вопросы, то ПОТРЕБНОСТЬ ответит на вопрос:

Почему возникает деятельность

Представим условного человечка, у которого мозгов почти нет, а его поступками управляет желудок. Если вы испытываете голод или знаете, что скоро будете его испытывать — как проще всего избавиться от голода? Денег у вас нет, а ходить в гости «на халяву» уже неприлично, вас не пускают. Проще всего украсть. Пробраться в магазин, отвлечь продавца — и… Но это опасно и преступно. Можно встать у магазина с плакатом «Помогите голодному студенту — надежде российской психологии!». Собрать сумму денег — и законно купить пищу. А можно ещё интереснее — пойти работать. Но сколько бы вы не чистили снег, или стучали по клавишам компьютера — голод не исчезнет. Но за это опять же дадут условные бумажки, которые можно обменять на реальную пищу.

Таким образом, потребность в пище может вызвать как минимум три мотива — воровской, нищенский и трудовой. Следовательно, МОТИВ отвечает на вопрос: НА ЧТО НАПРАВЛЕНА ДЕЯТЕЛЬНОСТЬ. Цель — это совсем просто, это ответ на вечный вопрос русской интеллигенции — ЧТО ДЕЛАТЬ? Она всегда ОСОЗНАВАЕМА, что и отмечено выше в определении ДЕЯТЕЛЬНОСТИ.

ПОТРЕБНОСТЬ обычно не осознаваема, скрыта от самого носителя. Разумеется, потребность в пище мы осознаём, но если взять более сложные потребности? Допустим, вы утром, в хорошем настроении выходите на балкон, тщательно прицеливаетесь и плюете на прохожего. И попадаете. Вас привлекают — и в милицейском протоколе записывают: «из хулиганских побуждений плевал на прохожих». Хулиганство — это мотив. Мотив — вообще детективное слово. Все сыщики мира ищут мотив преступления — кому выгодно. Но какая ПОТРЕБНОСТЬ вами двигала? Может быть познавательная — вы изучали свободное падение тел? Не совсем. Хулиганство — это циничное пренебрежение нормами жизни общества. Знаю, что это делать нельзя, но буду делать «назло». На кого злишься? На себя. Я — гопник, маргинал, табуретка с глазами, но у меня тоже есть убогая, больная потребность в САМОУВАЖЕНИИ. Подняться до нормальных людей мне недоступно, тогда я попробую унизить другого до себя. Плюну тому «лоху» на шляпу — и буду себя уважать.

Так вот, МОТИВ, располагаясь между неосознаваемой ПОТРЕБНОСТЬЮ и осознаваемой ЦЕЛЬЮ, находится в ПРОМЕЖУТОЧНОЙ роли (частично не осознаваем, частично — осознаваем, хотя воспринимается носителем как осознаваемая причина) — им человек как бы «объясняет» себе, зачем ему достижение такой цели.

ПОТРЕБНОСТЬ — в безопасности; МОТИВ — трусость; ЦЕЛЬ — вести себя по-хамски, разговаривая матом с девушками (и они не отстают), потому что такая размазня, как говорящий матом (это, конечно, не Вы) не может защитить девушку от хама. Так мы лучше сделаем вид, что нас это не шокирует.

ПОТРЕБНОСТЬ В САМОУВАЖЕНИИ, понимаемая как необходимость «выпендриться», выделиться на фоне других, потешить свое честолюбие. ЦЕЛЬ — купить дорогущую видеокамеру. МОТИВ — я, якобы буду снимать сюжеты из жизни, отправлять в «Сам себе режиссёр», хотя кроме застолий дома и раз в полгода ничего сниматься не будет.

ПОТРЕБНОСТИ — нематериальны, это состояния психики. Впрочем, дадим более строгое определение:

ПОТРЕБНОСТЬ — состояние живого существа, происходящее от нужды в объектах, необходимых для его существования и развития и выступающее источником его активности.

МОТИВ — побуждение к деятельности, связанное с удовлетворением потребности субъекта, осознаваемая причина, лежащая в основе выбора действий и поступков.

Таким образом, зная, что именно ПОТРЕБНОСТЬ является исходным звеном, «пусковым механизмом» любой деятельности, нам следует не только знать, что такое ПОТРЕБНОСТИ, но и какими они бывают, их соподчинённость. То есть мы должны рассмотреть тему «Структура потребностей». Но это — немного другая история…

Всемирный банк: история создания, структура и деятельность. Справка

ВБ начал работу 25 июня 1946 года, первый кредит был выдан 9 мая 1947 года ($250 млн. получила Франция на реконструкцию экономики, разрушенной Второй мировой войной).

Главной задачей Всемирного банка является содействие устойчивому экономическому росту, который ведет к сокращению нищеты в развивающихся странах, путем оказания помощи по увеличению производства через долгосрочное финансирование проектов и программ развития. При этом приоритетными для него являются структурные преобразования: либерализация торговли, приватизация, реформа образования и здравоохранения, инвестиции в инфраструктуру.

Каждый заем Всемирного Банка должен гарантироваться соответствующим правительством и за исключением особых обстоятельств должен предоставляться для осуществления конкретных проектов.

Главное преимущество сотрудничества с ВБ для страны‑получателя заключается в существенно заниженных по сравнению с другими международными кредиторами процентных ставках по займам. Другая перспективная выгода для получателя помощи ВБ состоит в том, что за кредитами ВБ идут международные кредиты.

В Группу Всемирного банка входят:

Международный банк реконструкции и развития (МБРР) – основное кредитное учреждение группы Всемирного банка. МБРР ‑ самый крупный кредитор проектов развития в развивающихся странах со средним уровнем доходов на душу населения.

Международный банк реконструкции и развития (МБРР) был учрежден одновременно с Международным валютным фондом (МВФ) в соответствии с решениями Международной валютно‑финансовой конференции в Бреттон‑Вудсе в 1944 году. Соглашение о МБРР официально вступило в силу в 1945 году, но банк начал функционировать с 1946 года.

Международная ассоциация развития (МАР) ‑ организация, входящая в группу Всемирного банка. Создана в 1960 году. Ее цель – оказание помощи самым бедным странам. Право на получение займов из МАР имеют страны с ВВП на душу населения не более $835.

Международная финансовая корпорация (МФК) — международный финансовый институт, входящий в структуру Всемирного банка. МФК была создана в 1956 году, чтобы обеспечить устойчивый приток частных инвестиций в развивающиеся страны.

Многостороннее агентство по гарантиям инвестиций (МАГИ) – автономное международное учреждение, целью которого является содействие направлению прямых иностранных инвестиций в развивающиеся страны, страхование и предоставление гарантий частным инвесторам, а также оказание консультационных и информационных услуг. МИГА было основано в 1988 году.

Международный центр по урегулированию инвестиционных споров (МЦУИС), основанный в 1995 году, содействует увеличению потоков международных инвестиций путем предоставления услуг по арбитражному разбирательству и урегулированию споров между правительствами и иностранными инвесторами.

Членство во Всемирном банке

В пяти финансовых институтах Всемирного Банка участвует разное количество государств. Членами Международного банка реконструкции и развития (МБРР) являются 184 государства, то есть почти все страны мира. В Международную ассоциацию развития (МАР) входят 163 государства, в Международную финансовую корпорацию (МФК) ‑ 175 государств, в Многостороннее агентство по инвестиционным гарантиям ‑ 158 государств, а в Международный центр по урегулированию инвестиционных споров (МЦУИС) — 134 государства.

Россия стала полноправным членом Группы Всемирного банка в июне 1992 года. Помимо Международного банка реконструкции и развития, Россия является членом Международной финансовой корпорации (МФК), Международной Ассоциации Развития (МАР) и Многостороннего агентства по гарантированию инвестиций (МАГИ).

Согласно уставу Всемирного Банка, для принятия стратегических решений требуется получить не менее 85% голосов акционеров.

По состоянию на конец 2007 года, крупнейшими акционерами Всемирного Банка являются США (16.4% акций), Япония (7.9%), Германия (4.5%), Великобритания и Франция (по 4.3%).

Каждые три года Группа Всемирного банка разрабатывает рамочный документ: «Стратегия деятельности Группы Всемирного банка», который используется как основа сотрудничества со страной. Стратегия помогает увязать программы банка как по предоставлению займов, так и аналитических и консультационных услуг, с конкретными целями развития каждой страны‑заемщика.

Руководство

Президент Всемирного банка, глава совета директоров‑распорядителей ВБ, глава Международной ассоциации развития, глава совета директоров Международной финансовой корпорации, глава Агентства по многостороннему гарантированию инвестиций ‑ Роберт Зеллик (занимает этот пост с 1 июля 2007 года).

Материал подготовлен на основе информации РИА Новости и открытых источников

Что такое взаимосвязь «структура-деятельность» (SAR)?

Взаимосвязи структуры и активности (SAR) можно использовать для прогнозирования биологической активности по молекулярной структуре. Эта мощная технология используется при открытии лекарств для управления получением или синтезом желаемых новых соединений, а также для дальнейшей характеристики существующих молекул.

Биологические эффекты нового химического соединения часто можно предсказать по его молекулярной структуре, используя данные о других подобных соединениях.Это связано с тем, что аналогичные соединения могут иметь схожие физические и биологические свойства. Между молекулярными структурами и их биологической активностью существует взаимосвязь, и этот принцип называется взаимосвязью структуры и активности (SAR).

Инструменты SAR, такие как CDD Vault, могут обнаруживать корреляции и создавать модели, используемые для оценки новых химических структур для прогнозирования их биологической активности. Затем их можно применять для создания новых желаемых соединений и их характеристики. Существующие соединения можно дополнительно оценить с помощью SAR на предмет вероятных побочных эффектов.

SAR

зависит от признания того, какие структурные характеристики коррелируют с химической и биологической реакционной способностью. Таким образом, способность делать выводы о неизвестном соединении зависит как от структурных особенностей, которые можно охарактеризовать, так и от базы данных молекул, с которыми они сравниваются. В сочетании с соответствующим профессиональным суждением SAR может стать мощным инструментом для понимания функциональных последствий при обнаружении сходства. Например, в случае оценки риска не охарактеризованных соединений в анализ должны быть включены данные по наиболее чувствительным токсикологическим конечным точкам, таким как канцерогенность или кардиотоксичность.

Рис. 1 — CDD Vault отображает таблицу SAR, в которой показаны общие структурные особенности, обнаруженные для молекул, обладающих желаемой биологической активностью.

Взаимосвязь структуры и активности обычно оценивается в табличной форме, которая называется таблицей SAR. Таблицы SAR состоят из соединений, их физических свойств и активности. Эксперты просматривают таблицу путем сортировки, построения графиков и даже сканирования структурных элементов, чтобы найти возможные взаимосвязи.

CDD Vault — это размещенное облачное приложение, которое предоставляет полный набор инструментов исследовательской информатики в интуитивно понятном, простом в использовании веб-интерфейсе.Посмотрите короткое демонстрационное видео и узнайте больше об анализе SAR для с помощью CDD Vault .

Введение в отношения (количественной) структуры и деятельности

Подъезд

Взаимосвязь структура-активность (SAR) — это подход, разработанный для нахождения взаимосвязей между химической структурой (или структурными свойствами) и биологической активностью (или целевым свойством) изучаемых соединений.По сути, это концепция связи химической структуры с химическим свойством (например, растворимостью в воде) или биологической активностью, включая токсичность (например, острая смертность рыб). Качественные SAR и количественные SAR вместе именуются (Q) SAR. Качественные отношения выводятся из разрозненных данных (например, данные «да» или «нет»), в то время как количественные отношения выводятся для непрерывных данных (например, данных о токсической активности). Подход не нов, поскольку A.F.A. Крос в 1863 году отметил в « Action de l’alcool amylique sur l’organisme » связь между токсичностью первичных алифатических спиртов и их растворимостью в воде.

Допущение
Центральная аксиома SAR заключается в том, что активность молекул отражается на их структуре. Следовательно, аналогичные молекулы обладают схожей активностью. Таким образом, подход SAR предполагает, что структура молекулы (например, ее геометрические, электронные свойства и т. Д.) Содержит особенности, отвечающие за ее физические, химические и биологические свойства. Он основан на способности представлять химическое вещество одним или несколькими дескрипторами, одним из которых является двухмерная структура.Основная проблема заключается в том, как определить различия на молекулярном уровне, поскольку каждый вид деятельности может зависеть от различных молекулярных сходств.

Цели
Биологическая активность (например, токсичность) веществ определяется их свойствами, которые, в свою очередь, определяются их химической структурой. SAR преследует две цели. Во-первых, чтобы как можно точнее определить пределы изменения структуры химического вещества, которые соответствуют возникновению определенного эффекта (например,g., может ли химическое вещество вызвать конкретную токсическую конечную точку). Во-вторых, определить способы, которыми изменения в структуре и, следовательно, общие свойства соединения влияют на конечную эффективность.

Модели
(Q) SAR также являются моделями или математическими отношениями (часто статистической корреляцией), которые связывают свойство, связанное со структурой, с наличием или отсутствием, или силой другого интересующего свойства или деятельности. (Q) Самая простая математическая форма SAR:

Активность = f (физико-химические или структурные свойства)

Для разработки модели (Q) SAR требуются три компонента:

1) Набор данных, который обеспечивает активность (обычно измеряемую экспериментально) для группы химических веществ (т.е.е., зависимая переменная). Эта группа химикатов обычно определяется некоторыми критериями отбора.

2) Структурные критерии или набор данных свойств, связанных со структурой, для одной и той же группы химических веществ (т. Е. Независимых переменных).

3) Средство связи (обычно метод статистического анализа) этих двух массивов данных. Способы соотнесения структуры с деятельностью варьируются от простой линейной регрессии до более сложных подходов, таких как частичный анализ методом наименьших квадратов, до самых сложных методов машинного обучения, таких как нейронные сети.

Использование (Q) SAR для заполнения пробелов в данных
(Q) SAR может использоваться для прогнозирования свойств и активности непроверенных соединений, которые относятся к той же группе химических веществ.

	Соединение A	Соединение B	Соединение C	Соединение D	Соединение E
Структура X	+	+	–	+	+
Недвижимость Y	1	2	3	4	5
Activity Z	+	+	–	+	?
Деятельность T	10	15	5	?	30

Использование данных в таблице выше демонстрирует, как используются подходы (Q) SAR.Анализ данных в таблице, в частности, для структуры X, показывает, что химические вещества A, B, D и E образуют группу аналогичных химических веществ, поскольку структура X является общей для всех четырех соединений (но не для химического вещества C).

Для этой группы химических веществ наблюдается качественная взаимосвязь между структурой X и активностью Z. Используя это соотношение, измеренные значения активности Z для соединений A, B и D могут использоваться для заполнения пробела в данных активности Z для непроверенного соединения E Это делается путем считывания от соединения A, B и D к соединению E (предсказывая, что активность Z будет положительной для соединения E).

Для этой же группы аналогичных химических веществ взаимосвязь между Свойством Y и Активностью T является количественной и моделируется как [Активность T = 5,0 (Свойство Y) + 5,0]. Используя эту модель (Q) SAR, эффективность активности T для соединения D, по прогнозам, составляет 25.

Дополнительная информация по (Q) SAR

Модели QSAR:

• Селассие CD. 2003. История количественных отношений структура-деятельность в: Abraham, DJ (под ред.) Burger’s Medicinal Chemistry and Drug Discovery Шестое издание, том 1: Drug Discovery. John Wiley & Sons, Inc., стр. 1-48.

• Cronin MTD, Walker JD, Jaworska JS, Comber MHI, Watts CD и Worth AP. 2003. Использование QSAR в международных структурах принятия решений для прогнозирования экологических последствий и экологической судьбы химических веществ. Environ. Перспектива здоровья. 111: 1376–1390.

• Cronin MTD, Jaworska JS, Walker JD, Comber MHI, Watts CD и Worth AP.2003. Использование QSAR в международных структурах принятия решений для прогнозирования воздействия химических веществ на здоровье. Environ. Перспектива здоровья. 111: 1391-1401.

• Руководящий документ ОЭСР по валидации (Q) моделей SAR

• Веб-сайт AltTox.org

Группа химикатов:

• Руководство ОЭСР по группировке химических веществ

• Веб-сайт бывшего Европейского химического бюро

• Краткое описание окружающей среды, здоровья и безопасности (Q) SAR

Практика взаимоотношений структура-активность (SAR) в токсикологии | Токсикологические науки

Абстрактные

Как качественные, так и количественные методы моделирования, связывающие химическую структуру с биологической активностью, называемые анализом взаимосвязи структуры и активности или SAR, применяются для прогнозирования и определения характеристик химической токсичности.В этом мини-обзоре будут обсуждаться некоторые общие вопросы и подходы к моделированию, адаптированные к проблемам токсикологии. Обсуждаются различные подходы, а также некоторые аспекты и ограничения практики и науки SAR, поскольку они относятся к текущему токсикологическому анализу, а также основные элементы систем разработки и прогнозирования SAR и SAR-моделей. Другие темы включают применение 3-D SAR для понимания способности химических веществ вызывать эндокринные нарушения, а также использование моделей для анализа биологической активности ионов металлов в токсикологии.Также обсуждается пример интеграции знаний о механизмах в экспертную систему для прогнозирования сенсибилизации кожи к химическим веществам. В этом мини-обзоре будет рассмотрена полезность подходов к моделированию в качестве одного из компонентов для лучшей интеграции физико-химических и биологических свойств в оценку риска, а также рассмотрена возможность воздействия химических веществ и их взаимодействия как на окружающую среду, так и на здоровье человека.

Почему SAR?

Взаимосвязь структура-активность (SAR) является основой токсикологических исследований.Биологические свойства новых соединений часто основываются на свойствах аналогичных существующих материалов, опасность которых уже известна. Однако сегодня токсикологи сталкиваются с задачей скрининга большого количества различных химических веществ в различных средах на предмет увеличения числа конечных точек токсичности с использованием ограниченных ресурсов и меньшего количества животных. Тесты на животных и in vitro. по-прежнему считаются важными для поддержки оценки риска и принятия регулирующих мер, но часто являются слишком дорогостоящими и требуют много времени, чтобы их применять ко всему спектру химических веществ, для которых необходим и желателен определенный уровень токсикологического скрининга.Методы компьютерного моделирования, связывающие химическую структуру с качественной биологической активностью (SAR) и количественной биологической активностью (QSAR), применялись для решения многих различных проблем. Полученные в результате модели предназначены для прогнозирования и характеристики химической токсичности (Golberg, 1983; Haque, 1980; Hansch and Leo, 1995; Hermens and Opperhuizen, 1991; Kaiser, 1987; Karche and De Villers, 1990; McKinney, 1985; Rand и Петрочелли, 1985). Кроме того, с ускорением тенденций к лучшему пониманию химических механизмов токсикологических конечных точек и консолидации токсикологических данных в базах данных, есть расширенные возможности для включения таких методов в существующие токсикологические исследования.Следовательно, как для тех, кто планирует использовать модели SAR, так и для тех, кто планирует их разрабатывать, важно иметь базовое представление о том, как строится модель SAR, а также знать пределы и потенциал этой технологии.

Этот мини-обзор в значительной степени представляет собой краткое изложение материала, предоставленного в рамках курса повышения квалификации на 38-м ежегодном собрании Общества токсикологии в марте 1999 года под названием «Практика взаимосвязей структура-активность в токсикологии», и он не предназначен для использования в качестве учебного пособия. исчерпывающий обзор предметной области.В нем будут обсуждены некоторые подходы к моделированию, адаптированные к проблемам токсикологии, и будет подчеркнуто, что QSAR является ценным дополнением к экспериментальным данным и отправной точкой для дальнейшего исследования молекулярных механизмов. Примеры иллюстрируют различные подходы и некоторые аспекты практики SAR, поскольку они относятся к текущим токсикологическим анализам in vitro, и in vivo, . Темы включают науку о SAR в контексте токсикологии и важные элементы для обоснованного применения, специальное применение методов и подходов 3D SAR, использование моделей для анализа биологической активности ионов металлов в токсикологии и применение экспертных систем для скрининга и прогнозирования. токсикологического исхода.Растет осознание (Conolly et al., 1999; McKinney, 1996) важности фундаментальных исследований механизмов токсического действия химических веществ как средства для улучшения понимания и обеспечения более рациональной основы для оценки риска. Подходы к моделированию на основе структуры являются одним из компонентов для лучшей интеграции физико-химических и биологических свойств в оценку риска.

Фон

Взаимосвязь структурной активности связывает характеристики химической структуры со свойством, эффектом или биологической активностью, связанной с этим химическим веществом.При этом могут быть как качественные, так и количественные соображения. Фундаментальная предпосылка состоит в том, что структура химического вещества неявно определяет его физические и химические свойства и реакционную способность, которые во взаимодействии с биологической системой определяют его биологические / токсикологические свойства. Процесс разработки SAR — это попытка понять и выявить, как свойства, относящиеся к активности, закодированы и определены химической структурой.

В фармацевтической и химической промышленности SAR уже давно используются для разработки химикатов с коммерчески желательными свойствами.Это особенно характерно для области разработки лекарств, где ищут химические вещества с желаемой фармакологической и терапевтической активностью. В области защиты окружающей среды и здоровья SAR используется для прогнозирования воздействия на окружающую среду и здоровье человека, причем приложения широко варьируются. Он даже используется, чтобы помочь промышленности разрабатывать более безопасные химические вещества для коммерческого использования как часть их желаемых свойств.

Почему токсикологи должны интересоваться SAR? Токсикологи обычно занимаются исследованиями одного химического вещества в конкретной биологической системе.SAR предлагает средства для связи токсикологических данных по спектру химических веществ и, возможно, биологических конечных точек, освещая ассоциации, которые выходят за рамки деталей токсикологических экспериментов с одним химическим веществом, и, возможно, раскрывая аспекты токсикологических механизмов, которые могут быть обобщены для всех химических веществ. При использовании для прогнозирования SAR могут снизить потребность в измерениях свойств и тестировании на животных, обеспечивая более эффективный скрининг химических веществ по широкому диапазону конечных точек токсичности.В конечном итоге это может привести к лучшей защите здоровья окружающей среды за счет стратегического использования ограниченных ресурсов, направленных на выявление наиболее серьезных химических опасностей.

Наука SAR

SAR находится на стыке биологии, химии и статистики (рис. 1). Целенаправленное объединение этих дисциплин, достигаемое посредством деятельности SAR, позволило развить исследовательскую деятельность, напоминающую «науку SAR» (Hansch, 1969; Hansch et al., 1989; Герменс, 1996; Топлисс и Эдвардс, 1979). При соотнесении структуры с активностью цель SAR состоит в том, чтобы сделать обобщения в конкретных случаях и за их пределами, развивая понимание того, что составляет класс активных молекул, что определяет относительную активность и что отличает их от неактивных классов. Под заголовком SAR включены различные виды деятельности, от использования эвристики и экспертных оценок до рассмотрения сходства / разнообразия химических веществ и формальных математических ассоциаций свойств и показателей активности.Фундаментальное предположение в QSAR состоит в том, что аналогичные химические вещества имеют достаточно общие механические элементы, чтобы иметь общий шаг, определяющий скорость, и аналогичные потребности в энергии для деятельности. Далее предполагается, что различия в скоростях реакции приведут к наблюдаемым различиям в активности или количественной активности. Ключевым моментом является определение аспектов структуры, относящихся к определяющему скорость, молекулярно-запускающему событию в механизме действия для интересующих химических и биологических действий.Следовательно, механизм действия является руководящей концепцией при определении групп химических веществ, подходящих для изучения, и молекулярных дескрипторов, потенциально наиболее важных для активности. В конечном итоге именно связь SAR с механизмом позволяет построить научное обоснование для учета вариаций активности в существующих химических веществах. Это, в свою очередь, обеспечивает наиболее надежную научную основу для прогнозирования активности новых и непроверенных химических веществ. Установив идеальный случай, мы столкнулись с реальностью того, что многие конечные точки токсичности являются сложными, часто плохо изученными и охарактеризованными и не поддаются разрешению до уровня общего механизма действия.В той мере, в какой мы можем решить проблему токсичности, SAR могут быть способны к глобальной дискриминации среди различных механизмов, например, к классификации по структурным фрагментам предупреждения и / или локальной дискриминации в рамках более четко определенного, основанного на механизмах класса.

Хорошей иллюстрацией первого является недавний отчет об усовершенствованных моделях MultiCASE, разработанных в сотрудничестве с FDA, для прогнозирования потенциала канцерогенности грызунов для фармацевтических баз данных (Matthews and Contrera, 1988).Классификации основаны в первую очередь на идентифицированных MultiCASE структурных тревожных характеристиках молекул и потенциально применимы для грубого скрининга широкого разнообразия химических структур и механизмов канцерогенности. Напротив, ярким примером применения SAR на основе механизмов, которое повлияло на оценку риска, является моделирование способности связывания Ah рецепторами диоксиноподобных соединений, включая, в частности, структурно родственные полихлорированные диоксины, дибензофураны и бифенилы.Обширные исследования Safe с соавторами (1990, 1994) и другими, демонстрирующие корреляцию порядка ранжирования между связыванием Ah-рецептора и различными показателями ответа, как in vivo, и in vitro, , были эффективны в установлении общего механизма действия для эти токсические реакции. Это, в свою очередь, привело к разработке и использованию факторов токсической эквивалентности (TEF) для определения концентраций эквивалентов диоксина (TEQ) в оценках рисков для человека и окружающей среды, связанных с воздействием сложных смесей этих соединений в реальных условиях. (Ван ден Берг и др. ., 1998). При получении значений TEF различные доступные данные, в том числе исследования in vivo, , in vitro, и QSAR, обычно взвешиваются с использованием многоуровневого подхода. Этот общий подход в основном представляет собой схему относительного ранжирования активности, в которой относительная эффективность каждого химического вещества выражается как некоторая доля активности 2,3,7,8-тетрахлордибензо- p -диоксина (TCDD). Механический анализ SAR был особенно важен для выявления близкого структурного сходства «копланарных ПХБ» с TCDD и связанных с ними высокотоксичных свойств (McKinney et al ., 1981).

Элементы SAR

Есть несколько важных элементов, которые следует учитывать при разработке механических SARs (рис. 2). Как указано выше, желательно, когда это возможно, разработать механистическую классификацию представляющей интерес биологической / токсикологической активности. Это, в свою очередь, определяет наиболее подходящие химические вещества, связанные свойства и дескрипторы для изучения, относящиеся к этапу (этапам) контроля / распознавания интересующей деятельности.Кроме того, есть дескрипторы, которые в целом важны для приближения способности химического вещества достигать места действия; наиболее ярким примером такого дескриптора является коэффициент разделения октанол / вода (Hansch and Dunn, III, 1972). Другие способы представления молекул могут выходить за рамки тех, которые основаны на двумерной структуре, атомах и связях, до способов, основанных на трехмерной структуре, стерических и электростатических полях. Последние наиболее подходят, если известен или подозревается механизм, опосредованный рецепторами.Наконец, необходимы соответствующие методы анализа для установления связи между интересующими активностями и химическими структурами, которые будут зависеть от характера меры активности (например, качественный или количественный) и степени понимания химического механизма действия (например, , опосредованный рецепторами) и т. д. Цель состоит в том, чтобы на каждом этапе процесса рассматривать то, что является химически и биологически правдоподобным, разумно ограничивать проблему в этих терминах и создавать модели, которые имеют сильное научное обоснование и основу для интерпретация.

SAR Модели

Модель SAR определяется и ограничивается характером и качеством данных, используемых при разработке модели, и строго применима только по отношению к набору данных, который использовался для ее создания, но, возможно, имеет прогностическую способность в некоторых разумных границах за пределами этого набор данных. При оценке модели SAR важно определить границы применения, учитывая, какие виды молекул и диапазон значений дескрипторов обладают активностями, которые можно с уверенностью предсказать, а также статистическими мерами соответствия, значимости и надежности.Модели также могут привести к механистическим гипотезам, которые будут определять будущее тестирование и проверку. Процесс проверки модели должен проверять возможности прогнозирования, а также исследовать границы применения модели и подвергать сомнению механистические гипотезы, предложенные хорошо построенной моделью.

Модели SAR полезны в исследованиях для целей, выходящих за рамки прогнозирования. Они могут предложить рационализацию вариаций активности в существующих данных, обосновать общий механизм активности (и аддитивность эффекта) для ряда химических веществ (Richard and Hunter III, 1996), выявить выбросы из-за экспериментальной ошибки или альтернативных механизмов (Lipnick , 1991), сужают эксперимент по определению диапазона доз (используя прогнозируемую дозу в качестве первой оценки), служат метрикой для сравнения различных биологических конечных точек (Hansch et al., 1995) и направить дальнейшие исследования. Идеальная модель SAR должна учитывать достаточное количество молекул для адекватного статистического представления, иметь широкий диапазон количественных активностей (порядков величины) или адекватное распределение молекул в каждом классе активности (активном и неактивном) и поддаваться механистической интерпретации (Hermens, 1996). В задачах моделирования токсикологии этот идеал встречается редко. Для многих представляющих интерес конечных точек токсичности различные химические структуры, незнание механизмов и большие пробелы в данных чаще являются нормой.Эти ограничения нашей способности строить «классические» взаимосвязи QSAR, т. Е. Основанные на четко определенных классах химических веществ, привели к различным попыткам разработать «глобальные» модели прогнозирования SAR для так называемых некородственных химических веществ, т. Е. Больших наборов структурно и механически разнообразные химические вещества (некоторые обзоры см., например, Benfenati and Gini, 1997; Benigni and Richard, 1996, 1998). Однако, поскольку SAR в конечном итоге основывается на связи с механизмом, любой успех, достигнутый с помощью этих методов, зависит от степени, в которой глобальные модели способны различать и адекватно представлять основанные на механизмах компоненты SAR в более крупном наборе данных (Lewis, 1992). ; Ричард, 1995; Вагнер и др., 1995).

Системы прогнозирования

В настоящее время доступны два основных типа коммерческих систем прогнозирования токсичности: программы, основанные на корреляции или статистике, и экспертные системы, основанные на правилах (см. Benfenati and Gini, 1997; главу 6 в Hansch and Leo, 1995; и Richard, 1998a, b). . Корреляционные системы, такие как CASE / MultiCASE (Klopman, 1984) и TOPKAT (Enslein, 1993), как правило, обрабатывают большую группу некородственных химических веществ без предвзятости пользователя или предварительной организации и пытаются извлечь ассоциации SAR из данных статистическими методами. средства.Самый большой недостаток таких систем — простота создания прогнозов по сравнению с необходимостью тщательной проверки результатов. Как правило, такие методы лучше подходят для грубой идентификации «предупреждающих» классов, чем для распознавания более мелких вариаций активности внутри этих классов. Системы на основе правил, такие как DEREK (Sanderson and Earnshaw, 1991) и ONCOLOGIC (Woo et al., 1995), создают ассоциации и обобщения из небольших групп химических веществ, группируют химические вещества аналогичного действия в классы на основе определений органической химии. и ограниченное понимание механизмов, а также использование экспертных оценок и основанных на механизмах обоснований внутри классов.Системы, основанные на правилах, обычно более ограничены в своем применении, чем подходы более коррелятивного типа, но они могут предложить большую химическую и биологическую интерпретируемость для химических веществ, которые они предсказывают.

3D-QSAR

Методы «структура-активность», которые рассматривают трехмерную структуру смоделированных соединений в пространственном отношении друг к другу, в совокупности называются методами трехмерного QSAR (3D-QSAR). Эти методы пытаются идентифицировать пространственно-локализованные особенности в серии молекул, которые коррелируют с активностью и представляют требования для связывания лиганда и комплементарности постулируемому сайту связывания рецептора (Green and Marshall, 1995; Marshall and Cramer, III, 1988).Эти процедуры расширяют подход QSAR в трех измерениях, выбирая вручную (Cramer III et al., 1988) или автоматически (Jain et al., 1994) одну конкретную геометрию для каждого моделируемого соединения и используя молекулярный каркас (Cramer III, 1988), метод наложения фармакофора (Van Drie et al., 1989) и / или молекулярного поля (Kearsley and Smith, 1990).

В основе методов 3D-QSAR лежат следующие допущения:

• Смоделированное соединение, а не его метаболиты или другие продукты трансформации, ответственны за биологический эффект.

• Предлагаемая или смоделированная конформация является биоактивной.

• Все соединения одинаково связываются с одним и тем же сайтом.

• Биологическая активность во многом объясняется энтальпическими процессами (стерическими, электростатическими, водородными связями и т. Д.).

• Энтропийные члены одинаковы для всех соединений.

• Система находится в равновесии.

• Общие эффекты растворителя — диффузия, перенос и т. Д.- относятся к исследуемым молекулам и поэтому не рассматриваются.

Хотя процесс 3D-QSAR (особенно применяемый в сравнительном молекулярном полевом анализе (CoMFA)), хотя и пользуется гораздо более широким использованием в области дизайна лекарственных средств, будет описан здесь в контексте его ограниченного применения в области прогноз токсикологии. CoMFA является одним из первых предшественников современных методов 3D-QSAR, был разработан в 1983–1987 годах (Cramer III and Bunce, 1987), продолжает совершенствоваться и остается одним из наиболее широко используемых методов 3D-QSAR на сегодняшний день. .В CoMFA нековалентные взаимодействия лиганд-рецептор представлены стерическими (Леннард-Джонс) и электростатическими (кулоновскими) взаимодействиями с лигандом. Стерические и электростатические взаимодействия атомов зонда с лигандом рассчитываются в точках единой сетки, а затем заносятся в таблицу для каждой молекулы (строки) в серии. Результирующая матрица анализируется с помощью многовариантной статистики (частичные наименьшие квадраты или PLS), в результате чего получается уравнение, связывающее значение поля CoMFA с активностью. Этот процесс также выделяет те особенности предполагаемого рецептора, которые исследуются набором данных структура-активность.

В общем, цель этой и других связанных процедур 3D-QSAR состоит в том, чтобы разместить молекулы с общими выравниваниями в трехмерной сетке (или области), вычислить значения взаимодействия для каждой точки сетки и поместить значения для каждой точки в QSAR. Таблица. Затем создайте уравнение на основе регрессии PLS, чтобы описать взаимосвязь между значениями и зарегистрированными действиями, проверить прогностическую способность QSAR с помощью перекрестной проверки (и определить оптимальное количество компонентов), визуализировать окончательную модель QSAR, построив график. коэффициенты в соответствующих областях пространства, и используйте окончательное уравнение QSAR для оценки биологической активности для других новых соединений, не включенных в модель.

Требования для успешной разработки модели 3D-QSAR включают выбор соответствующих соединений и биологических данных для использования в качестве обучающего набора и определение полезного и значимого выравнивания молекул для исследования. Общее правило состоит в том, что для получения QSAR требуется не менее 20 соединений, хотя полезные QSAR были получены с использованием всего 7 соединений в модели. Качество и выбор биологических данных для моделирования имеют решающее значение для успешной разработки модели.Также важны диапазон и распределение биологических данных при нормальном распределении данных по максимально широкому диапазону деятельности (минимум 3 логарифмических единицы). Первоначальная задача состоит в том, чтобы выбрать структурные конформеры, максимально приближенные к реальным биоактивным конформерам. При отсутствии информации о биоактивном конформере обычно используются стандартные процедуры оптимизации геометрии, которые определяют минимальную энергетическую конформацию. Затем цель процедуры выравнивания состоит в том, чтобы наложить конформеры таким образом, чтобы точно отразить общую ориентацию связывания лиганда с рецептором.Поскольку реальные биоактивные конформеры известны редко, было полезно предположить, что лиганды, независимо от химического состава, связываются в конформациях и ориентациях, которые представляют аналогичные модели стерического и электростатического потенциала с рецептором-мишенью. Это концептуальная основа «фармакофора» (Ariens, 1966), который определяется как критическое трехмерное расположение лиганд-функциональных групп, ответственных за создание этих паттернов, дополняющих целевой сайт (сайты). Процесс выравнивания ориентирует данную молекулярную конформацию в трехмерном пространстве относительно всех других молекул в наборе.Чрезвычайно важно, чтобы это выполнялось самосогласованным образом, поскольку различия в значениях полей должны отражать структурные вариации. В некоторых случаях это может означать использование конформаций, которые не обязательно имеют самую низкую энергию. Инструменты выравнивания (обсуждение см. В Klebe et al., 1994, 1994), которые использовались, варьируются от простых методов, таких как RMS fit, field fit и Multifit, до более сложных методов, таких как SEAL и Receptor / DISCO.

После определения соответствующего выравнивания молекул для сравнения, поля 3D-QSAR оцениваются по области, обычно определяемой как «атомы», которые постулируются как составляющие рецепторный сайт известной геометрии.Стерические и электростатические поля чаще всего используются для таких целей и рассчитываются с помощью «зонда атома», помещенного на пересечениях трехмерной решетки. Также можно определить множество других полей в 3D-QSAR, которые могут отражать такие вещи, как свойства разделения и реакционной способности молекул, такие как поля HOMO / LUMO, поля сетки поляризуемости и гидрофобные поля.

Несколько статистических инструментов (см., Например, Cramer III, et al., 1988) используются для анализа параметров 3D-QSAR, чтобы прийти к окончательной модели QSAR и проверить стабильность полученного уравнения.Эти инструменты включают перекрестную проверку для проверки внутренней предсказуемости модели, перекрестную проверку r ² (т. Е. q ² ) для оценки дисперсии, прогнозируемой моделью, и бутстрапирование для проверить стабильность числовых значений QSAR. Важным аспектом процесса моделирования, который помогает в оценке и интерпретации, является графическое представление результатов 3D-QSAR. Поскольку каждый коэффициент в уравнении 3D-QSAR соответствует типу поля и трехмерной координате в регионе, коэффициенты 3D-QSAR могут отображаться графически в виде точечных или контурных диаграмм.Поля также могут иметь цветовую кодировку в соответствии с их уровнем вклада в модель (например, положительный или отрицательный), чтобы помочь в интерпретации модели и сообщить природу и роль конкретных структурных свойств в моделях. Цель состоит в том, чтобы в конечном итоге использовать окончательное уравнение QSAR для прогнозирования, отмечая точки поля, которые находятся за пределами выделенных графических областей модели, требующих экстраполяции (т. Е. Новое структурное пространство). Успешные модели 3D-QSAR в области прогнозирования токсичности в первую очередь сосредоточены на конечных точках, которые, как известно, опосредованы рецепторами.Примеры включают модели рецепторов эстрогена, андрогена и диоксина (Waller et al., 1996b, c; Waller and McKinney, 1995), индукции ассоциированных ферментов (Waller and McKinney, 1992) и специфических активностей биоактивации P-450 (Waller et al., 1996a). Графическое представление модели CoMFA, связывающей рецептор эстрогена, показано на рисунке 3 (A и B), с контурными графиками стерического и электростатического поля (с эстрадиолом, используемым в качестве матрицы для выравнивания), указывающими области положительного и отрицательного вкладов стерической массы и областей. положительного или отрицательного заряда.

Было показано, что 3D-QSAR полезен для идентификации потенциальных токсикантов, особенно для активности, которая, как известно, опосредована рецепторами или связана со специфическими связывающими белками. 3D-QSAR дает дополнительные надежды в качестве средства для вывода и лучшего понимания конкретных молекулярных требований для взаимодействия с рецепторами. Ограниченные данные и понимание относительно опосредованной рецепторами токсичности и необходимости строгого конформационного анализа и анализа суперпозиции (проблема выравнивания) в настоящее время препятствуют крупномасштабному применению моделей 3D-QSAR в качестве инструментов прогнозирования.По мере развития токсикологического понимания на молекулярном уровне и дальнейшего развития и проверки вычислительных инструментов быстрые и точные прогнозы определенной токсикологической активности, основанные на трехмерной молекулярной структуре, будут в большей степени выполнять свои текущие ожидания.

Применение для металлов

При изучении биологической активности органических соединений, к которым относится большая часть лекарств и химикатов окружающей среды, часто применялись методы и подходы QSAR.Кроме того, большая часть наших сегодняшних знаний и понимания механизмов, с помощью которых посторонние химические вещества влияют на биологические системы, основаны на исследованиях органических соединений. В этой работе использовались подходы, основанные на SAR, и она привела к некоторым фундаментальным принципам, которые помогают нам понять, а иногда и предсказать биологические эффекты данного органического химического вещества. Два основных подхода оказались особенно полезными в управлении нашей способностью предсказывать биологическую активность органических соединений.К ним относятся признание структурного сходства с соединениями, которые, как известно, важны для промежуточного метаболизма и связанных с ним процессов жизнедеятельности (т. Е. Концепции летального синтеза и антиметаболитов [Peters, 1963]), определение конкретных действий на дискретных фармакологических рецепторах (т. и токсикофоры, обсуждавшиеся ранее), и прогнозирование неспецифических эффектов, основанных на физико-химических свойствах и реакционной способности молекул. Частным случаем последнего является гипотеза ковалентного связывания, в которой предполагается, что химически реактивные вещества неферментативно реагируют с клеточными макромолекулами, такими как белки и нуклеиновые кислоты.

Пытаясь распространить вышеупомянутые соображения на соединения металлов (Hanzlik, 1981), мы сталкиваемся с гораздо более ограниченными знаниями о нормальном физиологическом функционировании металлов в биологических системах и значительно более широким диапазоном химических свойств и реакционной способности, предлагаемых металлами. соединения различного типа. Кроме того, был достигнут определенный успех в проведении параллелей между биохимической токсикологией органических и неорганических химикатов на основе ключевых химических свойств или процессов, которые могут быть общими для обеих групп.К ним относятся взаимосвязь между связыванием и связыванием, способность металлов функционировать как электрофильные частицы с «алкилирующими» свойствами, относительная важность размера иона металла по отношению к заряду и роль металлов как «антиметаболитов» в процессах изоморфного обмена. Представляет интерес потенциал методов 3D-QSAR для изучения процессов изоморфного обмена с участием ионов металлов. Кроме того, соединения металлов могут действовать как инициаторы или катализаторы in vivo и могут участвовать в комплексообразовании и окислительно-восстановительных процессах при абсорбции, хранении, метаболизме и экскреции.

Недавние исследования (Newman et al., 1998) с использованием характеристик связывания металл-лиганд для прогнозирования токсичности металлов и развития количественных соотношений характер-активность иона (QICAR) показывают многообещающие в качестве скринингового подхода и в ситуациях, аналогичных тем в котором применяются QSAR. Поскольку основное внимание в фармакологии и в значительной степени в токсикологии человека уделялось органическим лекарствам и ядам, QICAR не получили должного развития. Кроме того, химическое определение усложняет прогноз, поскольку обычно одновременно присутствуют несколько видов металлов, а биодоступность каждого неоднозначна.Однако часть этой неоднозначности может быть устранена путем разумного применения модели активности свободных ионов (FIAM). Эта модель является расширением гипотезы свободных ионов, в которой биоактивность растворенного металла коррелирует с его концентрацией или активностью свободных ионов.

В недавней работе (Newman et al., 1998) межметаллические тенденции токсичности были успешно смоделированы с помощью ионных характеристик, отражающих связывание металла с лигандами, связанное с широким спектром эффектов. В общем, модели для металлов с одинаковой валентностью (т.е.е. двухвалентные металлы) были лучше, чем соединения одно-, двух- и трехвалентных металлов. Ионные характеристики, которые были наиболее полезны при построении модели QICAR, включали параметр мягкости и абсолютное значение логарифма первой константы гидролиза. Индекс мягкости количественно определяет способность иона металла принимать электрон во время взаимодействия с лигандом. Это отражает важность ковалентных взаимодействий по сравнению с электростатическими взаимодействиями в определении межметаллических тенденций в биоактивности.Интересно, что мягкость или молекулярная поляризуемость часто являются важным фактором в процессах молекулярного распознавания и связывания органических соединений. Константа гидролиза отражает тенденцию иона металла к образованию стабильного комплекса с промежуточными лигандами, такими как донорные атомы O в биомолекулах. Не существует четкого аналога с точки зрения органической химии, и, похоже, это отличительная особенность, которая может иметь важное значение при определении относительной биоактивности металлов. Первое стабильное сокращенное состояние также внесло значительный вклад в несколько моделей с двумя переменными.Большинство моделей были полезны для целей прогнозирования на основе критерия F-отношения и перекрестной проверки, но аномальные прогнозы действительно имели место, если игнорировалось видообразование. Важность видообразования могла помешать попыткам моделирования простых смесей в сложных средах. В этих случаях количественные попытки предсказать взаимодействия металлов в бинарных смесях на основе стабильности комплекса металл-лиганд не увенчались успехом.

Есть несколько решаемых проблем, которые требуют дальнейшего внимания, прежде чем подход QICAR будет иметь такую ​​же общую полезность, что и подход QSAR.Эти вопросы включают разработку и тестирование дополнительных объясняющих переменных, тщательную оценку ионных качеств, используемых для расчета объясняющих переменных, лучшее понимание моделей, способных предсказывать эффекты для сильно различающихся металлов (например, металлов с разными валентными состояниями), эффективное включение химического состава, изучение дополнительных эффектов и оценка применимости QICAR к сложным фазам, таким как отложения, почвы и продукты питания.

Применение экспертных систем

Аллергический контактный дерматит — это клеточный иммунологический ответ на химические вещества, которые контактируют и проникают через кожу.Это наиболее распространенное профессиональное кожное заболевание и представляет собой серьезную непрофессиональную проблему, связанную с окружающей средой. Аллергический контактный дерматит — это распространенное патологическое состояние, при котором понимание химии, как было показано, является ключом к пониманию различных элементов токсичности (Ashby et al., 1995; Kimber, 1996; Lepoittevin and Berl, 1996). Химические реакции и взаимодействия участвуют на протяжении всего процесса, начиная с пересечения кожного барьера (в основном контролируемого физико-химическими свойствами аллергена), через образование гаптен-белкового комплекса (в котором участвуют химические связи) или во время процесс распознавания между антигеном и рецепторами на Т-лимфоцитах (с участием быстро развивающейся области надмолекулярной химии).

Чтобы вызвать сенсибилизацию, химическое вещество должно проникнуть через кожу, где оно может метаболизироваться, а затем вступить в реакцию с белками поверхности клеток Лангерганса с образованием новых химических структур, которые считаются чужеродными. Таким образом, можно ожидать, что подходы и соображения SAR могут быть особенно полезными для понимания и прогнозирования взаимосвязи между такими контактными аллергическими свойствами химических веществ и их молекулярной структурой. Важные химические факторы контактной сенсибилизации включают молекулярные свойства, влияющие на биодоступность (соответствующий размер молекулы, полярность и водородные связи, обеспечивающие проникновение через кожу, медленный транзит и инициирование связывания), химическую стабильность (достаточную для достижения жизнеспособных тканей кожи в реактивном состоянии). форма), и реакционная способность белка (для образования стабильных связей с белками либо напрямую, либо через метаболическую активацию, как правило, электрофильными видами).Показано, что реакционноспособные химические вещества являются важными, включая ацилирующие / алкилирующие / арилирующие агенты, электрофилы Михаэля, альдегиды и родственные карбонильные реагенты, генераторы свободных радикалов и агенты обмена тиолов. Принимая во внимание предыдущее обсуждение способности металлов функционировать как электрофильные частицы с «алкилирующими» свойствами, неудивительно, что некоторые металлы или соли металлов могут приводить к контактной гиперчувствительности или дерматиту. Это подтверждает мнение о том, что координационные комплексы металлов могут быть достаточно стабильными, а модификация белков — достаточно важной, чтобы приводить к аллергии.

Помимо природы и реакционной способности определенных химических группировок в инициирующей активности, совместимость пространственной геометрии также может быть важным фактором, влияющим на взаимосвязь структура-активность, особенно в исследованиях перекрестной аллергии среди структурно связанных семейств химических веществ. Рецепторные молекулы обычно очень селективны в отношении размера и формы молекулы, и молекулы должны иметь аналогичные трехмерные характеристики, чтобы их распознавали истинные белковые биорецепторы.Это предполагает возможную роль подходов 3D-QSAR в изучении перекрестных аллергических свойств структурно родственных аллергенов.

Моделирование контактной гиперчувствительности — это область, в которой с некоторым успехом применялись методы SAR, основанные на правилах и корреляции (Ashby et al. , 1995; Barratt et al ., 1994a, b; Graham et al ., 1996; Payne, Walsh, 1994). Доступны базы данных сенсибилизации кожи, которые доступны для поиска по химической структуре, что позволяет быстро идентифицировать структурные аналоги и легкий доступ к связанным с ними данным о сенсибилизации кожи.Это, в свою очередь, позволяет оценить потенциал сенсибилизации кожи (прогностическое тестирование) химическими веществами (целиком или в виде субструктур) и обеспечивает основу для построения моделей QSAR и использования подходов SAR для оценки риска. Это может быть особенно важно, поскольку в настоящее время не существует проверенных, принятых нормативными документами методов in vitro для оценки сенсибилизирующего потенциала кожи химическими веществами, хотя описаны методы, которые могут быть полезны в фундаментальных исследованиях (Hauser and Katz, 1988).В отсутствие методов in vitro и системы на основе правил, такие как DEREK, могут служить первым шагом в стратегическом подходе к скринингу контактных аллергенов и определению приоритетов дальнейших исследований. Помимо классификации химических веществ как потенциальных сенсибилизаторов, требуется дополнительная работа для создания моделей QSAR, которые также могут оценивать относительную активность химических аллергенов.

ДЕРЕК

В течение некоторого времени было известно, что химические контактные аллергены способны реагировать с белками кожи либо непосредственно, либо после соответствующей биохимической трансформации.Корреляция белковой реактивности химических веществ с их потенциалом сенсибилизации кожи хорошо установлена ​​(Dupuis et al , 1982; Lepoittevin et al , 1998). В настоящее время невозможно предсказать относительную сенсибилизирующую способность только на основании физико-химических свойств. Тем не менее, существует одна экспертная система правил, которая коррелирует структурные предупреждения о реактивности белков химических веществ с их потенциалом сенсибилизации кожи. DEREK (аббревиатура от «дедуктивной оценки риска на основе имеющихся знаний») — это программа, которая включает в себя как программу контроля, так и базу химических правил (Barratt et al ., 1994а, б). В идеальном случае структурные предупреждения, используемые для выявления потенциальных сенсибилизирующих химических веществ, должны включать те структурные особенности, которые определяют проникновение через кожу и метаболизм (как активацию, так и деактивацию), химическую реактивность и иммунное распознавание. Тем не менее, DEREK, в его нынешнем виде, уделяет большое внимание компоненту химической реакционной способности.

Перед проведением каких-либо доклинических испытаний нового ингредиента, химическое вещество может быть оценено на наличие предупреждений о сенсибилизации кожи с помощью DEREK; Эта экспертная система позволяет оценивать большое количество химических веществ без доклинических испытаний.Таким образом, идентификация структурных предупреждений о сенсибилизации кожи может быть чрезвычайно полезной для руководства процессом разработки продукта. Однако важно отметить, что некоторые молекулы могут содержать структурную тревогу, но не могут быть сенсибилизаторами кожи, возможно, потому, что их проницаемость кожи слишком низкая или они не образуют иммунореактивный фрагмент в эпидермисе. Кроме того, тот факт, что химическое вещество не вызывает предупреждение о сенсибилизации кожи в DEREK, не гарантирует, что химическое вещество не является сенсибилизатором, поскольку его химический состав может быть новым для DEREK.Несмотря на текущие ограничения, использование DEREK представляет собой мощный первый шаг в стратегическом подходе к идентификации контактных аллергенов.

Структура базы данных

В дополнение к использованию DEREK была разработана база данных сенсибилизации кожи, в которой можно выполнять поиск по химической структуре. Система разработана таким образом, что структурные аналоги и связанные с ними данные испытаний на сенсибилизацию кожи могут быть обнаружены за считанные минуты. Данные о сенсибилизации кожи были собраны из нескольких источников.Данные о морских свинках и местных лимфатических узлах об известных сенсибилизаторах кожи были получены из опубликованной литературы (например, Andersen and Maibach, 1985; Ashby et al. ., 1993; Cronin and Basketter, 1994). Кроме того, данные о сенсибилизации кожи были получены из общедоступных баз данных, таких как TSCATS и IUCLID. В настоящее время эта база данных по сенсибилизации кожи содержит около 3500 химических веществ, связанных с данными тестов на сенсибилизацию кожи. Реляционная база данных используется для хранения данных о сенсибилизации кожи.

Для новых ингредиентов структура или структурные фрагменты используются для поиска структурных аналогов в базе данных сенсибилизации кожи. В зависимости от сходства между неизвестным соединением и силы данных о сенсибилизации кожи, связанных с аналогами, идентифицированными в базе данных, ценная информация может быть предоставлена ​​для процесса оценки риска. Поиск по химической структуре обеспечивает однозначный метод идентификации новых соединений, а также структурных аналогов, которые в сочетании с данными испытаний на сенсибилизацию кожи могут использоваться для прогнозирования потенциала сенсибилизации кожи химическим веществом.Использование таких взаимосвязей между структурой и активностью значительно сократило время разработки, затраты на испытания и использование животных.

ЗАКЛЮЧЕНИЕ

Учитывая огромный диапазон и вариабельность возможных взаимодействий химических веществ в биологических системах, маловероятно, что модели SAR когда-либо достигнут абсолютной уверенности в прогнозировании исхода токсичности, особенно в системе целого животного. Однако в разной степени это предостережение применимо к любой экспериментальной или вычислительной модели, требующей экстраполяции между уровнями биологической организации (например,g., биохимический для in vitro от до in vivo () или между видами. Можно сделать гораздо больше для расширения масштабов и полезности подходов SAR за счет улучшения взаимосвязей между различными научными элементами проблемы SAR: химическими, биологическими и статистическими. Безусловно, новые технологии для уточнения биофункционального понимания (например, массивы ДНК для классификации химических веществ в соответствии с путями экспрессии генов) и лучшего понимания механистических элементов, относящихся к проявлению токсичности во всех системах, будут полезны для уточнения анализов SAR.Кроме того, необходимы более эффективные способы обеспечения широкого доступа к базам данных о токсичности и использования всей необходимой информации, полученной как на основе экспертных оценок, так и на основе количественного анализа, по проблеме прогнозирования.

SAR — это чрезвычайно многопрофильная область, потенциально применимая к широкому кругу проблем и конечных точек. Только в области окружающей среды и здоровья человека был подан ряд приложений для предотвращения загрязнения, скрининга токсичности и оценки риска (обзор см. В Walker, 2000).Работа SAR также была полезна при проведении механистических исследований и прогнозировании разрушающих эндокринную систему видов деятельности, экологической судьбы и экологических последствий химических веществ, а также взаимодействия между окружающей средой и здоровьем человека (Walker, 2000). Хотя такой широкий потенциал применения желателен и полезен, он также увеличивает возможность неправильного использования таких методов и подходов. Токсикология вступает в новую эру механистического подхода (Stevens and Marnett, 1999). Поскольку SAR в конечном итоге основывается на связи с механизмами, был сделан упор на подходе, основанном на механизмах, который постепенно создает базу данных и научное понимание взаимодействия химических веществ с различными формами жизни и жизнедеятельности на молекулярном уровне.В этом отношении SAR в сочетании с методами физической органической химии и биохимии будет способствовать дальнейшему развитию нашего научного понимания процессов, дающих жизнь, а также принесет практическую пользу обществу с точки зрения улучшения показателей здоровья.

РИС. 1.

SAR находится на пересечении биологии, химии и статистики.

РИС. 1.

SAR находится на пересечении биологии, химии и статистики.

РИС. 2.

Важные элементы в развитии механистических SAR.

РИС. 2.

Важные элементы в развитии механистических SAR.

РИС. 3.

Матричная структура представляет собой эстрадиол, а целевым свойством для отображаемой модели CoMFA является аффинность связывания эстрогенового рецептора. (A) Стерические поля: отрицательные значения представляют области (желтые контуры, появляющиеся над и под плоскостью фенольной части A-кольца молекулы) пространства, где стерическая масса должна быть удалена относительно структуры шаблона, а положительные значения (зеленые контуры в вблизи D-кольца) предполагают, что стерическая масса должна быть сохранена или увеличена.(B) электростатические поля; красные контуры, появляющиеся на обоих концах молекулы (за пределами A- и D-колец), обозначают области, где отрицательный заряд оказывается полезным для связывания, тогда как синие контуры предполагают, что желателен частичный положительный заряд.

РИС. 3.

Матричная структура представляет собой эстрадиол, а целевым свойством для отображаемой модели CoMFA является аффинность связывания эстрогенового рецептора. (A) Стерические поля: отрицательные значения представляют области (желтые контуры, появляющиеся над и под плоскостью фенольной части A-кольца молекулы) пространства, где стерическая масса должна быть удалена относительно структуры шаблона, а положительные значения (зеленые контуры в вблизи D-кольца) предполагают, что стерическая масса должна быть сохранена или увеличена.(B) электростатические поля; красные контуры, появляющиеся на обоих концах молекулы (за пределами A- и D-колец), обозначают области, где отрицательный заряд оказывается полезным для связывания, тогда как синие контуры предполагают, что желателен частичный положительный заряд.

ССЫЛКИ

Андерсен К. Э. и Майбах Х. И. (1985). Тесты для прогнозирования контактной аллергии на морских свинках: Актуальные проблемы дерматологии. Каргер, Нью-Йорк.

Ариенс, Э. Дж. (

1966

).Молекулярная фармакология — основа создания лекарств.

Fortschr Arzneimittelforsch

10

,

429

.

Эшби, Дж., Баскеттер, Д. А., Патон, Д., и Кимбер, И. (

1995

). Отношения структура-активность в сенсибилизации кожи с использованием анализа лимфатических узлов на мышах.

Токсикология

103

,

177

–194.

Эшби, Дж., Хилтон, Дж., Дирман, Р. Дж., Калландер, Р. Д., и Кимбер, И.(

1993

). Механистическая взаимосвязь между мутагенностью, сенсибилизацией кожи и канцерогенностью кожи.

Environ. Перспектива здоровья.

101

,

62

–67.

Барратт, М. Д., Баскеттер, Д. А., Чемберлен, М., Адманс, Г. Д., и Ланговски, Дж. Дж. (

1994

). База правил экспертной системы для определения контактных аллергенов.

Токсично. in Vitro

8

,

1053

–1060.

Баррат, М. Д., Баскеттер, Д. А., Чемберлен, М., Пейн, М. П., Адманс, Г. Д., и Ланговски, Дж. Дж. (

1994

). Разработка базы правил экспертной системы для определения контактных аллергенов.

Токсично. in Vitro

8

,

837

–839.

Бенфенати Э. и Джини Г. (

1997

). Вычислительные прогностические программы (экспертные системы) в токсикологии.

Токсикология

119

,

213

–225.

Бениньи Р. и Ричард А. М. (

1996

). QSAR мутагенов и канцерогенов: два тематических исследования, иллюстрирующих проблемы в построении моделей для неуниверсальных химических веществ.

Mutat. Res.

371

,

29

–46.

Бениньи Р. и Ричард А. М. (

1998

). Количественное моделирование на основе структуры применяется для характеристики и прогнозирования химической токсичности.

Методы

14

,

264

–276.

Конолли Р. Б., Бек Б. Д. и Гудман Дж. И. (

1999

). Стимулирование исследований для улучшения научной основы оценки рисков.

Toxicol. Sci.

49

,

1

–4.

Крамер Р. Д. III и Банс Дж. Д. (1987). Метод DYLOMMS: первые результаты сравнительного исследования подходов к 3D-QSAR. В QSAR in Drug Design and Toxicology (D. Hadzi and B. Jerman-Blazic, Eds.), Стр. 3–12. Эльзевир, Амстердам.

Крамер Р. Д., III, Паттерсон, Д. Э. и Банс, Дж. Д. (

1988

). Сравнительный анализ молекулярного поля (CoMFA): 1. Влияние формы на связывание стероидов с белками-носителями.

J. Am. Chem. Soc.

110

,

5959

.

Кронин М. Т. и Баскеттер Д. А. (

1994

). Многомерный QSAR-анализ базы данных сенсибилизации кожи.

SAR QSAR Environ. Res.

2

,

159

–179.

Дюпюи Г. и Бенезра К. (1982). Аллергический контактный дерматит на простые химические вещества. Молекулярный подход. Марсель Деккер, Нью-Йорк, Нью-Йорк.

Энслейн, К. (

1993

). Будущее предсказания токсичности с помощью QSAR.

In vitro токсикология

6

,

163

–169.

Гольберг, Л. (Ред.) (1983). Корреляция структура-активность как инструмент прогнозирования в токсикологии . Hemisphere Publishing, Нью-Йорк.

Грэм К., Гили Р., Мачина О. Т., Кароль М. Х. и Розенкранц Х. С. (

1996

). QSAR для аллергического контактного дерматита.

Кол. Struct. Действовать. Relat.

15

,

224

–229.

Грин С. и Маршалл Г. Р. (

1995

). 3D-QSAR: текущая перспектива.

Trends Pharmacol. Sci.

16

,

285

–291.

Hansch, C. (

1969

).Количественный подход к взаимосвязи биологической структуры и активности.

Акт. Chem. Res.

2

,

232

.

Hansch, C., and Dunn, W. J., III (

1972

). Линейные зависимости между липофильностью и биологической активностью лекарств.

J. Pharm. Sci.

61

,

1

–19.

Hansch, C., Hoekman, D., Leo, A., Zhang, L., и Li, P. (

1995

).Растущая роль количественных соотношений структура-активность (QSAR) в токсикологии.

Toxicol. Lett.

79,

45

–53.

Ханс, К., Ким, Д., Лео, А., Новеллино, Э., Силипо, К., и Виттория, А. (

,

, 1989,

). К количественной сравнительной токсикологии органических соединений.

Крит. Rev. Toxicol.

19

,

185

–226.

Hansch, C., and Leo, A. (1995). Изучение QSAR.. Основы и приложения в химии и биологии. Профессиональный справочник ACS, Американское химическое общество, Вашингтон, округ Колумбия.

Ханзлик Р. П. (1981). Токсичность и метаболизм соединений металлов: некоторые взаимосвязи между структурой и активностью. В Environmental Health Chemistry (J. D. McKinney, Ed.), Стр. 467–496. Издательство Ann Arbor Science Publishing, Анн-Арбор, Мичиган.

Хак Р. (ред.) (1980). Динамика, воздействие и оценка опасности токсичных химических веществ. Ann Arbor Science, Ann Arbor, MI.

Хаузер К. и Кац С. И. (

1988

). Активация и размножение гаптен- и белок-специфических Т-хелперов у несенсибилизированных мышей.

Proc. Natl. Акад. Sci. США

85

,

5625

–5628.

Герменс, Дж. Л. М. (1996). Отношения структура-деятельность. В книге «Токсикология : принципы и применение» (Р. Дж. М. Несинк, Дж. Де Вриз и М. А. Холлингер, ред.), Стр. 239–268. CRC Press, Нью-Йорк.

Херменс, Дж.Л. М. и Опперхёйзен А. (ред.) (1991). QSAR по экологической токсикологии IV. Elsevier, Амстердам.

Джайн, А. Н., Койл, К., и Чепмен, Д. (

1994

). Компас: прогнозирование биологической активности на основе свойств поверхности молекул. Сравнение производительности на стероидном тесте.

J. Med. Chem.

37

,

2315

–2327.

Кайзер, К. Л. Э., Изд. (1987). QSAR по экологической токсикологии II, Reidel, Dordrecht, Holland.

Karcher, W., and DeVillers, J., Eds. (1990). Практическое применение количественных соотношений структура-активность (QSAR) в химии окружающей среды и токсикологии. Клувер, Дордрехт и Бостон.

Кирсли С. и Смит Г. (

1990

). Альтернативный метод выравнивания молекулярных структур: максимальное электростатическое и стерическое перекрытие.

Tetrahedron Comput. Методол.

3

,

615

.

Кимбер И. (1996). Альтернативные методы тестирования контактной сенсибилизации. В Токсикология контактного дерматита (К. Кимбер и Т. Мауэр, ред.), Стр. 140–151. Тейлор и Фрэнсис, Лондон.

Клебе Г., Мицнер Т. и Вебер Ф. (

1994

). Различные подходы к автоматическому структурному выравниванию молекул лекарств: приложения к имитаторам стеролов, ингибиторам тромбина и термолизина.

J. Comput. Помощь Мол. Des.

8

,

751

–758.

Клопман Г. (

1984

). Подход искусственного интеллекта к исследованиям структуры-деятельности. Компьютерная автоматизированная оценка структуры биологической активности органических молекул.

J. Amer. Chem. Soc.

106

,

7315

–7320.

Lepoittevin, J.-P., Basketter, D.A., Goossens, A., and Karlber, A.T. (1998). Аллергический контактный дерматит: молекулярные основы. Springer, Берлин.

Лепойттевин Ж.-П., Берл В.(1996). Молекулярные основы аллергического контактного дерматита. В Дерматотоксикология, 5-е изд. (Фрэнсис Н. Марзулли и Говард И. Майбах, ред.), Стр. 147–160. Тейлор и Фрэнсис, Вашингтон, округ Колумбия

Льюис, Д. Ф. В. (1992). Компьютерные методы оценки химической токсичности. В обзоре по вычислительной химии (К. Б. Липковиц и Д. Б. Бойд, ред.), Стр. 173–221. Издательство VCH, Нью-Йорк.

Липник Р. Л. (

1991

). Выбросы: их происхождение и использование в классификации молекулярных механизмов токсичности.

Sci. Total Environ.

109/110

,

131

–153.

Маршалл, Г. Р. и Крамер, Р. Д. III (

1988

). Трехмерные отношения между структурой и деятельностью.

Trends Pharmacol. Sci.

9

,

285

–289.

Мэтьюз Э. Дж. И Контрера Дж. Ф. (

1998

). Новый высокоспецифичный метод прогнозирования канцерогенного потенциала фармацевтических препаратов у грызунов с использованием усовершенствованного программного обеспечения MCASE QSAR-ES.

Рег. Toxicol. Pharmacol.

28

,

242

–264.

МакКинни, Дж. Д. (

1985

). Монография о взаимосвязи структуры и активности в изучении механизмов и прогностической токсикологии.

Environ. Перспектива здоровья.

61

,

349

.

МакКинни, Дж. Д. (

1996

). Параметры реактивности в структуре-активности, оценка риска химических веществ на основе взаимосвязи.

Environ. Перспектива здоровья.

104

,

810

–816.

МакКинни, Дж. Д. и Сингх, П. (

1981

). Отношения структура-активность в галогенированных дифенилах: объединяющая гипотеза структурной специфичности.

Chem. Биол. Взаимодействовать.

33

,

271

–283.

Ньюман, М. К., Макклоски, Дж. Т., и Татара, К. П. (

1998

). Использование характеристик связывания металл-лиганд для прогнозирования токсичности металлов: количественное соотношение характеристик иона и активности (QICAR).

Environ. Перспектива здоровья.

106 (доп. 6)

,

1419

–1425.

Пейн М. П. и Уолш П. Т. (

1994

). Соотношение структура-активность для потенциала сенсибилизации кожи: разработка структурных предупреждений для использования в системах прогнозирования токсичности, основанных на знаниях.

J. Chem. Инф. Comput. Sci.

34

,

154

–161.

Петерс, Р. А. (1963). Биохимические поражения и летальный синтез. Пергамон, Оксфорд.

Рэнд, Г. М., и Петрочелли, С. Р., ред. (1985). Основы водной токсикологии. Hemisphere, Нью-Йорк.

Ричард А. М. (

1995

). Роль вычислительной химии в поддержке идентификации опасностей (ID): SAR на основе механизмов.

Toxicol. Lett.

79

,

115

–122.

Ричард, А. М. (

1998

). Структурные методы прогнозирования мутагенности и канцерогенности: мы уже на месте?

Mutat.Res.

400

,

493

–507.

Ричард, А. М. (

1998

). Коммерческие системы прогнозирования токсикологии: регуляторная перспектива.

Toxicol. Lett.

102–103

,

611

–616.

Ричард А. М. и Хантер Э. С., III (

1996

). Количественные отношения структура-активность для токсичности галогенуксусных кислот в культуре целых эмбрионов млекопитающих.

Тератология

53

,

352

–360.

Сейф, С. (

1990

). Полихлорированные бифенилы (ПХБ), дибензо- p -диоксины (ПХДД), дибензофураны (ПХДФ) и родственные соединения: экологические и механистические соображения, которые поддерживают развитие факторов токсической эквивалентности (TEF).

Крит. Rev. Toxicol.

21

,

51

–88.

Сейф, С. (

1994

).Полихлорированные дифенилы (ПХД): воздействие на окружающую среду, биохимические и токсические реакции, а также значение для оценки риска.

Крит. Rev. Toxicol.

24

,

87

–149.

Сандерсон Д. М. и Эрншоу К. Г. (

1991

). Компьютерное предсказание возможного токсического действия по химической структуре; система ДЕРЕК.

Hum. Exp. Toxicol.

10

,

261

–273.

Стивенс, Дж.Л. и Марнетт, Л. Дж. (

1999

). Определение молекулярной токсикологии: перспектива (передовая).

Chem. Res. Toxicol.

12

,

747

–748.

Топлисс, Дж. Г., и Эдвардс, Р. П. (

1979

). Факторы случайности в исследованиях количественных взаимосвязей структура-активность.

J. Med. Chem.

22

,

1238

–1244.

Ван ден Берг, М., Бирнбаум, Л., Босвельд, А.Т.С., Брюнстрем, Б., Кук, П., Фили, М., Гизи, Дж., Ханберг, А., Хасегава, Р., Кеннеди, С.В., Кубьяк, Т., Ларсен, Дж. К., ван Левен, FX, Лием, А. К., Нолт, К., Петерсон, Р. Э., Пеллингер, Л., Сейф, С., Шренк, Д., Тиллит, Д., Тисклинд, М., Юнес, М., Варн, Ф., и Захаровски , T. (

1998

) Факторы токсической эквивалентности (TEF) для ПХД, ПХДД, ПХДФ для человека и диких животных.

Environ. Перспектива здоровья.

106

,

775

–792.

Ван Дри, Дж. Х., Вейнингер, Д. и Мартин, Ю. К. (

1989

). ALADDIN: интегрированный инструмент для компьютерного молекулярного дизайна и распознавания фармакофоров на основе геометрического, стерического и субструктурного поиска трехмерных молекулярных структур.

J. Comput. Помощь Мол. Des.

3

,

225

–251.

Вагнер П. М., Набхольц Дж. В. и Кент Р. Дж. (

1995

). Новый химический процесс в Агентстве по охране окружающей среды (EPA): взаимосвязь структура-деятельность для идентификации опасностей и оценки рисков.

Toxicol. Lett.

79

,

67

–73.

Walker, J. D., Ed. (2000). Справочники по QSAR для (а) Предотвращение загрязнения, Скрининг токсичности, Оценка рисков и применение WWW; (b) Прогнозирование способности химических веществ к разрушению эндокринной системы; (c) Предсказание экологического воздействия химикатов; (d) Экологическая судьба химических веществ; и (e) «Прогнозирование воздействия химических веществ на взаимодействие между окружающей средой и здоровьем человека». SETAC Press, Пенсакола, Флорида.

Уоллер, К. Л., Эванс, М. В., и МакКинни, Дж. Д. (

1996

). Моделирование опосредованного цитохромом p450 метаболизма хлорированных летучих органических соединений.

Drug Metab. Дисп.

24

,

203

–210.

Уоллер, К. Л., Джума, Б. В., Грей, Л. Е., младший, и Келси, В. (

1996

). Трехмерные количественные отношения структура-активность для лигандов рецепторов андрогенов.

Toxicol. Прил. Pharmacol.

137

,

219

–227.

Уоллер, К. Л., и Маккинни, Дж. Д. (

1992

). Сравнительный анализ молекулярного поля полигалогенированных дибензо- p -диоксинов, дибензофуранов и бифенилов.

J. Med. Chem.

35

,

3660

–3666.

Уоллер, К. Л., и МакКинни, Дж. Д. (

1995

). Трехмерные количественные отношения структура-активность диоксинов и диоксиноподобных соединений: проверка модели и характеристика рецептора Ah.

Chem. Res. Toxicol.

8

,

847

–858.

Уоллер, К. Л., Опреа, Т. И., Ча, К., Парк, Х. К., Корах, К. С., Лоуз, С. К., Визе, Т. Е., Келс, В. Р., и Грей, Л. Е., младший (

1996

). Идентификация эстрогенов окружающей среды на основе лигандов.

Chem. Res. Toxicol.

9

,

1240

–1248.

Ву, Й.-Т., Лай, Д., Аргус, М., и Аркос, Дж. (

1995

).Разработка правил взаимосвязи структура-активность для прогнозирования канцерогенного потенциала химических веществ.

Toxicol. Lett.

79

,

219

–228.

© 2000 Общество токсикологии

Практика взаимоотношений структура-активность (SAR) в токсикологии | Токсикологические науки

Абстрактные

Как качественные, так и количественные методы моделирования, связывающие химическую структуру с биологической активностью, называемые анализом взаимосвязи структуры и активности или SAR, применяются для прогнозирования и определения характеристик химической токсичности.В этом мини-обзоре будут обсуждаться некоторые общие вопросы и подходы к моделированию, адаптированные к проблемам токсикологии. Обсуждаются различные подходы, а также некоторые аспекты и ограничения практики и науки SAR, поскольку они относятся к текущему токсикологическому анализу, а также основные элементы систем разработки и прогнозирования SAR и SAR-моделей. Другие темы включают применение 3-D SAR для понимания способности химических веществ вызывать эндокринные нарушения, а также использование моделей для анализа биологической активности ионов металлов в токсикологии.Также обсуждается пример интеграции знаний о механизмах в экспертную систему для прогнозирования сенсибилизации кожи к химическим веществам. В этом мини-обзоре будет рассмотрена полезность подходов к моделированию в качестве одного из компонентов для лучшей интеграции физико-химических и биологических свойств в оценку риска, а также рассмотрена возможность воздействия химических веществ и их взаимодействия как на окружающую среду, так и на здоровье человека.

Почему SAR?

Взаимосвязь структура-активность (SAR) является основой токсикологических исследований.Биологические свойства новых соединений часто основываются на свойствах аналогичных существующих материалов, опасность которых уже известна. Однако сегодня токсикологи сталкиваются с задачей скрининга большого количества различных химических веществ в различных средах на предмет увеличения числа конечных точек токсичности с использованием ограниченных ресурсов и меньшего количества животных. Тесты на животных и in vitro. по-прежнему считаются важными для поддержки оценки риска и принятия регулирующих мер, но часто являются слишком дорогостоящими и требуют много времени, чтобы их применять ко всему спектру химических веществ, для которых необходим и желателен определенный уровень токсикологического скрининга.Методы компьютерного моделирования, связывающие химическую структуру с качественной биологической активностью (SAR) и количественной биологической активностью (QSAR), применялись для решения многих различных проблем. Полученные в результате модели предназначены для прогнозирования и характеристики химической токсичности (Golberg, 1983; Haque, 1980; Hansch and Leo, 1995; Hermens and Opperhuizen, 1991; Kaiser, 1987; Karche and De Villers, 1990; McKinney, 1985; Rand и Петрочелли, 1985). Кроме того, с ускорением тенденций к лучшему пониманию химических механизмов токсикологических конечных точек и консолидации токсикологических данных в базах данных, есть расширенные возможности для включения таких методов в существующие токсикологические исследования.Следовательно, как для тех, кто планирует использовать модели SAR, так и для тех, кто планирует их разрабатывать, важно иметь базовое представление о том, как строится модель SAR, а также знать пределы и потенциал этой технологии.

Этот мини-обзор в значительной степени представляет собой краткое изложение материала, предоставленного в рамках курса повышения квалификации на 38-м ежегодном собрании Общества токсикологии в марте 1999 года под названием «Практика взаимосвязей структура-активность в токсикологии», и он не предназначен для использования в качестве учебного пособия. исчерпывающий обзор предметной области.В нем будут обсуждены некоторые подходы к моделированию, адаптированные к проблемам токсикологии, и будет подчеркнуто, что QSAR является ценным дополнением к экспериментальным данным и отправной точкой для дальнейшего исследования молекулярных механизмов. Примеры иллюстрируют различные подходы и некоторые аспекты практики SAR, поскольку они относятся к текущим токсикологическим анализам in vitro, и in vivo, . Темы включают науку о SAR в контексте токсикологии и важные элементы для обоснованного применения, специальное применение методов и подходов 3D SAR, использование моделей для анализа биологической активности ионов металлов в токсикологии и применение экспертных систем для скрининга и прогнозирования. токсикологического исхода.Растет осознание (Conolly et al., 1999; McKinney, 1996) важности фундаментальных исследований механизмов токсического действия химических веществ как средства для улучшения понимания и обеспечения более рациональной основы для оценки риска. Подходы к моделированию на основе структуры являются одним из компонентов для лучшей интеграции физико-химических и биологических свойств в оценку риска.

Фон

Взаимосвязь структурной активности связывает характеристики химической структуры со свойством, эффектом или биологической активностью, связанной с этим химическим веществом.При этом могут быть как качественные, так и количественные соображения. Фундаментальная предпосылка состоит в том, что структура химического вещества неявно определяет его физические и химические свойства и реакционную способность, которые во взаимодействии с биологической системой определяют его биологические / токсикологические свойства. Процесс разработки SAR — это попытка понять и выявить, как свойства, относящиеся к активности, закодированы и определены химической структурой.

В фармацевтической и химической промышленности SAR уже давно используются для разработки химикатов с коммерчески желательными свойствами.Это особенно характерно для области разработки лекарств, где ищут химические вещества с желаемой фармакологической и терапевтической активностью. В области защиты окружающей среды и здоровья SAR используется для прогнозирования воздействия на окружающую среду и здоровье человека, причем приложения широко варьируются. Он даже используется, чтобы помочь промышленности разрабатывать более безопасные химические вещества для коммерческого использования как часть их желаемых свойств.

Почему токсикологи должны интересоваться SAR? Токсикологи обычно занимаются исследованиями одного химического вещества в конкретной биологической системе.SAR предлагает средства для связи токсикологических данных по спектру химических веществ и, возможно, биологических конечных точек, освещая ассоциации, которые выходят за рамки деталей токсикологических экспериментов с одним химическим веществом, и, возможно, раскрывая аспекты токсикологических механизмов, которые могут быть обобщены для всех химических веществ. При использовании для прогнозирования SAR могут снизить потребность в измерениях свойств и тестировании на животных, обеспечивая более эффективный скрининг химических веществ по широкому диапазону конечных точек токсичности.В конечном итоге это может привести к лучшей защите здоровья окружающей среды за счет стратегического использования ограниченных ресурсов, направленных на выявление наиболее серьезных химических опасностей.

Наука SAR

SAR находится на стыке биологии, химии и статистики (рис. 1). Целенаправленное объединение этих дисциплин, достигаемое посредством деятельности SAR, позволило развить исследовательскую деятельность, напоминающую «науку SAR» (Hansch, 1969; Hansch et al., 1989; Герменс, 1996; Топлисс и Эдвардс, 1979). При соотнесении структуры с активностью цель SAR состоит в том, чтобы сделать обобщения в конкретных случаях и за их пределами, развивая понимание того, что составляет класс активных молекул, что определяет относительную активность и что отличает их от неактивных классов. Под заголовком SAR включены различные виды деятельности, от использования эвристики и экспертных оценок до рассмотрения сходства / разнообразия химических веществ и формальных математических ассоциаций свойств и показателей активности.Фундаментальное предположение в QSAR состоит в том, что аналогичные химические вещества имеют достаточно общие механические элементы, чтобы иметь общий шаг, определяющий скорость, и аналогичные потребности в энергии для деятельности. Далее предполагается, что различия в скоростях реакции приведут к наблюдаемым различиям в активности или количественной активности. Ключевым моментом является определение аспектов структуры, относящихся к определяющему скорость, молекулярно-запускающему событию в механизме действия для интересующих химических и биологических действий.Следовательно, механизм действия является руководящей концепцией при определении групп химических веществ, подходящих для изучения, и молекулярных дескрипторов, потенциально наиболее важных для активности. В конечном итоге именно связь SAR с механизмом позволяет построить научное обоснование для учета вариаций активности в существующих химических веществах. Это, в свою очередь, обеспечивает наиболее надежную научную основу для прогнозирования активности новых и непроверенных химических веществ. Установив идеальный случай, мы столкнулись с реальностью того, что многие конечные точки токсичности являются сложными, часто плохо изученными и охарактеризованными и не поддаются разрешению до уровня общего механизма действия.В той мере, в какой мы можем решить проблему токсичности, SAR могут быть способны к глобальной дискриминации среди различных механизмов, например, к классификации по структурным фрагментам предупреждения и / или локальной дискриминации в рамках более четко определенного, основанного на механизмах класса.

Хорошей иллюстрацией первого является недавний отчет об усовершенствованных моделях MultiCASE, разработанных в сотрудничестве с FDA, для прогнозирования потенциала канцерогенности грызунов для фармацевтических баз данных (Matthews and Contrera, 1988).Классификации основаны в первую очередь на идентифицированных MultiCASE структурных тревожных характеристиках молекул и потенциально применимы для грубого скрининга широкого разнообразия химических структур и механизмов канцерогенности. Напротив, ярким примером применения SAR на основе механизмов, которое повлияло на оценку риска, является моделирование способности связывания Ah рецепторами диоксиноподобных соединений, включая, в частности, структурно родственные полихлорированные диоксины, дибензофураны и бифенилы.Обширные исследования Safe с соавторами (1990, 1994) и другими, демонстрирующие корреляцию порядка ранжирования между связыванием Ah-рецептора и различными показателями ответа, как in vivo, и in vitro, , были эффективны в установлении общего механизма действия для эти токсические реакции. Это, в свою очередь, привело к разработке и использованию факторов токсической эквивалентности (TEF) для определения концентраций эквивалентов диоксина (TEQ) в оценках рисков для человека и окружающей среды, связанных с воздействием сложных смесей этих соединений в реальных условиях. (Ван ден Берг и др. ., 1998). При получении значений TEF различные доступные данные, в том числе исследования in vivo, , in vitro, и QSAR, обычно взвешиваются с использованием многоуровневого подхода. Этот общий подход в основном представляет собой схему относительного ранжирования активности, в которой относительная эффективность каждого химического вещества выражается как некоторая доля активности 2,3,7,8-тетрахлордибензо- p -диоксина (TCDD). Механический анализ SAR был особенно важен для выявления близкого структурного сходства «копланарных ПХБ» с TCDD и связанных с ними высокотоксичных свойств (McKinney et al ., 1981).

Элементы SAR

Есть несколько важных элементов, которые следует учитывать при разработке механических SARs (рис. 2). Как указано выше, желательно, когда это возможно, разработать механистическую классификацию представляющей интерес биологической / токсикологической активности. Это, в свою очередь, определяет наиболее подходящие химические вещества, связанные свойства и дескрипторы для изучения, относящиеся к этапу (этапам) контроля / распознавания интересующей деятельности.Кроме того, есть дескрипторы, которые в целом важны для приближения способности химического вещества достигать места действия; наиболее ярким примером такого дескриптора является коэффициент разделения октанол / вода (Hansch and Dunn, III, 1972). Другие способы представления молекул могут выходить за рамки тех, которые основаны на двумерной структуре, атомах и связях, до способов, основанных на трехмерной структуре, стерических и электростатических полях. Последние наиболее подходят, если известен или подозревается механизм, опосредованный рецепторами.Наконец, необходимы соответствующие методы анализа для установления связи между интересующими активностями и химическими структурами, которые будут зависеть от характера меры активности (например, качественный или количественный) и степени понимания химического механизма действия (например, , опосредованный рецепторами) и т. д. Цель состоит в том, чтобы на каждом этапе процесса рассматривать то, что является химически и биологически правдоподобным, разумно ограничивать проблему в этих терминах и создавать модели, которые имеют сильное научное обоснование и основу для интерпретация.

SAR Модели

Модель SAR определяется и ограничивается характером и качеством данных, используемых при разработке модели, и строго применима только по отношению к набору данных, который использовался для ее создания, но, возможно, имеет прогностическую способность в некоторых разумных границах за пределами этого набор данных. При оценке модели SAR важно определить границы применения, учитывая, какие виды молекул и диапазон значений дескрипторов обладают активностями, которые можно с уверенностью предсказать, а также статистическими мерами соответствия, значимости и надежности.Модели также могут привести к механистическим гипотезам, которые будут определять будущее тестирование и проверку. Процесс проверки модели должен проверять возможности прогнозирования, а также исследовать границы применения модели и подвергать сомнению механистические гипотезы, предложенные хорошо построенной моделью.

Модели SAR полезны в исследованиях для целей, выходящих за рамки прогнозирования. Они могут предложить рационализацию вариаций активности в существующих данных, обосновать общий механизм активности (и аддитивность эффекта) для ряда химических веществ (Richard and Hunter III, 1996), выявить выбросы из-за экспериментальной ошибки или альтернативных механизмов (Lipnick , 1991), сужают эксперимент по определению диапазона доз (используя прогнозируемую дозу в качестве первой оценки), служат метрикой для сравнения различных биологических конечных точек (Hansch et al., 1995) и направить дальнейшие исследования. Идеальная модель SAR должна учитывать достаточное количество молекул для адекватного статистического представления, иметь широкий диапазон количественных активностей (порядков величины) или адекватное распределение молекул в каждом классе активности (активном и неактивном) и поддаваться механистической интерпретации (Hermens, 1996). В задачах моделирования токсикологии этот идеал встречается редко. Для многих представляющих интерес конечных точек токсичности различные химические структуры, незнание механизмов и большие пробелы в данных чаще являются нормой.Эти ограничения нашей способности строить «классические» взаимосвязи QSAR, т. Е. Основанные на четко определенных классах химических веществ, привели к различным попыткам разработать «глобальные» модели прогнозирования SAR для так называемых некородственных химических веществ, т. Е. Больших наборов структурно и механически разнообразные химические вещества (некоторые обзоры см., например, Benfenati and Gini, 1997; Benigni and Richard, 1996, 1998). Однако, поскольку SAR в конечном итоге основывается на связи с механизмом, любой успех, достигнутый с помощью этих методов, зависит от степени, в которой глобальные модели способны различать и адекватно представлять основанные на механизмах компоненты SAR в более крупном наборе данных (Lewis, 1992). ; Ричард, 1995; Вагнер и др., 1995).

Системы прогнозирования

В настоящее время доступны два основных типа коммерческих систем прогнозирования токсичности: программы, основанные на корреляции или статистике, и экспертные системы, основанные на правилах (см. Benfenati and Gini, 1997; главу 6 в Hansch and Leo, 1995; и Richard, 1998a, b). . Корреляционные системы, такие как CASE / MultiCASE (Klopman, 1984) и TOPKAT (Enslein, 1993), как правило, обрабатывают большую группу некородственных химических веществ без предвзятости пользователя или предварительной организации и пытаются извлечь ассоциации SAR из данных статистическими методами. средства.Самый большой недостаток таких систем — простота создания прогнозов по сравнению с необходимостью тщательной проверки результатов. Как правило, такие методы лучше подходят для грубой идентификации «предупреждающих» классов, чем для распознавания более мелких вариаций активности внутри этих классов. Системы на основе правил, такие как DEREK (Sanderson and Earnshaw, 1991) и ONCOLOGIC (Woo et al., 1995), создают ассоциации и обобщения из небольших групп химических веществ, группируют химические вещества аналогичного действия в классы на основе определений органической химии. и ограниченное понимание механизмов, а также использование экспертных оценок и основанных на механизмах обоснований внутри классов.Системы, основанные на правилах, обычно более ограничены в своем применении, чем подходы более коррелятивного типа, но они могут предложить большую химическую и биологическую интерпретируемость для химических веществ, которые они предсказывают.

3D-QSAR

Методы «структура-активность», которые рассматривают трехмерную структуру смоделированных соединений в пространственном отношении друг к другу, в совокупности называются методами трехмерного QSAR (3D-QSAR). Эти методы пытаются идентифицировать пространственно-локализованные особенности в серии молекул, которые коррелируют с активностью и представляют требования для связывания лиганда и комплементарности постулируемому сайту связывания рецептора (Green and Marshall, 1995; Marshall and Cramer, III, 1988).Эти процедуры расширяют подход QSAR в трех измерениях, выбирая вручную (Cramer III et al., 1988) или автоматически (Jain et al., 1994) одну конкретную геометрию для каждого моделируемого соединения и используя молекулярный каркас (Cramer III, 1988), метод наложения фармакофора (Van Drie et al., 1989) и / или молекулярного поля (Kearsley and Smith, 1990).

В основе методов 3D-QSAR лежат следующие допущения:

• Смоделированное соединение, а не его метаболиты или другие продукты трансформации, ответственны за биологический эффект.

• Предлагаемая или смоделированная конформация является биоактивной.

• Все соединения одинаково связываются с одним и тем же сайтом.

• Биологическая активность во многом объясняется энтальпическими процессами (стерическими, электростатическими, водородными связями и т. Д.).

• Энтропийные члены одинаковы для всех соединений.

• Система находится в равновесии.

• Общие эффекты растворителя — диффузия, перенос и т. Д.- относятся к исследуемым молекулам и поэтому не рассматриваются.

Хотя процесс 3D-QSAR (особенно применяемый в сравнительном молекулярном полевом анализе (CoMFA)), хотя и пользуется гораздо более широким использованием в области дизайна лекарственных средств, будет описан здесь в контексте его ограниченного применения в области прогноз токсикологии. CoMFA является одним из первых предшественников современных методов 3D-QSAR, был разработан в 1983–1987 годах (Cramer III and Bunce, 1987), продолжает совершенствоваться и остается одним из наиболее широко используемых методов 3D-QSAR на сегодняшний день. .В CoMFA нековалентные взаимодействия лиганд-рецептор представлены стерическими (Леннард-Джонс) и электростатическими (кулоновскими) взаимодействиями с лигандом. Стерические и электростатические взаимодействия атомов зонда с лигандом рассчитываются в точках единой сетки, а затем заносятся в таблицу для каждой молекулы (строки) в серии. Результирующая матрица анализируется с помощью многовариантной статистики (частичные наименьшие квадраты или PLS), в результате чего получается уравнение, связывающее значение поля CoMFA с активностью. Этот процесс также выделяет те особенности предполагаемого рецептора, которые исследуются набором данных структура-активность.

В общем, цель этой и других связанных процедур 3D-QSAR состоит в том, чтобы разместить молекулы с общими выравниваниями в трехмерной сетке (или области), вычислить значения взаимодействия для каждой точки сетки и поместить значения для каждой точки в QSAR. Таблица. Затем создайте уравнение на основе регрессии PLS, чтобы описать взаимосвязь между значениями и зарегистрированными действиями, проверить прогностическую способность QSAR с помощью перекрестной проверки (и определить оптимальное количество компонентов), визуализировать окончательную модель QSAR, построив график. коэффициенты в соответствующих областях пространства, и используйте окончательное уравнение QSAR для оценки биологической активности для других новых соединений, не включенных в модель.

Требования для успешной разработки модели 3D-QSAR включают выбор соответствующих соединений и биологических данных для использования в качестве обучающего набора и определение полезного и значимого выравнивания молекул для исследования. Общее правило состоит в том, что для получения QSAR требуется не менее 20 соединений, хотя полезные QSAR были получены с использованием всего 7 соединений в модели. Качество и выбор биологических данных для моделирования имеют решающее значение для успешной разработки модели.Также важны диапазон и распределение биологических данных при нормальном распределении данных по максимально широкому диапазону деятельности (минимум 3 логарифмических единицы). Первоначальная задача состоит в том, чтобы выбрать структурные конформеры, максимально приближенные к реальным биоактивным конформерам. При отсутствии информации о биоактивном конформере обычно используются стандартные процедуры оптимизации геометрии, которые определяют минимальную энергетическую конформацию. Затем цель процедуры выравнивания состоит в том, чтобы наложить конформеры таким образом, чтобы точно отразить общую ориентацию связывания лиганда с рецептором.Поскольку реальные биоактивные конформеры известны редко, было полезно предположить, что лиганды, независимо от химического состава, связываются в конформациях и ориентациях, которые представляют аналогичные модели стерического и электростатического потенциала с рецептором-мишенью. Это концептуальная основа «фармакофора» (Ariens, 1966), который определяется как критическое трехмерное расположение лиганд-функциональных групп, ответственных за создание этих паттернов, дополняющих целевой сайт (сайты). Процесс выравнивания ориентирует данную молекулярную конформацию в трехмерном пространстве относительно всех других молекул в наборе.Чрезвычайно важно, чтобы это выполнялось самосогласованным образом, поскольку различия в значениях полей должны отражать структурные вариации. В некоторых случаях это может означать использование конформаций, которые не обязательно имеют самую низкую энергию. Инструменты выравнивания (обсуждение см. В Klebe et al., 1994, 1994), которые использовались, варьируются от простых методов, таких как RMS fit, field fit и Multifit, до более сложных методов, таких как SEAL и Receptor / DISCO.

После определения соответствующего выравнивания молекул для сравнения, поля 3D-QSAR оцениваются по области, обычно определяемой как «атомы», которые постулируются как составляющие рецепторный сайт известной геометрии.Стерические и электростатические поля чаще всего используются для таких целей и рассчитываются с помощью «зонда атома», помещенного на пересечениях трехмерной решетки. Также можно определить множество других полей в 3D-QSAR, которые могут отражать такие вещи, как свойства разделения и реакционной способности молекул, такие как поля HOMO / LUMO, поля сетки поляризуемости и гидрофобные поля.

Несколько статистических инструментов (см., Например, Cramer III, et al., 1988) используются для анализа параметров 3D-QSAR, чтобы прийти к окончательной модели QSAR и проверить стабильность полученного уравнения.Эти инструменты включают перекрестную проверку для проверки внутренней предсказуемости модели, перекрестную проверку r ² (т. Е. q ² ) для оценки дисперсии, прогнозируемой моделью, и бутстрапирование для проверить стабильность числовых значений QSAR. Важным аспектом процесса моделирования, который помогает в оценке и интерпретации, является графическое представление результатов 3D-QSAR. Поскольку каждый коэффициент в уравнении 3D-QSAR соответствует типу поля и трехмерной координате в регионе, коэффициенты 3D-QSAR могут отображаться графически в виде точечных или контурных диаграмм.Поля также могут иметь цветовую кодировку в соответствии с их уровнем вклада в модель (например, положительный или отрицательный), чтобы помочь в интерпретации модели и сообщить природу и роль конкретных структурных свойств в моделях. Цель состоит в том, чтобы в конечном итоге использовать окончательное уравнение QSAR для прогнозирования, отмечая точки поля, которые находятся за пределами выделенных графических областей модели, требующих экстраполяции (т. Е. Новое структурное пространство). Успешные модели 3D-QSAR в области прогнозирования токсичности в первую очередь сосредоточены на конечных точках, которые, как известно, опосредованы рецепторами.Примеры включают модели рецепторов эстрогена, андрогена и диоксина (Waller et al., 1996b, c; Waller and McKinney, 1995), индукции ассоциированных ферментов (Waller and McKinney, 1992) и специфических активностей биоактивации P-450 (Waller et al., 1996a). Графическое представление модели CoMFA, связывающей рецептор эстрогена, показано на рисунке 3 (A и B), с контурными графиками стерического и электростатического поля (с эстрадиолом, используемым в качестве матрицы для выравнивания), указывающими области положительного и отрицательного вкладов стерической массы и областей. положительного или отрицательного заряда.

Было показано, что 3D-QSAR полезен для идентификации потенциальных токсикантов, особенно для активности, которая, как известно, опосредована рецепторами или связана со специфическими связывающими белками. 3D-QSAR дает дополнительные надежды в качестве средства для вывода и лучшего понимания конкретных молекулярных требований для взаимодействия с рецепторами. Ограниченные данные и понимание относительно опосредованной рецепторами токсичности и необходимости строгого конформационного анализа и анализа суперпозиции (проблема выравнивания) в настоящее время препятствуют крупномасштабному применению моделей 3D-QSAR в качестве инструментов прогнозирования.По мере развития токсикологического понимания на молекулярном уровне и дальнейшего развития и проверки вычислительных инструментов быстрые и точные прогнозы определенной токсикологической активности, основанные на трехмерной молекулярной структуре, будут в большей степени выполнять свои текущие ожидания.

Применение для металлов

При изучении биологической активности органических соединений, к которым относится большая часть лекарств и химикатов окружающей среды, часто применялись методы и подходы QSAR.Кроме того, большая часть наших сегодняшних знаний и понимания механизмов, с помощью которых посторонние химические вещества влияют на биологические системы, основаны на исследованиях органических соединений. В этой работе использовались подходы, основанные на SAR, и она привела к некоторым фундаментальным принципам, которые помогают нам понять, а иногда и предсказать биологические эффекты данного органического химического вещества. Два основных подхода оказались особенно полезными в управлении нашей способностью предсказывать биологическую активность органических соединений.К ним относятся признание структурного сходства с соединениями, которые, как известно, важны для промежуточного метаболизма и связанных с ним процессов жизнедеятельности (т. Е. Концепции летального синтеза и антиметаболитов [Peters, 1963]), определение конкретных действий на дискретных фармакологических рецепторах (т. и токсикофоры, обсуждавшиеся ранее), и прогнозирование неспецифических эффектов, основанных на физико-химических свойствах и реакционной способности молекул. Частным случаем последнего является гипотеза ковалентного связывания, в которой предполагается, что химически реактивные вещества неферментативно реагируют с клеточными макромолекулами, такими как белки и нуклеиновые кислоты.

Пытаясь распространить вышеупомянутые соображения на соединения металлов (Hanzlik, 1981), мы сталкиваемся с гораздо более ограниченными знаниями о нормальном физиологическом функционировании металлов в биологических системах и значительно более широким диапазоном химических свойств и реакционной способности, предлагаемых металлами. соединения различного типа. Кроме того, был достигнут определенный успех в проведении параллелей между биохимической токсикологией органических и неорганических химикатов на основе ключевых химических свойств или процессов, которые могут быть общими для обеих групп.К ним относятся взаимосвязь между связыванием и связыванием, способность металлов функционировать как электрофильные частицы с «алкилирующими» свойствами, относительная важность размера иона металла по отношению к заряду и роль металлов как «антиметаболитов» в процессах изоморфного обмена. Представляет интерес потенциал методов 3D-QSAR для изучения процессов изоморфного обмена с участием ионов металлов. Кроме того, соединения металлов могут действовать как инициаторы или катализаторы in vivo и могут участвовать в комплексообразовании и окислительно-восстановительных процессах при абсорбции, хранении, метаболизме и экскреции.

Недавние исследования (Newman et al., 1998) с использованием характеристик связывания металл-лиганд для прогнозирования токсичности металлов и развития количественных соотношений характер-активность иона (QICAR) показывают многообещающие в качестве скринингового подхода и в ситуациях, аналогичных тем в котором применяются QSAR. Поскольку основное внимание в фармакологии и в значительной степени в токсикологии человека уделялось органическим лекарствам и ядам, QICAR не получили должного развития. Кроме того, химическое определение усложняет прогноз, поскольку обычно одновременно присутствуют несколько видов металлов, а биодоступность каждого неоднозначна.Однако часть этой неоднозначности может быть устранена путем разумного применения модели активности свободных ионов (FIAM). Эта модель является расширением гипотезы свободных ионов, в которой биоактивность растворенного металла коррелирует с его концентрацией или активностью свободных ионов.

В недавней работе (Newman et al., 1998) межметаллические тенденции токсичности были успешно смоделированы с помощью ионных характеристик, отражающих связывание металла с лигандами, связанное с широким спектром эффектов. В общем, модели для металлов с одинаковой валентностью (т.е.е. двухвалентные металлы) были лучше, чем соединения одно-, двух- и трехвалентных металлов. Ионные характеристики, которые были наиболее полезны при построении модели QICAR, включали параметр мягкости и абсолютное значение логарифма первой константы гидролиза. Индекс мягкости количественно определяет способность иона металла принимать электрон во время взаимодействия с лигандом. Это отражает важность ковалентных взаимодействий по сравнению с электростатическими взаимодействиями в определении межметаллических тенденций в биоактивности.Интересно, что мягкость или молекулярная поляризуемость часто являются важным фактором в процессах молекулярного распознавания и связывания органических соединений. Константа гидролиза отражает тенденцию иона металла к образованию стабильного комплекса с промежуточными лигандами, такими как донорные атомы O в биомолекулах. Не существует четкого аналога с точки зрения органической химии, и, похоже, это отличительная особенность, которая может иметь важное значение при определении относительной биоактивности металлов. Первое стабильное сокращенное состояние также внесло значительный вклад в несколько моделей с двумя переменными.Большинство моделей были полезны для целей прогнозирования на основе критерия F-отношения и перекрестной проверки, но аномальные прогнозы действительно имели место, если игнорировалось видообразование. Важность видообразования могла помешать попыткам моделирования простых смесей в сложных средах. В этих случаях количественные попытки предсказать взаимодействия металлов в бинарных смесях на основе стабильности комплекса металл-лиганд не увенчались успехом.

Есть несколько решаемых проблем, которые требуют дальнейшего внимания, прежде чем подход QICAR будет иметь такую ​​же общую полезность, что и подход QSAR.Эти вопросы включают разработку и тестирование дополнительных объясняющих переменных, тщательную оценку ионных качеств, используемых для расчета объясняющих переменных, лучшее понимание моделей, способных предсказывать эффекты для сильно различающихся металлов (например, металлов с разными валентными состояниями), эффективное включение химического состава, изучение дополнительных эффектов и оценка применимости QICAR к сложным фазам, таким как отложения, почвы и продукты питания.

Применение экспертных систем

Аллергический контактный дерматит — это клеточный иммунологический ответ на химические вещества, которые контактируют и проникают через кожу.Это наиболее распространенное профессиональное кожное заболевание и представляет собой серьезную непрофессиональную проблему, связанную с окружающей средой. Аллергический контактный дерматит — это распространенное патологическое состояние, при котором понимание химии, как было показано, является ключом к пониманию различных элементов токсичности (Ashby et al., 1995; Kimber, 1996; Lepoittevin and Berl, 1996). Химические реакции и взаимодействия участвуют на протяжении всего процесса, начиная с пересечения кожного барьера (в основном контролируемого физико-химическими свойствами аллергена), через образование гаптен-белкового комплекса (в котором участвуют химические связи) или во время процесс распознавания между антигеном и рецепторами на Т-лимфоцитах (с участием быстро развивающейся области надмолекулярной химии).

Чтобы вызвать сенсибилизацию, химическое вещество должно проникнуть через кожу, где оно может метаболизироваться, а затем вступить в реакцию с белками поверхности клеток Лангерганса с образованием новых химических структур, которые считаются чужеродными. Таким образом, можно ожидать, что подходы и соображения SAR могут быть особенно полезными для понимания и прогнозирования взаимосвязи между такими контактными аллергическими свойствами химических веществ и их молекулярной структурой. Важные химические факторы контактной сенсибилизации включают молекулярные свойства, влияющие на биодоступность (соответствующий размер молекулы, полярность и водородные связи, обеспечивающие проникновение через кожу, медленный транзит и инициирование связывания), химическую стабильность (достаточную для достижения жизнеспособных тканей кожи в реактивном состоянии). форма), и реакционная способность белка (для образования стабильных связей с белками либо напрямую, либо через метаболическую активацию, как правило, электрофильными видами).Показано, что реакционноспособные химические вещества являются важными, включая ацилирующие / алкилирующие / арилирующие агенты, электрофилы Михаэля, альдегиды и родственные карбонильные реагенты, генераторы свободных радикалов и агенты обмена тиолов. Принимая во внимание предыдущее обсуждение способности металлов функционировать как электрофильные частицы с «алкилирующими» свойствами, неудивительно, что некоторые металлы или соли металлов могут приводить к контактной гиперчувствительности или дерматиту. Это подтверждает мнение о том, что координационные комплексы металлов могут быть достаточно стабильными, а модификация белков — достаточно важной, чтобы приводить к аллергии.

Помимо природы и реакционной способности определенных химических группировок в инициирующей активности, совместимость пространственной геометрии также может быть важным фактором, влияющим на взаимосвязь структура-активность, особенно в исследованиях перекрестной аллергии среди структурно связанных семейств химических веществ. Рецепторные молекулы обычно очень селективны в отношении размера и формы молекулы, и молекулы должны иметь аналогичные трехмерные характеристики, чтобы их распознавали истинные белковые биорецепторы.Это предполагает возможную роль подходов 3D-QSAR в изучении перекрестных аллергических свойств структурно родственных аллергенов.

Моделирование контактной гиперчувствительности — это область, в которой с некоторым успехом применялись методы SAR, основанные на правилах и корреляции (Ashby et al. , 1995; Barratt et al ., 1994a, b; Graham et al ., 1996; Payne, Walsh, 1994). Доступны базы данных сенсибилизации кожи, которые доступны для поиска по химической структуре, что позволяет быстро идентифицировать структурные аналоги и легкий доступ к связанным с ними данным о сенсибилизации кожи.Это, в свою очередь, позволяет оценить потенциал сенсибилизации кожи (прогностическое тестирование) химическими веществами (целиком или в виде субструктур) и обеспечивает основу для построения моделей QSAR и использования подходов SAR для оценки риска. Это может быть особенно важно, поскольку в настоящее время не существует проверенных, принятых нормативными документами методов in vitro для оценки сенсибилизирующего потенциала кожи химическими веществами, хотя описаны методы, которые могут быть полезны в фундаментальных исследованиях (Hauser and Katz, 1988).В отсутствие методов in vitro и системы на основе правил, такие как DEREK, могут служить первым шагом в стратегическом подходе к скринингу контактных аллергенов и определению приоритетов дальнейших исследований. Помимо классификации химических веществ как потенциальных сенсибилизаторов, требуется дополнительная работа для создания моделей QSAR, которые также могут оценивать относительную активность химических аллергенов.

ДЕРЕК

В течение некоторого времени было известно, что химические контактные аллергены способны реагировать с белками кожи либо непосредственно, либо после соответствующей биохимической трансформации.Корреляция белковой реактивности химических веществ с их потенциалом сенсибилизации кожи хорошо установлена ​​(Dupuis et al , 1982; Lepoittevin et al , 1998). В настоящее время невозможно предсказать относительную сенсибилизирующую способность только на основании физико-химических свойств. Тем не менее, существует одна экспертная система правил, которая коррелирует структурные предупреждения о реактивности белков химических веществ с их потенциалом сенсибилизации кожи. DEREK (аббревиатура от «дедуктивной оценки риска на основе имеющихся знаний») — это программа, которая включает в себя как программу контроля, так и базу химических правил (Barratt et al ., 1994а, б). В идеальном случае структурные предупреждения, используемые для выявления потенциальных сенсибилизирующих химических веществ, должны включать те структурные особенности, которые определяют проникновение через кожу и метаболизм (как активацию, так и деактивацию), химическую реактивность и иммунное распознавание. Тем не менее, DEREK, в его нынешнем виде, уделяет большое внимание компоненту химической реакционной способности.

Перед проведением каких-либо доклинических испытаний нового ингредиента, химическое вещество может быть оценено на наличие предупреждений о сенсибилизации кожи с помощью DEREK; Эта экспертная система позволяет оценивать большое количество химических веществ без доклинических испытаний.Таким образом, идентификация структурных предупреждений о сенсибилизации кожи может быть чрезвычайно полезной для руководства процессом разработки продукта. Однако важно отметить, что некоторые молекулы могут содержать структурную тревогу, но не могут быть сенсибилизаторами кожи, возможно, потому, что их проницаемость кожи слишком низкая или они не образуют иммунореактивный фрагмент в эпидермисе. Кроме того, тот факт, что химическое вещество не вызывает предупреждение о сенсибилизации кожи в DEREK, не гарантирует, что химическое вещество не является сенсибилизатором, поскольку его химический состав может быть новым для DEREK.Несмотря на текущие ограничения, использование DEREK представляет собой мощный первый шаг в стратегическом подходе к идентификации контактных аллергенов.

Структура базы данных

В дополнение к использованию DEREK была разработана база данных сенсибилизации кожи, в которой можно выполнять поиск по химической структуре. Система разработана таким образом, что структурные аналоги и связанные с ними данные испытаний на сенсибилизацию кожи могут быть обнаружены за считанные минуты. Данные о сенсибилизации кожи были собраны из нескольких источников.Данные о морских свинках и местных лимфатических узлах об известных сенсибилизаторах кожи были получены из опубликованной литературы (например, Andersen and Maibach, 1985; Ashby et al. ., 1993; Cronin and Basketter, 1994). Кроме того, данные о сенсибилизации кожи были получены из общедоступных баз данных, таких как TSCATS и IUCLID. В настоящее время эта база данных по сенсибилизации кожи содержит около 3500 химических веществ, связанных с данными тестов на сенсибилизацию кожи. Реляционная база данных используется для хранения данных о сенсибилизации кожи.

Для новых ингредиентов структура или структурные фрагменты используются для поиска структурных аналогов в базе данных сенсибилизации кожи. В зависимости от сходства между неизвестным соединением и силы данных о сенсибилизации кожи, связанных с аналогами, идентифицированными в базе данных, ценная информация может быть предоставлена ​​для процесса оценки риска. Поиск по химической структуре обеспечивает однозначный метод идентификации новых соединений, а также структурных аналогов, которые в сочетании с данными испытаний на сенсибилизацию кожи могут использоваться для прогнозирования потенциала сенсибилизации кожи химическим веществом.Использование таких взаимосвязей между структурой и активностью значительно сократило время разработки, затраты на испытания и использование животных.

ЗАКЛЮЧЕНИЕ

Учитывая огромный диапазон и вариабельность возможных взаимодействий химических веществ в биологических системах, маловероятно, что модели SAR когда-либо достигнут абсолютной уверенности в прогнозировании исхода токсичности, особенно в системе целого животного. Однако в разной степени это предостережение применимо к любой экспериментальной или вычислительной модели, требующей экстраполяции между уровнями биологической организации (например,g., биохимический для in vitro от до in vivo () или между видами. Можно сделать гораздо больше для расширения масштабов и полезности подходов SAR за счет улучшения взаимосвязей между различными научными элементами проблемы SAR: химическими, биологическими и статистическими. Безусловно, новые технологии для уточнения биофункционального понимания (например, массивы ДНК для классификации химических веществ в соответствии с путями экспрессии генов) и лучшего понимания механистических элементов, относящихся к проявлению токсичности во всех системах, будут полезны для уточнения анализов SAR.Кроме того, необходимы более эффективные способы обеспечения широкого доступа к базам данных о токсичности и использования всей необходимой информации, полученной как на основе экспертных оценок, так и на основе количественного анализа, по проблеме прогнозирования.

SAR — это чрезвычайно многопрофильная область, потенциально применимая к широкому кругу проблем и конечных точек. Только в области окружающей среды и здоровья человека был подан ряд приложений для предотвращения загрязнения, скрининга токсичности и оценки риска (обзор см. В Walker, 2000).Работа SAR также была полезна при проведении механистических исследований и прогнозировании разрушающих эндокринную систему видов деятельности, экологической судьбы и экологических последствий химических веществ, а также взаимодействия между окружающей средой и здоровьем человека (Walker, 2000). Хотя такой широкий потенциал применения желателен и полезен, он также увеличивает возможность неправильного использования таких методов и подходов. Токсикология вступает в новую эру механистического подхода (Stevens and Marnett, 1999). Поскольку SAR в конечном итоге основывается на связи с механизмами, был сделан упор на подходе, основанном на механизмах, который постепенно создает базу данных и научное понимание взаимодействия химических веществ с различными формами жизни и жизнедеятельности на молекулярном уровне.В этом отношении SAR в сочетании с методами физической органической химии и биохимии будет способствовать дальнейшему развитию нашего научного понимания процессов, дающих жизнь, а также принесет практическую пользу обществу с точки зрения улучшения показателей здоровья.

РИС. 1.

SAR находится на пересечении биологии, химии и статистики.

РИС. 1.

SAR находится на пересечении биологии, химии и статистики.

РИС. 2.

Важные элементы в развитии механистических SAR.

РИС. 2.

Важные элементы в развитии механистических SAR.

РИС. 3.

Матричная структура представляет собой эстрадиол, а целевым свойством для отображаемой модели CoMFA является аффинность связывания эстрогенового рецептора. (A) Стерические поля: отрицательные значения представляют области (желтые контуры, появляющиеся над и под плоскостью фенольной части A-кольца молекулы) пространства, где стерическая масса должна быть удалена относительно структуры шаблона, а положительные значения (зеленые контуры в вблизи D-кольца) предполагают, что стерическая масса должна быть сохранена или увеличена.(B) электростатические поля; красные контуры, появляющиеся на обоих концах молекулы (за пределами A- и D-колец), обозначают области, где отрицательный заряд оказывается полезным для связывания, тогда как синие контуры предполагают, что желателен частичный положительный заряд.

РИС. 3.

Матричная структура представляет собой эстрадиол, а целевым свойством для отображаемой модели CoMFA является аффинность связывания эстрогенового рецептора. (A) Стерические поля: отрицательные значения представляют области (желтые контуры, появляющиеся над и под плоскостью фенольной части A-кольца молекулы) пространства, где стерическая масса должна быть удалена относительно структуры шаблона, а положительные значения (зеленые контуры в вблизи D-кольца) предполагают, что стерическая масса должна быть сохранена или увеличена.(B) электростатические поля; красные контуры, появляющиеся на обоих концах молекулы (за пределами A- и D-колец), обозначают области, где отрицательный заряд оказывается полезным для связывания, тогда как синие контуры предполагают, что желателен частичный положительный заряд.

ССЫЛКИ

Андерсен К. Э. и Майбах Х. И. (1985). Тесты для прогнозирования контактной аллергии на морских свинках: Актуальные проблемы дерматологии. Каргер, Нью-Йорк.

Ариенс, Э. Дж. (

1966

).Молекулярная фармакология — основа создания лекарств.

Fortschr Arzneimittelforsch

10

,

429

.

Эшби, Дж., Баскеттер, Д. А., Патон, Д., и Кимбер, И. (

1995

). Отношения структура-активность в сенсибилизации кожи с использованием анализа лимфатических узлов на мышах.

Токсикология

103

,

177

–194.

Эшби, Дж., Хилтон, Дж., Дирман, Р. Дж., Калландер, Р. Д., и Кимбер, И.(

1993

). Механистическая взаимосвязь между мутагенностью, сенсибилизацией кожи и канцерогенностью кожи.

Environ. Перспектива здоровья.

101

,

62

–67.

Барратт, М. Д., Баскеттер, Д. А., Чемберлен, М., Адманс, Г. Д., и Ланговски, Дж. Дж. (

1994

). База правил экспертной системы для определения контактных аллергенов.

Токсично. in Vitro

8

,

1053

–1060.

Баррат, М. Д., Баскеттер, Д. А., Чемберлен, М., Пейн, М. П., Адманс, Г. Д., и Ланговски, Дж. Дж. (

1994

). Разработка базы правил экспертной системы для определения контактных аллергенов.

Токсично. in Vitro

8

,

837

–839.

Бенфенати Э. и Джини Г. (

1997

). Вычислительные прогностические программы (экспертные системы) в токсикологии.

Токсикология

119

,

213

–225.

Бениньи Р. и Ричард А. М. (

1996

). QSAR мутагенов и канцерогенов: два тематических исследования, иллюстрирующих проблемы в построении моделей для неуниверсальных химических веществ.

Mutat. Res.

371

,

29

–46.

Бениньи Р. и Ричард А. М. (

1998

). Количественное моделирование на основе структуры применяется для характеристики и прогнозирования химической токсичности.

Методы

14

,

264

–276.

Конолли Р. Б., Бек Б. Д. и Гудман Дж. И. (

1999

). Стимулирование исследований для улучшения научной основы оценки рисков.

Toxicol. Sci.

49

,

1

–4.

Крамер Р. Д. III и Банс Дж. Д. (1987). Метод DYLOMMS: первые результаты сравнительного исследования подходов к 3D-QSAR. В QSAR in Drug Design and Toxicology (D. Hadzi and B. Jerman-Blazic, Eds.), Стр. 3–12. Эльзевир, Амстердам.

Крамер Р. Д., III, Паттерсон, Д. Э. и Банс, Дж. Д. (

1988

). Сравнительный анализ молекулярного поля (CoMFA): 1. Влияние формы на связывание стероидов с белками-носителями.

J. Am. Chem. Soc.

110

,

5959

.

Кронин М. Т. и Баскеттер Д. А. (

1994

). Многомерный QSAR-анализ базы данных сенсибилизации кожи.

SAR QSAR Environ. Res.

2

,

159

–179.

Дюпюи Г. и Бенезра К. (1982). Аллергический контактный дерматит на простые химические вещества. Молекулярный подход. Марсель Деккер, Нью-Йорк, Нью-Йорк.

Энслейн, К. (

1993

). Будущее предсказания токсичности с помощью QSAR.

In vitro токсикология

6

,

163

–169.

Гольберг, Л. (Ред.) (1983). Корреляция структура-активность как инструмент прогнозирования в токсикологии . Hemisphere Publishing, Нью-Йорк.

Грэм К., Гили Р., Мачина О. Т., Кароль М. Х. и Розенкранц Х. С. (

1996

). QSAR для аллергического контактного дерматита.

Кол. Struct. Действовать. Relat.

15

,

224

–229.

Грин С. и Маршалл Г. Р. (

1995

). 3D-QSAR: текущая перспектива.

Trends Pharmacol. Sci.

16

,

285

–291.

Hansch, C. (

1969

).Количественный подход к взаимосвязи биологической структуры и активности.

Акт. Chem. Res.

2

,

232

.

Hansch, C., and Dunn, W. J., III (

1972

). Линейные зависимости между липофильностью и биологической активностью лекарств.

J. Pharm. Sci.

61

,

1

–19.

Hansch, C., Hoekman, D., Leo, A., Zhang, L., и Li, P. (

1995

).Растущая роль количественных соотношений структура-активность (QSAR) в токсикологии.

Toxicol. Lett.

79,

45

–53.

Ханс, К., Ким, Д., Лео, А., Новеллино, Э., Силипо, К., и Виттория, А. (

,

, 1989,

). К количественной сравнительной токсикологии органических соединений.

Крит. Rev. Toxicol.

19

,

185

–226.

Hansch, C., and Leo, A. (1995). Изучение QSAR.. Основы и приложения в химии и биологии. Профессиональный справочник ACS, Американское химическое общество, Вашингтон, округ Колумбия.

Ханзлик Р. П. (1981). Токсичность и метаболизм соединений металлов: некоторые взаимосвязи между структурой и активностью. В Environmental Health Chemistry (J. D. McKinney, Ed.), Стр. 467–496. Издательство Ann Arbor Science Publishing, Анн-Арбор, Мичиган.

Хак Р. (ред.) (1980). Динамика, воздействие и оценка опасности токсичных химических веществ. Ann Arbor Science, Ann Arbor, MI.

Хаузер К. и Кац С. И. (

1988

). Активация и размножение гаптен- и белок-специфических Т-хелперов у несенсибилизированных мышей.

Proc. Natl. Акад. Sci. США

85

,

5625

–5628.

Герменс, Дж. Л. М. (1996). Отношения структура-деятельность. В книге «Токсикология : принципы и применение» (Р. Дж. М. Несинк, Дж. Де Вриз и М. А. Холлингер, ред.), Стр. 239–268. CRC Press, Нью-Йорк.

Херменс, Дж.Л. М. и Опперхёйзен А. (ред.) (1991). QSAR по экологической токсикологии IV. Elsevier, Амстердам.

Джайн, А. Н., Койл, К., и Чепмен, Д. (

1994

). Компас: прогнозирование биологической активности на основе свойств поверхности молекул. Сравнение производительности на стероидном тесте.

J. Med. Chem.

37

,

2315

–2327.

Кайзер, К. Л. Э., Изд. (1987). QSAR по экологической токсикологии II, Reidel, Dordrecht, Holland.

Karcher, W., and DeVillers, J., Eds. (1990). Практическое применение количественных соотношений структура-активность (QSAR) в химии окружающей среды и токсикологии. Клувер, Дордрехт и Бостон.

Кирсли С. и Смит Г. (

1990

). Альтернативный метод выравнивания молекулярных структур: максимальное электростатическое и стерическое перекрытие.

Tetrahedron Comput. Методол.

3

,

615

.

Кимбер И. (1996). Альтернативные методы тестирования контактной сенсибилизации. В Токсикология контактного дерматита (К. Кимбер и Т. Мауэр, ред.), Стр. 140–151. Тейлор и Фрэнсис, Лондон.

Клебе Г., Мицнер Т. и Вебер Ф. (

1994

). Различные подходы к автоматическому структурному выравниванию молекул лекарств: приложения к имитаторам стеролов, ингибиторам тромбина и термолизина.

J. Comput. Помощь Мол. Des.

8

,

751

–758.

Клопман Г. (

1984

). Подход искусственного интеллекта к исследованиям структуры-деятельности. Компьютерная автоматизированная оценка структуры биологической активности органических молекул.

J. Amer. Chem. Soc.

106

,

7315

–7320.

Lepoittevin, J.-P., Basketter, D.A., Goossens, A., and Karlber, A.T. (1998). Аллергический контактный дерматит: молекулярные основы. Springer, Берлин.

Лепойттевин Ж.-П., Берл В.(1996). Молекулярные основы аллергического контактного дерматита. В Дерматотоксикология, 5-е изд. (Фрэнсис Н. Марзулли и Говард И. Майбах, ред.), Стр. 147–160. Тейлор и Фрэнсис, Вашингтон, округ Колумбия

Льюис, Д. Ф. В. (1992). Компьютерные методы оценки химической токсичности. В обзоре по вычислительной химии (К. Б. Липковиц и Д. Б. Бойд, ред.), Стр. 173–221. Издательство VCH, Нью-Йорк.

Липник Р. Л. (

1991

). Выбросы: их происхождение и использование в классификации молекулярных механизмов токсичности.

Sci. Total Environ.

109/110

,

131

–153.

Маршалл, Г. Р. и Крамер, Р. Д. III (

1988

). Трехмерные отношения между структурой и деятельностью.

Trends Pharmacol. Sci.

9

,

285

–289.

Мэтьюз Э. Дж. И Контрера Дж. Ф. (

1998

). Новый высокоспецифичный метод прогнозирования канцерогенного потенциала фармацевтических препаратов у грызунов с использованием усовершенствованного программного обеспечения MCASE QSAR-ES.

Рег. Toxicol. Pharmacol.

28

,

242

–264.

МакКинни, Дж. Д. (

1985

). Монография о взаимосвязи структуры и активности в изучении механизмов и прогностической токсикологии.

Environ. Перспектива здоровья.

61

,

349

.

МакКинни, Дж. Д. (

1996

). Параметры реактивности в структуре-активности, оценка риска химических веществ на основе взаимосвязи.

Environ. Перспектива здоровья.

104

,

810

–816.

МакКинни, Дж. Д. и Сингх, П. (

1981

). Отношения структура-активность в галогенированных дифенилах: объединяющая гипотеза структурной специфичности.

Chem. Биол. Взаимодействовать.

33

,

271

–283.

Ньюман, М. К., Макклоски, Дж. Т., и Татара, К. П. (

1998

). Использование характеристик связывания металл-лиганд для прогнозирования токсичности металлов: количественное соотношение характеристик иона и активности (QICAR).

Environ. Перспектива здоровья.

106 (доп. 6)

,

1419

–1425.

Пейн М. П. и Уолш П. Т. (

1994

). Соотношение структура-активность для потенциала сенсибилизации кожи: разработка структурных предупреждений для использования в системах прогнозирования токсичности, основанных на знаниях.

J. Chem. Инф. Comput. Sci.

34

,

154

–161.

Петерс, Р. А. (1963). Биохимические поражения и летальный синтез. Пергамон, Оксфорд.

Рэнд, Г. М., и Петрочелли, С. Р., ред. (1985). Основы водной токсикологии. Hemisphere, Нью-Йорк.

Ричард А. М. (

1995

). Роль вычислительной химии в поддержке идентификации опасностей (ID): SAR на основе механизмов.

Toxicol. Lett.

79

,

115

–122.

Ричард, А. М. (

1998

). Структурные методы прогнозирования мутагенности и канцерогенности: мы уже на месте?

Mutat.Res.

400

,

493

–507.

Ричард, А. М. (

1998

). Коммерческие системы прогнозирования токсикологии: регуляторная перспектива.

Toxicol. Lett.

102–103

,

611

–616.

Ричард А. М. и Хантер Э. С., III (

1996

). Количественные отношения структура-активность для токсичности галогенуксусных кислот в культуре целых эмбрионов млекопитающих.

Тератология

53

,

352

–360.

Сейф, С. (

1990

). Полихлорированные бифенилы (ПХБ), дибензо- p -диоксины (ПХДД), дибензофураны (ПХДФ) и родственные соединения: экологические и механистические соображения, которые поддерживают развитие факторов токсической эквивалентности (TEF).

Крит. Rev. Toxicol.

21

,

51

–88.

Сейф, С. (

1994

).Полихлорированные дифенилы (ПХД): воздействие на окружающую среду, биохимические и токсические реакции, а также значение для оценки риска.

Крит. Rev. Toxicol.

24

,

87

–149.

Сандерсон Д. М. и Эрншоу К. Г. (

1991

). Компьютерное предсказание возможного токсического действия по химической структуре; система ДЕРЕК.

Hum. Exp. Toxicol.

10

,

261

–273.

Стивенс, Дж.Л. и Марнетт, Л. Дж. (

1999

). Определение молекулярной токсикологии: перспектива (передовая).

Chem. Res. Toxicol.

12

,

747

–748.

Топлисс, Дж. Г., и Эдвардс, Р. П. (

1979

). Факторы случайности в исследованиях количественных взаимосвязей структура-активность.

J. Med. Chem.

22

,

1238

–1244.

Ван ден Берг, М., Бирнбаум, Л., Босвельд, А.Т.С., Брюнстрем, Б., Кук, П., Фили, М., Гизи, Дж., Ханберг, А., Хасегава, Р., Кеннеди, С.В., Кубьяк, Т., Ларсен, Дж. К., ван Левен, FX, Лием, А. К., Нолт, К., Петерсон, Р. Э., Пеллингер, Л., Сейф, С., Шренк, Д., Тиллит, Д., Тисклинд, М., Юнес, М., Варн, Ф., и Захаровски , T. (

1998

) Факторы токсической эквивалентности (TEF) для ПХД, ПХДД, ПХДФ для человека и диких животных.

Environ. Перспектива здоровья.

106

,

775

–792.

Ван Дри, Дж. Х., Вейнингер, Д. и Мартин, Ю. К. (

1989

). ALADDIN: интегрированный инструмент для компьютерного молекулярного дизайна и распознавания фармакофоров на основе геометрического, стерического и субструктурного поиска трехмерных молекулярных структур.

J. Comput. Помощь Мол. Des.

3

,

225

–251.

Вагнер П. М., Набхольц Дж. В. и Кент Р. Дж. (

1995

). Новый химический процесс в Агентстве по охране окружающей среды (EPA): взаимосвязь структура-деятельность для идентификации опасностей и оценки рисков.

Toxicol. Lett.

79

,

67

–73.

Walker, J. D., Ed. (2000). Справочники по QSAR для (а) Предотвращение загрязнения, Скрининг токсичности, Оценка рисков и применение WWW; (b) Прогнозирование способности химических веществ к разрушению эндокринной системы; (c) Предсказание экологического воздействия химикатов; (d) Экологическая судьба химических веществ; и (e) «Прогнозирование воздействия химических веществ на взаимодействие между окружающей средой и здоровьем человека». SETAC Press, Пенсакола, Флорида.

Уоллер, К. Л., Эванс, М. В., и МакКинни, Дж. Д. (

1996

). Моделирование опосредованного цитохромом p450 метаболизма хлорированных летучих органических соединений.

Drug Metab. Дисп.

24

,

203

–210.

Уоллер, К. Л., Джума, Б. В., Грей, Л. Е., младший, и Келси, В. (

1996

). Трехмерные количественные отношения структура-активность для лигандов рецепторов андрогенов.

Toxicol. Прил. Pharmacol.

137

,

219

–227.

Уоллер, К. Л., и Маккинни, Дж. Д. (

1992

). Сравнительный анализ молекулярного поля полигалогенированных дибензо- p -диоксинов, дибензофуранов и бифенилов.

J. Med. Chem.

35

,

3660

–3666.

Уоллер, К. Л., и МакКинни, Дж. Д. (

1995

). Трехмерные количественные отношения структура-активность диоксинов и диоксиноподобных соединений: проверка модели и характеристика рецептора Ah.

Chem. Res. Toxicol.

8

,

847

–858.

Уоллер, К. Л., Опреа, Т. И., Ча, К., Парк, Х. К., Корах, К. С., Лоуз, С. К., Визе, Т. Е., Келс, В. Р., и Грей, Л. Е., младший (

1996

). Идентификация эстрогенов окружающей среды на основе лигандов.

Chem. Res. Toxicol.

9

,

1240

–1248.

Ву, Й.-Т., Лай, Д., Аргус, М., и Аркос, Дж. (

1995

).Разработка правил взаимосвязи структура-активность для прогнозирования канцерогенного потенциала химических веществ.

Toxicol. Lett.

79

,

219

–228.

© 2000 Общество токсикологии

Практика взаимоотношений структура-активность (SAR) в токсикологии | Токсикологические науки

Абстрактные

Как качественные, так и количественные методы моделирования, связывающие химическую структуру с биологической активностью, называемые анализом взаимосвязи структуры и активности или SAR, применяются для прогнозирования и определения характеристик химической токсичности.В этом мини-обзоре будут обсуждаться некоторые общие вопросы и подходы к моделированию, адаптированные к проблемам токсикологии. Обсуждаются различные подходы, а также некоторые аспекты и ограничения практики и науки SAR, поскольку они относятся к текущему токсикологическому анализу, а также основные элементы систем разработки и прогнозирования SAR и SAR-моделей. Другие темы включают применение 3-D SAR для понимания способности химических веществ вызывать эндокринные нарушения, а также использование моделей для анализа биологической активности ионов металлов в токсикологии.Также обсуждается пример интеграции знаний о механизмах в экспертную систему для прогнозирования сенсибилизации кожи к химическим веществам. В этом мини-обзоре будет рассмотрена полезность подходов к моделированию в качестве одного из компонентов для лучшей интеграции физико-химических и биологических свойств в оценку риска, а также рассмотрена возможность воздействия химических веществ и их взаимодействия как на окружающую среду, так и на здоровье человека.

Почему SAR?

Взаимосвязь структура-активность (SAR) является основой токсикологических исследований.Биологические свойства новых соединений часто основываются на свойствах аналогичных существующих материалов, опасность которых уже известна. Однако сегодня токсикологи сталкиваются с задачей скрининга большого количества различных химических веществ в различных средах на предмет увеличения числа конечных точек токсичности с использованием ограниченных ресурсов и меньшего количества животных. Тесты на животных и in vitro. по-прежнему считаются важными для поддержки оценки риска и принятия регулирующих мер, но часто являются слишком дорогостоящими и требуют много времени, чтобы их применять ко всему спектру химических веществ, для которых необходим и желателен определенный уровень токсикологического скрининга.Методы компьютерного моделирования, связывающие химическую структуру с качественной биологической активностью (SAR) и количественной биологической активностью (QSAR), применялись для решения многих различных проблем. Полученные в результате модели предназначены для прогнозирования и характеристики химической токсичности (Golberg, 1983; Haque, 1980; Hansch and Leo, 1995; Hermens and Opperhuizen, 1991; Kaiser, 1987; Karche and De Villers, 1990; McKinney, 1985; Rand и Петрочелли, 1985). Кроме того, с ускорением тенденций к лучшему пониманию химических механизмов токсикологических конечных точек и консолидации токсикологических данных в базах данных, есть расширенные возможности для включения таких методов в существующие токсикологические исследования.Следовательно, как для тех, кто планирует использовать модели SAR, так и для тех, кто планирует их разрабатывать, важно иметь базовое представление о том, как строится модель SAR, а также знать пределы и потенциал этой технологии.

Этот мини-обзор в значительной степени представляет собой краткое изложение материала, предоставленного в рамках курса повышения квалификации на 38-м ежегодном собрании Общества токсикологии в марте 1999 года под названием «Практика взаимосвязей структура-активность в токсикологии», и он не предназначен для использования в качестве учебного пособия. исчерпывающий обзор предметной области.В нем будут обсуждены некоторые подходы к моделированию, адаптированные к проблемам токсикологии, и будет подчеркнуто, что QSAR является ценным дополнением к экспериментальным данным и отправной точкой для дальнейшего исследования молекулярных механизмов. Примеры иллюстрируют различные подходы и некоторые аспекты практики SAR, поскольку они относятся к текущим токсикологическим анализам in vitro, и in vivo, . Темы включают науку о SAR в контексте токсикологии и важные элементы для обоснованного применения, специальное применение методов и подходов 3D SAR, использование моделей для анализа биологической активности ионов металлов в токсикологии и применение экспертных систем для скрининга и прогнозирования. токсикологического исхода.Растет осознание (Conolly et al., 1999; McKinney, 1996) важности фундаментальных исследований механизмов токсического действия химических веществ как средства для улучшения понимания и обеспечения более рациональной основы для оценки риска. Подходы к моделированию на основе структуры являются одним из компонентов для лучшей интеграции физико-химических и биологических свойств в оценку риска.

Фон

Взаимосвязь структурной активности связывает характеристики химической структуры со свойством, эффектом или биологической активностью, связанной с этим химическим веществом.При этом могут быть как качественные, так и количественные соображения. Фундаментальная предпосылка состоит в том, что структура химического вещества неявно определяет его физические и химические свойства и реакционную способность, которые во взаимодействии с биологической системой определяют его биологические / токсикологические свойства. Процесс разработки SAR — это попытка понять и выявить, как свойства, относящиеся к активности, закодированы и определены химической структурой.

В фармацевтической и химической промышленности SAR уже давно используются для разработки химикатов с коммерчески желательными свойствами.Это особенно характерно для области разработки лекарств, где ищут химические вещества с желаемой фармакологической и терапевтической активностью. В области защиты окружающей среды и здоровья SAR используется для прогнозирования воздействия на окружающую среду и здоровье человека, причем приложения широко варьируются. Он даже используется, чтобы помочь промышленности разрабатывать более безопасные химические вещества для коммерческого использования как часть их желаемых свойств.

Почему токсикологи должны интересоваться SAR? Токсикологи обычно занимаются исследованиями одного химического вещества в конкретной биологической системе.SAR предлагает средства для связи токсикологических данных по спектру химических веществ и, возможно, биологических конечных точек, освещая ассоциации, которые выходят за рамки деталей токсикологических экспериментов с одним химическим веществом, и, возможно, раскрывая аспекты токсикологических механизмов, которые могут быть обобщены для всех химических веществ. При использовании для прогнозирования SAR могут снизить потребность в измерениях свойств и тестировании на животных, обеспечивая более эффективный скрининг химических веществ по широкому диапазону конечных точек токсичности.В конечном итоге это может привести к лучшей защите здоровья окружающей среды за счет стратегического использования ограниченных ресурсов, направленных на выявление наиболее серьезных химических опасностей.

Наука SAR

SAR находится на стыке биологии, химии и статистики (рис. 1). Целенаправленное объединение этих дисциплин, достигаемое посредством деятельности SAR, позволило развить исследовательскую деятельность, напоминающую «науку SAR» (Hansch, 1969; Hansch et al., 1989; Герменс, 1996; Топлисс и Эдвардс, 1979). При соотнесении структуры с активностью цель SAR состоит в том, чтобы сделать обобщения в конкретных случаях и за их пределами, развивая понимание того, что составляет класс активных молекул, что определяет относительную активность и что отличает их от неактивных классов. Под заголовком SAR включены различные виды деятельности, от использования эвристики и экспертных оценок до рассмотрения сходства / разнообразия химических веществ и формальных математических ассоциаций свойств и показателей активности.Фундаментальное предположение в QSAR состоит в том, что аналогичные химические вещества имеют достаточно общие механические элементы, чтобы иметь общий шаг, определяющий скорость, и аналогичные потребности в энергии для деятельности. Далее предполагается, что различия в скоростях реакции приведут к наблюдаемым различиям в активности или количественной активности. Ключевым моментом является определение аспектов структуры, относящихся к определяющему скорость, молекулярно-запускающему событию в механизме действия для интересующих химических и биологических действий.Следовательно, механизм действия является руководящей концепцией при определении групп химических веществ, подходящих для изучения, и молекулярных дескрипторов, потенциально наиболее важных для активности. В конечном итоге именно связь SAR с механизмом позволяет построить научное обоснование для учета вариаций активности в существующих химических веществах. Это, в свою очередь, обеспечивает наиболее надежную научную основу для прогнозирования активности новых и непроверенных химических веществ. Установив идеальный случай, мы столкнулись с реальностью того, что многие конечные точки токсичности являются сложными, часто плохо изученными и охарактеризованными и не поддаются разрешению до уровня общего механизма действия.В той мере, в какой мы можем решить проблему токсичности, SAR могут быть способны к глобальной дискриминации среди различных механизмов, например, к классификации по структурным фрагментам предупреждения и / или локальной дискриминации в рамках более четко определенного, основанного на механизмах класса.

Хорошей иллюстрацией первого является недавний отчет об усовершенствованных моделях MultiCASE, разработанных в сотрудничестве с FDA, для прогнозирования потенциала канцерогенности грызунов для фармацевтических баз данных (Matthews and Contrera, 1988).Классификации основаны в первую очередь на идентифицированных MultiCASE структурных тревожных характеристиках молекул и потенциально применимы для грубого скрининга широкого разнообразия химических структур и механизмов канцерогенности. Напротив, ярким примером применения SAR на основе механизмов, которое повлияло на оценку риска, является моделирование способности связывания Ah рецепторами диоксиноподобных соединений, включая, в частности, структурно родственные полихлорированные диоксины, дибензофураны и бифенилы.Обширные исследования Safe с соавторами (1990, 1994) и другими, демонстрирующие корреляцию порядка ранжирования между связыванием Ah-рецептора и различными показателями ответа, как in vivo, и in vitro, , были эффективны в установлении общего механизма действия для эти токсические реакции. Это, в свою очередь, привело к разработке и использованию факторов токсической эквивалентности (TEF) для определения концентраций эквивалентов диоксина (TEQ) в оценках рисков для человека и окружающей среды, связанных с воздействием сложных смесей этих соединений в реальных условиях. (Ван ден Берг и др. ., 1998). При получении значений TEF различные доступные данные, в том числе исследования in vivo, , in vitro, и QSAR, обычно взвешиваются с использованием многоуровневого подхода. Этот общий подход в основном представляет собой схему относительного ранжирования активности, в которой относительная эффективность каждого химического вещества выражается как некоторая доля активности 2,3,7,8-тетрахлордибензо- p -диоксина (TCDD). Механический анализ SAR был особенно важен для выявления близкого структурного сходства «копланарных ПХБ» с TCDD и связанных с ними высокотоксичных свойств (McKinney et al ., 1981).

Элементы SAR

Есть несколько важных элементов, которые следует учитывать при разработке механических SARs (рис. 2). Как указано выше, желательно, когда это возможно, разработать механистическую классификацию представляющей интерес биологической / токсикологической активности. Это, в свою очередь, определяет наиболее подходящие химические вещества, связанные свойства и дескрипторы для изучения, относящиеся к этапу (этапам) контроля / распознавания интересующей деятельности.Кроме того, есть дескрипторы, которые в целом важны для приближения способности химического вещества достигать места действия; наиболее ярким примером такого дескриптора является коэффициент разделения октанол / вода (Hansch and Dunn, III, 1972). Другие способы представления молекул могут выходить за рамки тех, которые основаны на двумерной структуре, атомах и связях, до способов, основанных на трехмерной структуре, стерических и электростатических полях. Последние наиболее подходят, если известен или подозревается механизм, опосредованный рецепторами.Наконец, необходимы соответствующие методы анализа для установления связи между интересующими активностями и химическими структурами, которые будут зависеть от характера меры активности (например, качественный или количественный) и степени понимания химического механизма действия (например, , опосредованный рецепторами) и т. д. Цель состоит в том, чтобы на каждом этапе процесса рассматривать то, что является химически и биологически правдоподобным, разумно ограничивать проблему в этих терминах и создавать модели, которые имеют сильное научное обоснование и основу для интерпретация.

SAR Модели

Модель SAR определяется и ограничивается характером и качеством данных, используемых при разработке модели, и строго применима только по отношению к набору данных, который использовался для ее создания, но, возможно, имеет прогностическую способность в некоторых разумных границах за пределами этого набор данных. При оценке модели SAR важно определить границы применения, учитывая, какие виды молекул и диапазон значений дескрипторов обладают активностями, которые можно с уверенностью предсказать, а также статистическими мерами соответствия, значимости и надежности.Модели также могут привести к механистическим гипотезам, которые будут определять будущее тестирование и проверку. Процесс проверки модели должен проверять возможности прогнозирования, а также исследовать границы применения модели и подвергать сомнению механистические гипотезы, предложенные хорошо построенной моделью.

Модели SAR полезны в исследованиях для целей, выходящих за рамки прогнозирования. Они могут предложить рационализацию вариаций активности в существующих данных, обосновать общий механизм активности (и аддитивность эффекта) для ряда химических веществ (Richard and Hunter III, 1996), выявить выбросы из-за экспериментальной ошибки или альтернативных механизмов (Lipnick , 1991), сужают эксперимент по определению диапазона доз (используя прогнозируемую дозу в качестве первой оценки), служат метрикой для сравнения различных биологических конечных точек (Hansch et al., 1995) и направить дальнейшие исследования. Идеальная модель SAR должна учитывать достаточное количество молекул для адекватного статистического представления, иметь широкий диапазон количественных активностей (порядков величины) или адекватное распределение молекул в каждом классе активности (активном и неактивном) и поддаваться механистической интерпретации (Hermens, 1996). В задачах моделирования токсикологии этот идеал встречается редко. Для многих представляющих интерес конечных точек токсичности различные химические структуры, незнание механизмов и большие пробелы в данных чаще являются нормой.Эти ограничения нашей способности строить «классические» взаимосвязи QSAR, т. Е. Основанные на четко определенных классах химических веществ, привели к различным попыткам разработать «глобальные» модели прогнозирования SAR для так называемых некородственных химических веществ, т. Е. Больших наборов структурно и механически разнообразные химические вещества (некоторые обзоры см., например, Benfenati and Gini, 1997; Benigni and Richard, 1996, 1998). Однако, поскольку SAR в конечном итоге основывается на связи с механизмом, любой успех, достигнутый с помощью этих методов, зависит от степени, в которой глобальные модели способны различать и адекватно представлять основанные на механизмах компоненты SAR в более крупном наборе данных (Lewis, 1992). ; Ричард, 1995; Вагнер и др., 1995).

Системы прогнозирования

В настоящее время доступны два основных типа коммерческих систем прогнозирования токсичности: программы, основанные на корреляции или статистике, и экспертные системы, основанные на правилах (см. Benfenati and Gini, 1997; главу 6 в Hansch and Leo, 1995; и Richard, 1998a, b). . Корреляционные системы, такие как CASE / MultiCASE (Klopman, 1984) и TOPKAT (Enslein, 1993), как правило, обрабатывают большую группу некородственных химических веществ без предвзятости пользователя или предварительной организации и пытаются извлечь ассоциации SAR из данных статистическими методами. средства.Самый большой недостаток таких систем — простота создания прогнозов по сравнению с необходимостью тщательной проверки результатов. Как правило, такие методы лучше подходят для грубой идентификации «предупреждающих» классов, чем для распознавания более мелких вариаций активности внутри этих классов. Системы на основе правил, такие как DEREK (Sanderson and Earnshaw, 1991) и ONCOLOGIC (Woo et al., 1995), создают ассоциации и обобщения из небольших групп химических веществ, группируют химические вещества аналогичного действия в классы на основе определений органической химии. и ограниченное понимание механизмов, а также использование экспертных оценок и основанных на механизмах обоснований внутри классов.Системы, основанные на правилах, обычно более ограничены в своем применении, чем подходы более коррелятивного типа, но они могут предложить большую химическую и биологическую интерпретируемость для химических веществ, которые они предсказывают.

3D-QSAR

Методы «структура-активность», которые рассматривают трехмерную структуру смоделированных соединений в пространственном отношении друг к другу, в совокупности называются методами трехмерного QSAR (3D-QSAR). Эти методы пытаются идентифицировать пространственно-локализованные особенности в серии молекул, которые коррелируют с активностью и представляют требования для связывания лиганда и комплементарности постулируемому сайту связывания рецептора (Green and Marshall, 1995; Marshall and Cramer, III, 1988).Эти процедуры расширяют подход QSAR в трех измерениях, выбирая вручную (Cramer III et al., 1988) или автоматически (Jain et al., 1994) одну конкретную геометрию для каждого моделируемого соединения и используя молекулярный каркас (Cramer III, 1988), метод наложения фармакофора (Van Drie et al., 1989) и / или молекулярного поля (Kearsley and Smith, 1990).

В основе методов 3D-QSAR лежат следующие допущения:

• Смоделированное соединение, а не его метаболиты или другие продукты трансформации, ответственны за биологический эффект.

• Предлагаемая или смоделированная конформация является биоактивной.

• Все соединения одинаково связываются с одним и тем же сайтом.

• Биологическая активность во многом объясняется энтальпическими процессами (стерическими, электростатическими, водородными связями и т. Д.).

• Энтропийные члены одинаковы для всех соединений.

• Система находится в равновесии.

• Общие эффекты растворителя — диффузия, перенос и т. Д.- относятся к исследуемым молекулам и поэтому не рассматриваются.

Хотя процесс 3D-QSAR (особенно применяемый в сравнительном молекулярном полевом анализе (CoMFA)), хотя и пользуется гораздо более широким использованием в области дизайна лекарственных средств, будет описан здесь в контексте его ограниченного применения в области прогноз токсикологии. CoMFA является одним из первых предшественников современных методов 3D-QSAR, был разработан в 1983–1987 годах (Cramer III and Bunce, 1987), продолжает совершенствоваться и остается одним из наиболее широко используемых методов 3D-QSAR на сегодняшний день. .В CoMFA нековалентные взаимодействия лиганд-рецептор представлены стерическими (Леннард-Джонс) и электростатическими (кулоновскими) взаимодействиями с лигандом. Стерические и электростатические взаимодействия атомов зонда с лигандом рассчитываются в точках единой сетки, а затем заносятся в таблицу для каждой молекулы (строки) в серии. Результирующая матрица анализируется с помощью многовариантной статистики (частичные наименьшие квадраты или PLS), в результате чего получается уравнение, связывающее значение поля CoMFA с активностью. Этот процесс также выделяет те особенности предполагаемого рецептора, которые исследуются набором данных структура-активность.

В общем, цель этой и других связанных процедур 3D-QSAR состоит в том, чтобы разместить молекулы с общими выравниваниями в трехмерной сетке (или области), вычислить значения взаимодействия для каждой точки сетки и поместить значения для каждой точки в QSAR. Таблица. Затем создайте уравнение на основе регрессии PLS, чтобы описать взаимосвязь между значениями и зарегистрированными действиями, проверить прогностическую способность QSAR с помощью перекрестной проверки (и определить оптимальное количество компонентов), визуализировать окончательную модель QSAR, построив график. коэффициенты в соответствующих областях пространства, и используйте окончательное уравнение QSAR для оценки биологической активности для других новых соединений, не включенных в модель.

Требования для успешной разработки модели 3D-QSAR включают выбор соответствующих соединений и биологических данных для использования в качестве обучающего набора и определение полезного и значимого выравнивания молекул для исследования. Общее правило состоит в том, что для получения QSAR требуется не менее 20 соединений, хотя полезные QSAR были получены с использованием всего 7 соединений в модели. Качество и выбор биологических данных для моделирования имеют решающее значение для успешной разработки модели.Также важны диапазон и распределение биологических данных при нормальном распределении данных по максимально широкому диапазону деятельности (минимум 3 логарифмических единицы). Первоначальная задача состоит в том, чтобы выбрать структурные конформеры, максимально приближенные к реальным биоактивным конформерам. При отсутствии информации о биоактивном конформере обычно используются стандартные процедуры оптимизации геометрии, которые определяют минимальную энергетическую конформацию. Затем цель процедуры выравнивания состоит в том, чтобы наложить конформеры таким образом, чтобы точно отразить общую ориентацию связывания лиганда с рецептором.Поскольку реальные биоактивные конформеры известны редко, было полезно предположить, что лиганды, независимо от химического состава, связываются в конформациях и ориентациях, которые представляют аналогичные модели стерического и электростатического потенциала с рецептором-мишенью. Это концептуальная основа «фармакофора» (Ariens, 1966), который определяется как критическое трехмерное расположение лиганд-функциональных групп, ответственных за создание этих паттернов, дополняющих целевой сайт (сайты). Процесс выравнивания ориентирует данную молекулярную конформацию в трехмерном пространстве относительно всех других молекул в наборе.Чрезвычайно важно, чтобы это выполнялось самосогласованным образом, поскольку различия в значениях полей должны отражать структурные вариации. В некоторых случаях это может означать использование конформаций, которые не обязательно имеют самую низкую энергию. Инструменты выравнивания (обсуждение см. В Klebe et al., 1994, 1994), которые использовались, варьируются от простых методов, таких как RMS fit, field fit и Multifit, до более сложных методов, таких как SEAL и Receptor / DISCO.

После определения соответствующего выравнивания молекул для сравнения, поля 3D-QSAR оцениваются по области, обычно определяемой как «атомы», которые постулируются как составляющие рецепторный сайт известной геометрии.Стерические и электростатические поля чаще всего используются для таких целей и рассчитываются с помощью «зонда атома», помещенного на пересечениях трехмерной решетки. Также можно определить множество других полей в 3D-QSAR, которые могут отражать такие вещи, как свойства разделения и реакционной способности молекул, такие как поля HOMO / LUMO, поля сетки поляризуемости и гидрофобные поля.

Несколько статистических инструментов (см., Например, Cramer III, et al., 1988) используются для анализа параметров 3D-QSAR, чтобы прийти к окончательной модели QSAR и проверить стабильность полученного уравнения.Эти инструменты включают перекрестную проверку для проверки внутренней предсказуемости модели, перекрестную проверку r ² (т. Е. q ² ) для оценки дисперсии, прогнозируемой моделью, и бутстрапирование для проверить стабильность числовых значений QSAR. Важным аспектом процесса моделирования, который помогает в оценке и интерпретации, является графическое представление результатов 3D-QSAR. Поскольку каждый коэффициент в уравнении 3D-QSAR соответствует типу поля и трехмерной координате в регионе, коэффициенты 3D-QSAR могут отображаться графически в виде точечных или контурных диаграмм.Поля также могут иметь цветовую кодировку в соответствии с их уровнем вклада в модель (например, положительный или отрицательный), чтобы помочь в интерпретации модели и сообщить природу и роль конкретных структурных свойств в моделях. Цель состоит в том, чтобы в конечном итоге использовать окончательное уравнение QSAR для прогнозирования, отмечая точки поля, которые находятся за пределами выделенных графических областей модели, требующих экстраполяции (т. Е. Новое структурное пространство). Успешные модели 3D-QSAR в области прогнозирования токсичности в первую очередь сосредоточены на конечных точках, которые, как известно, опосредованы рецепторами.Примеры включают модели рецепторов эстрогена, андрогена и диоксина (Waller et al., 1996b, c; Waller and McKinney, 1995), индукции ассоциированных ферментов (Waller and McKinney, 1992) и специфических активностей биоактивации P-450 (Waller et al., 1996a). Графическое представление модели CoMFA, связывающей рецептор эстрогена, показано на рисунке 3 (A и B), с контурными графиками стерического и электростатического поля (с эстрадиолом, используемым в качестве матрицы для выравнивания), указывающими области положительного и отрицательного вкладов стерической массы и областей. положительного или отрицательного заряда.

Было показано, что 3D-QSAR полезен для идентификации потенциальных токсикантов, особенно для активности, которая, как известно, опосредована рецепторами или связана со специфическими связывающими белками. 3D-QSAR дает дополнительные надежды в качестве средства для вывода и лучшего понимания конкретных молекулярных требований для взаимодействия с рецепторами. Ограниченные данные и понимание относительно опосредованной рецепторами токсичности и необходимости строгого конформационного анализа и анализа суперпозиции (проблема выравнивания) в настоящее время препятствуют крупномасштабному применению моделей 3D-QSAR в качестве инструментов прогнозирования.По мере развития токсикологического понимания на молекулярном уровне и дальнейшего развития и проверки вычислительных инструментов быстрые и точные прогнозы определенной токсикологической активности, основанные на трехмерной молекулярной структуре, будут в большей степени выполнять свои текущие ожидания.

Применение для металлов

При изучении биологической активности органических соединений, к которым относится большая часть лекарств и химикатов окружающей среды, часто применялись методы и подходы QSAR.Кроме того, большая часть наших сегодняшних знаний и понимания механизмов, с помощью которых посторонние химические вещества влияют на биологические системы, основаны на исследованиях органических соединений. В этой работе использовались подходы, основанные на SAR, и она привела к некоторым фундаментальным принципам, которые помогают нам понять, а иногда и предсказать биологические эффекты данного органического химического вещества. Два основных подхода оказались особенно полезными в управлении нашей способностью предсказывать биологическую активность органических соединений.К ним относятся признание структурного сходства с соединениями, которые, как известно, важны для промежуточного метаболизма и связанных с ним процессов жизнедеятельности (т. Е. Концепции летального синтеза и антиметаболитов [Peters, 1963]), определение конкретных действий на дискретных фармакологических рецепторах (т. и токсикофоры, обсуждавшиеся ранее), и прогнозирование неспецифических эффектов, основанных на физико-химических свойствах и реакционной способности молекул. Частным случаем последнего является гипотеза ковалентного связывания, в которой предполагается, что химически реактивные вещества неферментативно реагируют с клеточными макромолекулами, такими как белки и нуклеиновые кислоты.

Пытаясь распространить вышеупомянутые соображения на соединения металлов (Hanzlik, 1981), мы сталкиваемся с гораздо более ограниченными знаниями о нормальном физиологическом функционировании металлов в биологических системах и значительно более широким диапазоном химических свойств и реакционной способности, предлагаемых металлами. соединения различного типа. Кроме того, был достигнут определенный успех в проведении параллелей между биохимической токсикологией органических и неорганических химикатов на основе ключевых химических свойств или процессов, которые могут быть общими для обеих групп.К ним относятся взаимосвязь между связыванием и связыванием, способность металлов функционировать как электрофильные частицы с «алкилирующими» свойствами, относительная важность размера иона металла по отношению к заряду и роль металлов как «антиметаболитов» в процессах изоморфного обмена. Представляет интерес потенциал методов 3D-QSAR для изучения процессов изоморфного обмена с участием ионов металлов. Кроме того, соединения металлов могут действовать как инициаторы или катализаторы in vivo и могут участвовать в комплексообразовании и окислительно-восстановительных процессах при абсорбции, хранении, метаболизме и экскреции.

Недавние исследования (Newman et al., 1998) с использованием характеристик связывания металл-лиганд для прогнозирования токсичности металлов и развития количественных соотношений характер-активность иона (QICAR) показывают многообещающие в качестве скринингового подхода и в ситуациях, аналогичных тем в котором применяются QSAR. Поскольку основное внимание в фармакологии и в значительной степени в токсикологии человека уделялось органическим лекарствам и ядам, QICAR не получили должного развития. Кроме того, химическое определение усложняет прогноз, поскольку обычно одновременно присутствуют несколько видов металлов, а биодоступность каждого неоднозначна.Однако часть этой неоднозначности может быть устранена путем разумного применения модели активности свободных ионов (FIAM). Эта модель является расширением гипотезы свободных ионов, в которой биоактивность растворенного металла коррелирует с его концентрацией или активностью свободных ионов.

В недавней работе (Newman et al., 1998) межметаллические тенденции токсичности были успешно смоделированы с помощью ионных характеристик, отражающих связывание металла с лигандами, связанное с широким спектром эффектов. В общем, модели для металлов с одинаковой валентностью (т.е.е. двухвалентные металлы) были лучше, чем соединения одно-, двух- и трехвалентных металлов. Ионные характеристики, которые были наиболее полезны при построении модели QICAR, включали параметр мягкости и абсолютное значение логарифма первой константы гидролиза. Индекс мягкости количественно определяет способность иона металла принимать электрон во время взаимодействия с лигандом. Это отражает важность ковалентных взаимодействий по сравнению с электростатическими взаимодействиями в определении межметаллических тенденций в биоактивности.Интересно, что мягкость или молекулярная поляризуемость часто являются важным фактором в процессах молекулярного распознавания и связывания органических соединений. Константа гидролиза отражает тенденцию иона металла к образованию стабильного комплекса с промежуточными лигандами, такими как донорные атомы O в биомолекулах. Не существует четкого аналога с точки зрения органической химии, и, похоже, это отличительная особенность, которая может иметь важное значение при определении относительной биоактивности металлов. Первое стабильное сокращенное состояние также внесло значительный вклад в несколько моделей с двумя переменными.Большинство моделей были полезны для целей прогнозирования на основе критерия F-отношения и перекрестной проверки, но аномальные прогнозы действительно имели место, если игнорировалось видообразование. Важность видообразования могла помешать попыткам моделирования простых смесей в сложных средах. В этих случаях количественные попытки предсказать взаимодействия металлов в бинарных смесях на основе стабильности комплекса металл-лиганд не увенчались успехом.

Есть несколько решаемых проблем, которые требуют дальнейшего внимания, прежде чем подход QICAR будет иметь такую ​​же общую полезность, что и подход QSAR.Эти вопросы включают разработку и тестирование дополнительных объясняющих переменных, тщательную оценку ионных качеств, используемых для расчета объясняющих переменных, лучшее понимание моделей, способных предсказывать эффекты для сильно различающихся металлов (например, металлов с разными валентными состояниями), эффективное включение химического состава, изучение дополнительных эффектов и оценка применимости QICAR к сложным фазам, таким как отложения, почвы и продукты питания.

Применение экспертных систем

Аллергический контактный дерматит — это клеточный иммунологический ответ на химические вещества, которые контактируют и проникают через кожу.Это наиболее распространенное профессиональное кожное заболевание и представляет собой серьезную непрофессиональную проблему, связанную с окружающей средой. Аллергический контактный дерматит — это распространенное патологическое состояние, при котором понимание химии, как было показано, является ключом к пониманию различных элементов токсичности (Ashby et al., 1995; Kimber, 1996; Lepoittevin and Berl, 1996). Химические реакции и взаимодействия участвуют на протяжении всего процесса, начиная с пересечения кожного барьера (в основном контролируемого физико-химическими свойствами аллергена), через образование гаптен-белкового комплекса (в котором участвуют химические связи) или во время процесс распознавания между антигеном и рецепторами на Т-лимфоцитах (с участием быстро развивающейся области надмолекулярной химии).

Чтобы вызвать сенсибилизацию, химическое вещество должно проникнуть через кожу, где оно может метаболизироваться, а затем вступить в реакцию с белками поверхности клеток Лангерганса с образованием новых химических структур, которые считаются чужеродными. Таким образом, можно ожидать, что подходы и соображения SAR могут быть особенно полезными для понимания и прогнозирования взаимосвязи между такими контактными аллергическими свойствами химических веществ и их молекулярной структурой. Важные химические факторы контактной сенсибилизации включают молекулярные свойства, влияющие на биодоступность (соответствующий размер молекулы, полярность и водородные связи, обеспечивающие проникновение через кожу, медленный транзит и инициирование связывания), химическую стабильность (достаточную для достижения жизнеспособных тканей кожи в реактивном состоянии). форма), и реакционная способность белка (для образования стабильных связей с белками либо напрямую, либо через метаболическую активацию, как правило, электрофильными видами).Показано, что реакционноспособные химические вещества являются важными, включая ацилирующие / алкилирующие / арилирующие агенты, электрофилы Михаэля, альдегиды и родственные карбонильные реагенты, генераторы свободных радикалов и агенты обмена тиолов. Принимая во внимание предыдущее обсуждение способности металлов функционировать как электрофильные частицы с «алкилирующими» свойствами, неудивительно, что некоторые металлы или соли металлов могут приводить к контактной гиперчувствительности или дерматиту. Это подтверждает мнение о том, что координационные комплексы металлов могут быть достаточно стабильными, а модификация белков — достаточно важной, чтобы приводить к аллергии.

Помимо природы и реакционной способности определенных химических группировок в инициирующей активности, совместимость пространственной геометрии также может быть важным фактором, влияющим на взаимосвязь структура-активность, особенно в исследованиях перекрестной аллергии среди структурно связанных семейств химических веществ. Рецепторные молекулы обычно очень селективны в отношении размера и формы молекулы, и молекулы должны иметь аналогичные трехмерные характеристики, чтобы их распознавали истинные белковые биорецепторы.Это предполагает возможную роль подходов 3D-QSAR в изучении перекрестных аллергических свойств структурно родственных аллергенов.

Моделирование контактной гиперчувствительности — это область, в которой с некоторым успехом применялись методы SAR, основанные на правилах и корреляции (Ashby et al. , 1995; Barratt et al ., 1994a, b; Graham et al ., 1996; Payne, Walsh, 1994). Доступны базы данных сенсибилизации кожи, которые доступны для поиска по химической структуре, что позволяет быстро идентифицировать структурные аналоги и легкий доступ к связанным с ними данным о сенсибилизации кожи.Это, в свою очередь, позволяет оценить потенциал сенсибилизации кожи (прогностическое тестирование) химическими веществами (целиком или в виде субструктур) и обеспечивает основу для построения моделей QSAR и использования подходов SAR для оценки риска. Это может быть особенно важно, поскольку в настоящее время не существует проверенных, принятых нормативными документами методов in vitro для оценки сенсибилизирующего потенциала кожи химическими веществами, хотя описаны методы, которые могут быть полезны в фундаментальных исследованиях (Hauser and Katz, 1988).В отсутствие методов in vitro и системы на основе правил, такие как DEREK, могут служить первым шагом в стратегическом подходе к скринингу контактных аллергенов и определению приоритетов дальнейших исследований. Помимо классификации химических веществ как потенциальных сенсибилизаторов, требуется дополнительная работа для создания моделей QSAR, которые также могут оценивать относительную активность химических аллергенов.

ДЕРЕК

В течение некоторого времени было известно, что химические контактные аллергены способны реагировать с белками кожи либо непосредственно, либо после соответствующей биохимической трансформации.Корреляция белковой реактивности химических веществ с их потенциалом сенсибилизации кожи хорошо установлена ​​(Dupuis et al , 1982; Lepoittevin et al , 1998). В настоящее время невозможно предсказать относительную сенсибилизирующую способность только на основании физико-химических свойств. Тем не менее, существует одна экспертная система правил, которая коррелирует структурные предупреждения о реактивности белков химических веществ с их потенциалом сенсибилизации кожи. DEREK (аббревиатура от «дедуктивной оценки риска на основе имеющихся знаний») — это программа, которая включает в себя как программу контроля, так и базу химических правил (Barratt et al ., 1994а, б). В идеальном случае структурные предупреждения, используемые для выявления потенциальных сенсибилизирующих химических веществ, должны включать те структурные особенности, которые определяют проникновение через кожу и метаболизм (как активацию, так и деактивацию), химическую реактивность и иммунное распознавание. Тем не менее, DEREK, в его нынешнем виде, уделяет большое внимание компоненту химической реакционной способности.

Перед проведением каких-либо доклинических испытаний нового ингредиента, химическое вещество может быть оценено на наличие предупреждений о сенсибилизации кожи с помощью DEREK; Эта экспертная система позволяет оценивать большое количество химических веществ без доклинических испытаний.Таким образом, идентификация структурных предупреждений о сенсибилизации кожи может быть чрезвычайно полезной для руководства процессом разработки продукта. Однако важно отметить, что некоторые молекулы могут содержать структурную тревогу, но не могут быть сенсибилизаторами кожи, возможно, потому, что их проницаемость кожи слишком низкая или они не образуют иммунореактивный фрагмент в эпидермисе. Кроме того, тот факт, что химическое вещество не вызывает предупреждение о сенсибилизации кожи в DEREK, не гарантирует, что химическое вещество не является сенсибилизатором, поскольку его химический состав может быть новым для DEREK.Несмотря на текущие ограничения, использование DEREK представляет собой мощный первый шаг в стратегическом подходе к идентификации контактных аллергенов.

Структура базы данных

В дополнение к использованию DEREK была разработана база данных сенсибилизации кожи, в которой можно выполнять поиск по химической структуре. Система разработана таким образом, что структурные аналоги и связанные с ними данные испытаний на сенсибилизацию кожи могут быть обнаружены за считанные минуты. Данные о сенсибилизации кожи были собраны из нескольких источников.Данные о морских свинках и местных лимфатических узлах об известных сенсибилизаторах кожи были получены из опубликованной литературы (например, Andersen and Maibach, 1985; Ashby et al. ., 1993; Cronin and Basketter, 1994). Кроме того, данные о сенсибилизации кожи были получены из общедоступных баз данных, таких как TSCATS и IUCLID. В настоящее время эта база данных по сенсибилизации кожи содержит около 3500 химических веществ, связанных с данными тестов на сенсибилизацию кожи. Реляционная база данных используется для хранения данных о сенсибилизации кожи.

Для новых ингредиентов структура или структурные фрагменты используются для поиска структурных аналогов в базе данных сенсибилизации кожи. В зависимости от сходства между неизвестным соединением и силы данных о сенсибилизации кожи, связанных с аналогами, идентифицированными в базе данных, ценная информация может быть предоставлена ​​для процесса оценки риска. Поиск по химической структуре обеспечивает однозначный метод идентификации новых соединений, а также структурных аналогов, которые в сочетании с данными испытаний на сенсибилизацию кожи могут использоваться для прогнозирования потенциала сенсибилизации кожи химическим веществом.Использование таких взаимосвязей между структурой и активностью значительно сократило время разработки, затраты на испытания и использование животных.

ЗАКЛЮЧЕНИЕ

Учитывая огромный диапазон и вариабельность возможных взаимодействий химических веществ в биологических системах, маловероятно, что модели SAR когда-либо достигнут абсолютной уверенности в прогнозировании исхода токсичности, особенно в системе целого животного. Однако в разной степени это предостережение применимо к любой экспериментальной или вычислительной модели, требующей экстраполяции между уровнями биологической организации (например,g., биохимический для in vitro от до in vivo () или между видами. Можно сделать гораздо больше для расширения масштабов и полезности подходов SAR за счет улучшения взаимосвязей между различными научными элементами проблемы SAR: химическими, биологическими и статистическими. Безусловно, новые технологии для уточнения биофункционального понимания (например, массивы ДНК для классификации химических веществ в соответствии с путями экспрессии генов) и лучшего понимания механистических элементов, относящихся к проявлению токсичности во всех системах, будут полезны для уточнения анализов SAR.Кроме того, необходимы более эффективные способы обеспечения широкого доступа к базам данных о токсичности и использования всей необходимой информации, полученной как на основе экспертных оценок, так и на основе количественного анализа, по проблеме прогнозирования.

SAR — это чрезвычайно многопрофильная область, потенциально применимая к широкому кругу проблем и конечных точек. Только в области окружающей среды и здоровья человека был подан ряд приложений для предотвращения загрязнения, скрининга токсичности и оценки риска (обзор см. В Walker, 2000).Работа SAR также была полезна при проведении механистических исследований и прогнозировании разрушающих эндокринную систему видов деятельности, экологической судьбы и экологических последствий химических веществ, а также взаимодействия между окружающей средой и здоровьем человека (Walker, 2000). Хотя такой широкий потенциал применения желателен и полезен, он также увеличивает возможность неправильного использования таких методов и подходов. Токсикология вступает в новую эру механистического подхода (Stevens and Marnett, 1999). Поскольку SAR в конечном итоге основывается на связи с механизмами, был сделан упор на подходе, основанном на механизмах, который постепенно создает базу данных и научное понимание взаимодействия химических веществ с различными формами жизни и жизнедеятельности на молекулярном уровне.В этом отношении SAR в сочетании с методами физической органической химии и биохимии будет способствовать дальнейшему развитию нашего научного понимания процессов, дающих жизнь, а также принесет практическую пользу обществу с точки зрения улучшения показателей здоровья.

РИС. 1.

SAR находится на пересечении биологии, химии и статистики.

РИС. 1.

SAR находится на пересечении биологии, химии и статистики.

РИС. 2.

Важные элементы в развитии механистических SAR.

РИС. 2.

Важные элементы в развитии механистических SAR.

РИС. 3.

Матричная структура представляет собой эстрадиол, а целевым свойством для отображаемой модели CoMFA является аффинность связывания эстрогенового рецептора. (A) Стерические поля: отрицательные значения представляют области (желтые контуры, появляющиеся над и под плоскостью фенольной части A-кольца молекулы) пространства, где стерическая масса должна быть удалена относительно структуры шаблона, а положительные значения (зеленые контуры в вблизи D-кольца) предполагают, что стерическая масса должна быть сохранена или увеличена.(B) электростатические поля; красные контуры, появляющиеся на обоих концах молекулы (за пределами A- и D-колец), обозначают области, где отрицательный заряд оказывается полезным для связывания, тогда как синие контуры предполагают, что желателен частичный положительный заряд.

РИС. 3.

Матричная структура представляет собой эстрадиол, а целевым свойством для отображаемой модели CoMFA является аффинность связывания эстрогенового рецептора. (A) Стерические поля: отрицательные значения представляют области (желтые контуры, появляющиеся над и под плоскостью фенольной части A-кольца молекулы) пространства, где стерическая масса должна быть удалена относительно структуры шаблона, а положительные значения (зеленые контуры в вблизи D-кольца) предполагают, что стерическая масса должна быть сохранена или увеличена.(B) электростатические поля; красные контуры, появляющиеся на обоих концах молекулы (за пределами A- и D-колец), обозначают области, где отрицательный заряд оказывается полезным для связывания, тогда как синие контуры предполагают, что желателен частичный положительный заряд.

ССЫЛКИ

Андерсен К. Э. и Майбах Х. И. (1985). Тесты для прогнозирования контактной аллергии на морских свинках: Актуальные проблемы дерматологии. Каргер, Нью-Йорк.

Ариенс, Э. Дж. (

1966

).Молекулярная фармакология — основа создания лекарств.

Fortschr Arzneimittelforsch

10

,

429

.

Эшби, Дж., Баскеттер, Д. А., Патон, Д., и Кимбер, И. (

1995

). Отношения структура-активность в сенсибилизации кожи с использованием анализа лимфатических узлов на мышах.

Токсикология

103

,

177

–194.

Эшби, Дж., Хилтон, Дж., Дирман, Р. Дж., Калландер, Р. Д., и Кимбер, И.(

1993

). Механистическая взаимосвязь между мутагенностью, сенсибилизацией кожи и канцерогенностью кожи.

Environ. Перспектива здоровья.

101

,

62

–67.

Барратт, М. Д., Баскеттер, Д. А., Чемберлен, М., Адманс, Г. Д., и Ланговски, Дж. Дж. (

1994

). База правил экспертной системы для определения контактных аллергенов.

Токсично. in Vitro

8

,

1053

–1060.

Баррат, М. Д., Баскеттер, Д. А., Чемберлен, М., Пейн, М. П., Адманс, Г. Д., и Ланговски, Дж. Дж. (

1994

). Разработка базы правил экспертной системы для определения контактных аллергенов.

Токсично. in Vitro

8

,

837

–839.

Бенфенати Э. и Джини Г. (

1997

). Вычислительные прогностические программы (экспертные системы) в токсикологии.

Токсикология

119

,

213

–225.

Бениньи Р. и Ричард А. М. (

1996

). QSAR мутагенов и канцерогенов: два тематических исследования, иллюстрирующих проблемы в построении моделей для неуниверсальных химических веществ.

Mutat. Res.

371

,

29

–46.

Бениньи Р. и Ричард А. М. (

1998

). Количественное моделирование на основе структуры применяется для характеристики и прогнозирования химической токсичности.

Методы

14

,

264

–276.

Конолли Р. Б., Бек Б. Д. и Гудман Дж. И. (

1999

). Стимулирование исследований для улучшения научной основы оценки рисков.

Toxicol. Sci.

49

,

1

–4.

Крамер Р. Д. III и Банс Дж. Д. (1987). Метод DYLOMMS: первые результаты сравнительного исследования подходов к 3D-QSAR. В QSAR in Drug Design and Toxicology (D. Hadzi and B. Jerman-Blazic, Eds.), Стр. 3–12. Эльзевир, Амстердам.

Крамер Р. Д., III, Паттерсон, Д. Э. и Банс, Дж. Д. (

1988

). Сравнительный анализ молекулярного поля (CoMFA): 1. Влияние формы на связывание стероидов с белками-носителями.

J. Am. Chem. Soc.

110

,

5959

.

Кронин М. Т. и Баскеттер Д. А. (

1994

). Многомерный QSAR-анализ базы данных сенсибилизации кожи.

SAR QSAR Environ. Res.

2

,

159

–179.

Дюпюи Г. и Бенезра К. (1982). Аллергический контактный дерматит на простые химические вещества. Молекулярный подход. Марсель Деккер, Нью-Йорк, Нью-Йорк.

Энслейн, К. (

1993

). Будущее предсказания токсичности с помощью QSAR.

In vitro токсикология

6

,

163

–169.

Гольберг, Л. (Ред.) (1983). Корреляция структура-активность как инструмент прогнозирования в токсикологии . Hemisphere Publishing, Нью-Йорк.

Грэм К., Гили Р., Мачина О. Т., Кароль М. Х. и Розенкранц Х. С. (

1996

). QSAR для аллергического контактного дерматита.

Кол. Struct. Действовать. Relat.

15

,

224

–229.

Грин С. и Маршалл Г. Р. (

1995

). 3D-QSAR: текущая перспектива.

Trends Pharmacol. Sci.

16

,

285

–291.

Hansch, C. (

1969

).Количественный подход к взаимосвязи биологической структуры и активности.

Акт. Chem. Res.

2

,

232

.

Hansch, C., and Dunn, W. J., III (

1972

). Линейные зависимости между липофильностью и биологической активностью лекарств.

J. Pharm. Sci.

61

,

1

–19.

Hansch, C., Hoekman, D., Leo, A., Zhang, L., и Li, P. (

1995

).Растущая роль количественных соотношений структура-активность (QSAR) в токсикологии.

Toxicol. Lett.

79,

45

–53.

Ханс, К., Ким, Д., Лео, А., Новеллино, Э., Силипо, К., и Виттория, А. (

,

, 1989,

). К количественной сравнительной токсикологии органических соединений.

Крит. Rev. Toxicol.

19

,

185

–226.

Hansch, C., and Leo, A. (1995). Изучение QSAR.. Основы и приложения в химии и биологии. Профессиональный справочник ACS, Американское химическое общество, Вашингтон, округ Колумбия.

Ханзлик Р. П. (1981). Токсичность и метаболизм соединений металлов: некоторые взаимосвязи между структурой и активностью. В Environmental Health Chemistry (J. D. McKinney, Ed.), Стр. 467–496. Издательство Ann Arbor Science Publishing, Анн-Арбор, Мичиган.

Хак Р. (ред.) (1980). Динамика, воздействие и оценка опасности токсичных химических веществ. Ann Arbor Science, Ann Arbor, MI.

Хаузер К. и Кац С. И. (

1988

). Активация и размножение гаптен- и белок-специфических Т-хелперов у несенсибилизированных мышей.

Proc. Natl. Акад. Sci. США

85

,

5625

–5628.

Герменс, Дж. Л. М. (1996). Отношения структура-деятельность. В книге «Токсикология : принципы и применение» (Р. Дж. М. Несинк, Дж. Де Вриз и М. А. Холлингер, ред.), Стр. 239–268. CRC Press, Нью-Йорк.

Херменс, Дж.Л. М. и Опперхёйзен А. (ред.) (1991). QSAR по экологической токсикологии IV. Elsevier, Амстердам.

Джайн, А. Н., Койл, К., и Чепмен, Д. (

1994

). Компас: прогнозирование биологической активности на основе свойств поверхности молекул. Сравнение производительности на стероидном тесте.

J. Med. Chem.

37

,

2315

–2327.

Кайзер, К. Л. Э., Изд. (1987). QSAR по экологической токсикологии II, Reidel, Dordrecht, Holland.

Karcher, W., and DeVillers, J., Eds. (1990). Практическое применение количественных соотношений структура-активность (QSAR) в химии окружающей среды и токсикологии. Клувер, Дордрехт и Бостон.

Кирсли С. и Смит Г. (

1990

). Альтернативный метод выравнивания молекулярных структур: максимальное электростатическое и стерическое перекрытие.

Tetrahedron Comput. Методол.

3

,

615

.

Кимбер И. (1996). Альтернативные методы тестирования контактной сенсибилизации. В Токсикология контактного дерматита (К. Кимбер и Т. Мауэр, ред.), Стр. 140–151. Тейлор и Фрэнсис, Лондон.

Клебе Г., Мицнер Т. и Вебер Ф. (

1994

). Различные подходы к автоматическому структурному выравниванию молекул лекарств: приложения к имитаторам стеролов, ингибиторам тромбина и термолизина.

J. Comput. Помощь Мол. Des.

8

,

751

–758.

Клопман Г. (

1984

). Подход искусственного интеллекта к исследованиям структуры-деятельности. Компьютерная автоматизированная оценка структуры биологической активности органических молекул.

J. Amer. Chem. Soc.

106

,

7315

–7320.

Lepoittevin, J.-P., Basketter, D.A., Goossens, A., and Karlber, A.T. (1998). Аллергический контактный дерматит: молекулярные основы. Springer, Берлин.

Лепойттевин Ж.-П., Берл В.(1996). Молекулярные основы аллергического контактного дерматита. В Дерматотоксикология, 5-е изд. (Фрэнсис Н. Марзулли и Говард И. Майбах, ред.), Стр. 147–160. Тейлор и Фрэнсис, Вашингтон, округ Колумбия

Льюис, Д. Ф. В. (1992). Компьютерные методы оценки химической токсичности. В обзоре по вычислительной химии (К. Б. Липковиц и Д. Б. Бойд, ред.), Стр. 173–221. Издательство VCH, Нью-Йорк.

Липник Р. Л. (

1991

). Выбросы: их происхождение и использование в классификации молекулярных механизмов токсичности.

Sci. Total Environ.

109/110

,

131

–153.

Маршалл, Г. Р. и Крамер, Р. Д. III (

1988

). Трехмерные отношения между структурой и деятельностью.

Trends Pharmacol. Sci.

9

,

285

–289.

Мэтьюз Э. Дж. И Контрера Дж. Ф. (

1998

). Новый высокоспецифичный метод прогнозирования канцерогенного потенциала фармацевтических препаратов у грызунов с использованием усовершенствованного программного обеспечения MCASE QSAR-ES.

Рег. Toxicol. Pharmacol.

28

,

242

–264.

МакКинни, Дж. Д. (

1985

). Монография о взаимосвязи структуры и активности в изучении механизмов и прогностической токсикологии.

Environ. Перспектива здоровья.

61

,

349

.

МакКинни, Дж. Д. (

1996

). Параметры реактивности в структуре-активности, оценка риска химических веществ на основе взаимосвязи.

Environ. Перспектива здоровья.

104

,

810

–816.

МакКинни, Дж. Д. и Сингх, П. (

1981

). Отношения структура-активность в галогенированных дифенилах: объединяющая гипотеза структурной специфичности.

Chem. Биол. Взаимодействовать.

33

,

271

–283.

Ньюман, М. К., Макклоски, Дж. Т., и Татара, К. П. (

1998

). Использование характеристик связывания металл-лиганд для прогнозирования токсичности металлов: количественное соотношение характеристик иона и активности (QICAR).

Environ. Перспектива здоровья.

106 (доп. 6)

,

1419

–1425.

Пейн М. П. и Уолш П. Т. (

1994

). Соотношение структура-активность для потенциала сенсибилизации кожи: разработка структурных предупреждений для использования в системах прогнозирования токсичности, основанных на знаниях.

J. Chem. Инф. Comput. Sci.

34

,

154

–161.

Петерс, Р. А. (1963). Биохимические поражения и летальный синтез. Пергамон, Оксфорд.

Рэнд, Г. М., и Петрочелли, С. Р., ред. (1985). Основы водной токсикологии. Hemisphere, Нью-Йорк.

Ричард А. М. (

1995

). Роль вычислительной химии в поддержке идентификации опасностей (ID): SAR на основе механизмов.

Toxicol. Lett.

79

,

115

–122.

Ричард, А. М. (

1998

). Структурные методы прогнозирования мутагенности и канцерогенности: мы уже на месте?

Mutat.Res.

400

,

493

–507.

Ричард, А. М. (

1998

). Коммерческие системы прогнозирования токсикологии: регуляторная перспектива.

Toxicol. Lett.

102–103

,

611

–616.

Ричард А. М. и Хантер Э. С., III (

1996

). Количественные отношения структура-активность для токсичности галогенуксусных кислот в культуре целых эмбрионов млекопитающих.

Тератология

53

,

352

–360.

Сейф, С. (

1990

). Полихлорированные бифенилы (ПХБ), дибензо- p -диоксины (ПХДД), дибензофураны (ПХДФ) и родственные соединения: экологические и механистические соображения, которые поддерживают развитие факторов токсической эквивалентности (TEF).

Крит. Rev. Toxicol.

21

,

51

–88.

Сейф, С. (

1994

).Полихлорированные дифенилы (ПХД): воздействие на окружающую среду, биохимические и токсические реакции, а также значение для оценки риска.

Крит. Rev. Toxicol.

24

,

87

–149.

Сандерсон Д. М. и Эрншоу К. Г. (

1991

). Компьютерное предсказание возможного токсического действия по химической структуре; система ДЕРЕК.

Hum. Exp. Toxicol.

10

,

261

–273.

Стивенс, Дж.Л. и Марнетт, Л. Дж. (

1999

). Определение молекулярной токсикологии: перспектива (передовая).

Chem. Res. Toxicol.

12

,

747

–748.

Топлисс, Дж. Г., и Эдвардс, Р. П. (

1979

). Факторы случайности в исследованиях количественных взаимосвязей структура-активность.

J. Med. Chem.

22

,

1238

–1244.

Ван ден Берг, М., Бирнбаум, Л., Босвельд, А.Т.С., Брюнстрем, Б., Кук, П., Фили, М., Гизи, Дж., Ханберг, А., Хасегава, Р., Кеннеди, С.В., Кубьяк, Т., Ларсен, Дж. К., ван Левен, FX, Лием, А. К., Нолт, К., Петерсон, Р. Э., Пеллингер, Л., Сейф, С., Шренк, Д., Тиллит, Д., Тисклинд, М., Юнес, М., Варн, Ф., и Захаровски , T. (

1998

) Факторы токсической эквивалентности (TEF) для ПХД, ПХДД, ПХДФ для человека и диких животных.

Environ. Перспектива здоровья.

106

,

775

–792.

Ван Дри, Дж. Х., Вейнингер, Д. и Мартин, Ю. К. (

1989

). ALADDIN: интегрированный инструмент для компьютерного молекулярного дизайна и распознавания фармакофоров на основе геометрического, стерического и субструктурного поиска трехмерных молекулярных структур.

J. Comput. Помощь Мол. Des.

3

,

225

–251.

Вагнер П. М., Набхольц Дж. В. и Кент Р. Дж. (

1995

). Новый химический процесс в Агентстве по охране окружающей среды (EPA): взаимосвязь структура-деятельность для идентификации опасностей и оценки рисков.

Toxicol. Lett.

79

,

67

–73.

Walker, J. D., Ed. (2000). Справочники по QSAR для (а) Предотвращение загрязнения, Скрининг токсичности, Оценка рисков и применение WWW; (b) Прогнозирование способности химических веществ к разрушению эндокринной системы; (c) Предсказание экологического воздействия химикатов; (d) Экологическая судьба химических веществ; и (e) «Прогнозирование воздействия химических веществ на взаимодействие между окружающей средой и здоровьем человека». SETAC Press, Пенсакола, Флорида.

Уоллер, К. Л., Эванс, М. В., и МакКинни, Дж. Д. (

1996

). Моделирование опосредованного цитохромом p450 метаболизма хлорированных летучих органических соединений.

Drug Metab. Дисп.

24

,

203

–210.

Уоллер, К. Л., Джума, Б. В., Грей, Л. Е., младший, и Келси, В. (

1996

). Трехмерные количественные отношения структура-активность для лигандов рецепторов андрогенов.

Toxicol. Прил. Pharmacol.

137

,

219

–227.

Уоллер, К. Л., и Маккинни, Дж. Д. (

1992

). Сравнительный анализ молекулярного поля полигалогенированных дибензо- p -диоксинов, дибензофуранов и бифенилов.

J. Med. Chem.

35

,

3660

–3666.

Уоллер, К. Л., и МакКинни, Дж. Д. (

1995

). Трехмерные количественные отношения структура-активность диоксинов и диоксиноподобных соединений: проверка модели и характеристика рецептора Ah.

Chem. Res. Toxicol.

8

,

847

–858.

Уоллер, К. Л., Опреа, Т. И., Ча, К., Парк, Х. К., Корах, К. С., Лоуз, С. К., Визе, Т. Е., Келс, В. Р., и Грей, Л. Е., младший (

1996

). Идентификация эстрогенов окружающей среды на основе лигандов.

Chem. Res. Toxicol.

9

,

1240

–1248.

Ву, Й.-Т., Лай, Д., Аргус, М., и Аркос, Дж. (

1995

).Разработка правил взаимосвязи структура-активность для прогнозирования канцерогенного потенциала химических веществ.

Toxicol. Lett.

79

,

219

–228.

© 2000 Общество токсикологии

Практика взаимоотношений структура-активность (SAR) в токсикологии | Токсикологические науки

Абстрактные

Как качественные, так и количественные методы моделирования, связывающие химическую структуру с биологической активностью, называемые анализом взаимосвязи структуры и активности или SAR, применяются для прогнозирования и определения характеристик химической токсичности.В этом мини-обзоре будут обсуждаться некоторые общие вопросы и подходы к моделированию, адаптированные к проблемам токсикологии. Обсуждаются различные подходы, а также некоторые аспекты и ограничения практики и науки SAR, поскольку они относятся к текущему токсикологическому анализу, а также основные элементы систем разработки и прогнозирования SAR и SAR-моделей. Другие темы включают применение 3-D SAR для понимания способности химических веществ вызывать эндокринные нарушения, а также использование моделей для анализа биологической активности ионов металлов в токсикологии.Также обсуждается пример интеграции знаний о механизмах в экспертную систему для прогнозирования сенсибилизации кожи к химическим веществам. В этом мини-обзоре будет рассмотрена полезность подходов к моделированию в качестве одного из компонентов для лучшей интеграции физико-химических и биологических свойств в оценку риска, а также рассмотрена возможность воздействия химических веществ и их взаимодействия как на окружающую среду, так и на здоровье человека.

Почему SAR?

Взаимосвязь структура-активность (SAR) является основой токсикологических исследований.Биологические свойства новых соединений часто основываются на свойствах аналогичных существующих материалов, опасность которых уже известна. Однако сегодня токсикологи сталкиваются с задачей скрининга большого количества различных химических веществ в различных средах на предмет увеличения числа конечных точек токсичности с использованием ограниченных ресурсов и меньшего количества животных. Тесты на животных и in vitro. по-прежнему считаются важными для поддержки оценки риска и принятия регулирующих мер, но часто являются слишком дорогостоящими и требуют много времени, чтобы их применять ко всему спектру химических веществ, для которых необходим и желателен определенный уровень токсикологического скрининга.Методы компьютерного моделирования, связывающие химическую структуру с качественной биологической активностью (SAR) и количественной биологической активностью (QSAR), применялись для решения многих различных проблем. Полученные в результате модели предназначены для прогнозирования и характеристики химической токсичности (Golberg, 1983; Haque, 1980; Hansch and Leo, 1995; Hermens and Opperhuizen, 1991; Kaiser, 1987; Karche and De Villers, 1990; McKinney, 1985; Rand и Петрочелли, 1985). Кроме того, с ускорением тенденций к лучшему пониманию химических механизмов токсикологических конечных точек и консолидации токсикологических данных в базах данных, есть расширенные возможности для включения таких методов в существующие токсикологические исследования.Следовательно, как для тех, кто планирует использовать модели SAR, так и для тех, кто планирует их разрабатывать, важно иметь базовое представление о том, как строится модель SAR, а также знать пределы и потенциал этой технологии.

Этот мини-обзор в значительной степени представляет собой краткое изложение материала, предоставленного в рамках курса повышения квалификации на 38-м ежегодном собрании Общества токсикологии в марте 1999 года под названием «Практика взаимосвязей структура-активность в токсикологии», и он не предназначен для использования в качестве учебного пособия. исчерпывающий обзор предметной области.В нем будут обсуждены некоторые подходы к моделированию, адаптированные к проблемам токсикологии, и будет подчеркнуто, что QSAR является ценным дополнением к экспериментальным данным и отправной точкой для дальнейшего исследования молекулярных механизмов. Примеры иллюстрируют различные подходы и некоторые аспекты практики SAR, поскольку они относятся к текущим токсикологическим анализам in vitro, и in vivo, . Темы включают науку о SAR в контексте токсикологии и важные элементы для обоснованного применения, специальное применение методов и подходов 3D SAR, использование моделей для анализа биологической активности ионов металлов в токсикологии и применение экспертных систем для скрининга и прогнозирования. токсикологического исхода.Растет осознание (Conolly et al., 1999; McKinney, 1996) важности фундаментальных исследований механизмов токсического действия химических веществ как средства для улучшения понимания и обеспечения более рациональной основы для оценки риска. Подходы к моделированию на основе структуры являются одним из компонентов для лучшей интеграции физико-химических и биологических свойств в оценку риска.

Фон

Взаимосвязь структурной активности связывает характеристики химической структуры со свойством, эффектом или биологической активностью, связанной с этим химическим веществом.При этом могут быть как качественные, так и количественные соображения. Фундаментальная предпосылка состоит в том, что структура химического вещества неявно определяет его физические и химические свойства и реакционную способность, которые во взаимодействии с биологической системой определяют его биологические / токсикологические свойства. Процесс разработки SAR — это попытка понять и выявить, как свойства, относящиеся к активности, закодированы и определены химической структурой.

В фармацевтической и химической промышленности SAR уже давно используются для разработки химикатов с коммерчески желательными свойствами.Это особенно характерно для области разработки лекарств, где ищут химические вещества с желаемой фармакологической и терапевтической активностью. В области защиты окружающей среды и здоровья SAR используется для прогнозирования воздействия на окружающую среду и здоровье человека, причем приложения широко варьируются. Он даже используется, чтобы помочь промышленности разрабатывать более безопасные химические вещества для коммерческого использования как часть их желаемых свойств.

Почему токсикологи должны интересоваться SAR? Токсикологи обычно занимаются исследованиями одного химического вещества в конкретной биологической системе.SAR предлагает средства для связи токсикологических данных по спектру химических веществ и, возможно, биологических конечных точек, освещая ассоциации, которые выходят за рамки деталей токсикологических экспериментов с одним химическим веществом, и, возможно, раскрывая аспекты токсикологических механизмов, которые могут быть обобщены для всех химических веществ. При использовании для прогнозирования SAR могут снизить потребность в измерениях свойств и тестировании на животных, обеспечивая более эффективный скрининг химических веществ по широкому диапазону конечных точек токсичности.В конечном итоге это может привести к лучшей защите здоровья окружающей среды за счет стратегического использования ограниченных ресурсов, направленных на выявление наиболее серьезных химических опасностей.

Наука SAR

SAR находится на стыке биологии, химии и статистики (рис. 1). Целенаправленное объединение этих дисциплин, достигаемое посредством деятельности SAR, позволило развить исследовательскую деятельность, напоминающую «науку SAR» (Hansch, 1969; Hansch et al., 1989; Герменс, 1996; Топлисс и Эдвардс, 1979). При соотнесении структуры с активностью цель SAR состоит в том, чтобы сделать обобщения в конкретных случаях и за их пределами, развивая понимание того, что составляет класс активных молекул, что определяет относительную активность и что отличает их от неактивных классов. Под заголовком SAR включены различные виды деятельности, от использования эвристики и экспертных оценок до рассмотрения сходства / разнообразия химических веществ и формальных математических ассоциаций свойств и показателей активности.Фундаментальное предположение в QSAR состоит в том, что аналогичные химические вещества имеют достаточно общие механические элементы, чтобы иметь общий шаг, определяющий скорость, и аналогичные потребности в энергии для деятельности. Далее предполагается, что различия в скоростях реакции приведут к наблюдаемым различиям в активности или количественной активности. Ключевым моментом является определение аспектов структуры, относящихся к определяющему скорость, молекулярно-запускающему событию в механизме действия для интересующих химических и биологических действий.Следовательно, механизм действия является руководящей концепцией при определении групп химических веществ, подходящих для изучения, и молекулярных дескрипторов, потенциально наиболее важных для активности. В конечном итоге именно связь SAR с механизмом позволяет построить научное обоснование для учета вариаций активности в существующих химических веществах. Это, в свою очередь, обеспечивает наиболее надежную научную основу для прогнозирования активности новых и непроверенных химических веществ. Установив идеальный случай, мы столкнулись с реальностью того, что многие конечные точки токсичности являются сложными, часто плохо изученными и охарактеризованными и не поддаются разрешению до уровня общего механизма действия.В той мере, в какой мы можем решить проблему токсичности, SAR могут быть способны к глобальной дискриминации среди различных механизмов, например, к классификации по структурным фрагментам предупреждения и / или локальной дискриминации в рамках более четко определенного, основанного на механизмах класса.

Хорошей иллюстрацией первого является недавний отчет об усовершенствованных моделях MultiCASE, разработанных в сотрудничестве с FDA, для прогнозирования потенциала канцерогенности грызунов для фармацевтических баз данных (Matthews and Contrera, 1988).Классификации основаны в первую очередь на идентифицированных MultiCASE структурных тревожных характеристиках молекул и потенциально применимы для грубого скрининга широкого разнообразия химических структур и механизмов канцерогенности. Напротив, ярким примером применения SAR на основе механизмов, которое повлияло на оценку риска, является моделирование способности связывания Ah рецепторами диоксиноподобных соединений, включая, в частности, структурно родственные полихлорированные диоксины, дибензофураны и бифенилы.Обширные исследования Safe с соавторами (1990, 1994) и другими, демонстрирующие корреляцию порядка ранжирования между связыванием Ah-рецептора и различными показателями ответа, как in vivo, и in vitro, , были эффективны в установлении общего механизма действия для эти токсические реакции. Это, в свою очередь, привело к разработке и использованию факторов токсической эквивалентности (TEF) для определения концентраций эквивалентов диоксина (TEQ) в оценках рисков для человека и окружающей среды, связанных с воздействием сложных смесей этих соединений в реальных условиях. (Ван ден Берг и др. ., 1998). При получении значений TEF различные доступные данные, в том числе исследования in vivo, , in vitro, и QSAR, обычно взвешиваются с использованием многоуровневого подхода. Этот общий подход в основном представляет собой схему относительного ранжирования активности, в которой относительная эффективность каждого химического вещества выражается как некоторая доля активности 2,3,7,8-тетрахлордибензо- p -диоксина (TCDD). Механический анализ SAR был особенно важен для выявления близкого структурного сходства «копланарных ПХБ» с TCDD и связанных с ними высокотоксичных свойств (McKinney et al ., 1981).

Элементы SAR

Есть несколько важных элементов, которые следует учитывать при разработке механических SARs (рис. 2). Как указано выше, желательно, когда это возможно, разработать механистическую классификацию представляющей интерес биологической / токсикологической активности. Это, в свою очередь, определяет наиболее подходящие химические вещества, связанные свойства и дескрипторы для изучения, относящиеся к этапу (этапам) контроля / распознавания интересующей деятельности.Кроме того, есть дескрипторы, которые в целом важны для приближения способности химического вещества достигать места действия; наиболее ярким примером такого дескриптора является коэффициент разделения октанол / вода (Hansch and Dunn, III, 1972). Другие способы представления молекул могут выходить за рамки тех, которые основаны на двумерной структуре, атомах и связях, до способов, основанных на трехмерной структуре, стерических и электростатических полях. Последние наиболее подходят, если известен или подозревается механизм, опосредованный рецепторами.Наконец, необходимы соответствующие методы анализа для установления связи между интересующими активностями и химическими структурами, которые будут зависеть от характера меры активности (например, качественный или количественный) и степени понимания химического механизма действия (например, , опосредованный рецепторами) и т. д. Цель состоит в том, чтобы на каждом этапе процесса рассматривать то, что является химически и биологически правдоподобным, разумно ограничивать проблему в этих терминах и создавать модели, которые имеют сильное научное обоснование и основу для интерпретация.

SAR Модели

Модель SAR определяется и ограничивается характером и качеством данных, используемых при разработке модели, и строго применима только по отношению к набору данных, который использовался для ее создания, но, возможно, имеет прогностическую способность в некоторых разумных границах за пределами этого набор данных. При оценке модели SAR важно определить границы применения, учитывая, какие виды молекул и диапазон значений дескрипторов обладают активностями, которые можно с уверенностью предсказать, а также статистическими мерами соответствия, значимости и надежности.Модели также могут привести к механистическим гипотезам, которые будут определять будущее тестирование и проверку. Процесс проверки модели должен проверять возможности прогнозирования, а также исследовать границы применения модели и подвергать сомнению механистические гипотезы, предложенные хорошо построенной моделью.

Модели SAR полезны в исследованиях для целей, выходящих за рамки прогнозирования. Они могут предложить рационализацию вариаций активности в существующих данных, обосновать общий механизм активности (и аддитивность эффекта) для ряда химических веществ (Richard and Hunter III, 1996), выявить выбросы из-за экспериментальной ошибки или альтернативных механизмов (Lipnick , 1991), сужают эксперимент по определению диапазона доз (используя прогнозируемую дозу в качестве первой оценки), служат метрикой для сравнения различных биологических конечных точек (Hansch et al., 1995) и направить дальнейшие исследования. Идеальная модель SAR должна учитывать достаточное количество молекул для адекватного статистического представления, иметь широкий диапазон количественных активностей (порядков величины) или адекватное распределение молекул в каждом классе активности (активном и неактивном) и поддаваться механистической интерпретации (Hermens, 1996). В задачах моделирования токсикологии этот идеал встречается редко. Для многих представляющих интерес конечных точек токсичности различные химические структуры, незнание механизмов и большие пробелы в данных чаще являются нормой.Эти ограничения нашей способности строить «классические» взаимосвязи QSAR, т. Е. Основанные на четко определенных классах химических веществ, привели к различным попыткам разработать «глобальные» модели прогнозирования SAR для так называемых некородственных химических веществ, т. Е. Больших наборов структурно и механически разнообразные химические вещества (некоторые обзоры см., например, Benfenati and Gini, 1997; Benigni and Richard, 1996, 1998). Однако, поскольку SAR в конечном итоге основывается на связи с механизмом, любой успех, достигнутый с помощью этих методов, зависит от степени, в которой глобальные модели способны различать и адекватно представлять основанные на механизмах компоненты SAR в более крупном наборе данных (Lewis, 1992). ; Ричард, 1995; Вагнер и др., 1995).

Системы прогнозирования

В настоящее время доступны два основных типа коммерческих систем прогнозирования токсичности: программы, основанные на корреляции или статистике, и экспертные системы, основанные на правилах (см. Benfenati and Gini, 1997; главу 6 в Hansch and Leo, 1995; и Richard, 1998a, b). . Корреляционные системы, такие как CASE / MultiCASE (Klopman, 1984) и TOPKAT (Enslein, 1993), как правило, обрабатывают большую группу некородственных химических веществ без предвзятости пользователя или предварительной организации и пытаются извлечь ассоциации SAR из данных статистическими методами. средства.Самый большой недостаток таких систем — простота создания прогнозов по сравнению с необходимостью тщательной проверки результатов. Как правило, такие методы лучше подходят для грубой идентификации «предупреждающих» классов, чем для распознавания более мелких вариаций активности внутри этих классов. Системы на основе правил, такие как DEREK (Sanderson and Earnshaw, 1991) и ONCOLOGIC (Woo et al., 1995), создают ассоциации и обобщения из небольших групп химических веществ, группируют химические вещества аналогичного действия в классы на основе определений органической химии. и ограниченное понимание механизмов, а также использование экспертных оценок и основанных на механизмах обоснований внутри классов.Системы, основанные на правилах, обычно более ограничены в своем применении, чем подходы более коррелятивного типа, но они могут предложить большую химическую и биологическую интерпретируемость для химических веществ, которые они предсказывают.

3D-QSAR

Методы «структура-активность», которые рассматривают трехмерную структуру смоделированных соединений в пространственном отношении друг к другу, в совокупности называются методами трехмерного QSAR (3D-QSAR). Эти методы пытаются идентифицировать пространственно-локализованные особенности в серии молекул, которые коррелируют с активностью и представляют требования для связывания лиганда и комплементарности постулируемому сайту связывания рецептора (Green and Marshall, 1995; Marshall and Cramer, III, 1988).Эти процедуры расширяют подход QSAR в трех измерениях, выбирая вручную (Cramer III et al., 1988) или автоматически (Jain et al., 1994) одну конкретную геометрию для каждого моделируемого соединения и используя молекулярный каркас (Cramer III, 1988), метод наложения фармакофора (Van Drie et al., 1989) и / или молекулярного поля (Kearsley and Smith, 1990).

В основе методов 3D-QSAR лежат следующие допущения:

• Смоделированное соединение, а не его метаболиты или другие продукты трансформации, ответственны за биологический эффект.

• Предлагаемая или смоделированная конформация является биоактивной.

• Все соединения одинаково связываются с одним и тем же сайтом.

• Биологическая активность во многом объясняется энтальпическими процессами (стерическими, электростатическими, водородными связями и т. Д.).

• Энтропийные члены одинаковы для всех соединений.

• Система находится в равновесии.

• Общие эффекты растворителя — диффузия, перенос и т. Д.- относятся к исследуемым молекулам и поэтому не рассматриваются.

Хотя процесс 3D-QSAR (особенно применяемый в сравнительном молекулярном полевом анализе (CoMFA)), хотя и пользуется гораздо более широким использованием в области дизайна лекарственных средств, будет описан здесь в контексте его ограниченного применения в области прогноз токсикологии. CoMFA является одним из первых предшественников современных методов 3D-QSAR, был разработан в 1983–1987 годах (Cramer III and Bunce, 1987), продолжает совершенствоваться и остается одним из наиболее широко используемых методов 3D-QSAR на сегодняшний день. .В CoMFA нековалентные взаимодействия лиганд-рецептор представлены стерическими (Леннард-Джонс) и электростатическими (кулоновскими) взаимодействиями с лигандом. Стерические и электростатические взаимодействия атомов зонда с лигандом рассчитываются в точках единой сетки, а затем заносятся в таблицу для каждой молекулы (строки) в серии. Результирующая матрица анализируется с помощью многовариантной статистики (частичные наименьшие квадраты или PLS), в результате чего получается уравнение, связывающее значение поля CoMFA с активностью. Этот процесс также выделяет те особенности предполагаемого рецептора, которые исследуются набором данных структура-активность.

В общем, цель этой и других связанных процедур 3D-QSAR состоит в том, чтобы разместить молекулы с общими выравниваниями в трехмерной сетке (или области), вычислить значения взаимодействия для каждой точки сетки и поместить значения для каждой точки в QSAR. Таблица. Затем создайте уравнение на основе регрессии PLS, чтобы описать взаимосвязь между значениями и зарегистрированными действиями, проверить прогностическую способность QSAR с помощью перекрестной проверки (и определить оптимальное количество компонентов), визуализировать окончательную модель QSAR, построив график. коэффициенты в соответствующих областях пространства, и используйте окончательное уравнение QSAR для оценки биологической активности для других новых соединений, не включенных в модель.

Требования для успешной разработки модели 3D-QSAR включают выбор соответствующих соединений и биологических данных для использования в качестве обучающего набора и определение полезного и значимого выравнивания молекул для исследования. Общее правило состоит в том, что для получения QSAR требуется не менее 20 соединений, хотя полезные QSAR были получены с использованием всего 7 соединений в модели. Качество и выбор биологических данных для моделирования имеют решающее значение для успешной разработки модели.Также важны диапазон и распределение биологических данных при нормальном распределении данных по максимально широкому диапазону деятельности (минимум 3 логарифмических единицы). Первоначальная задача состоит в том, чтобы выбрать структурные конформеры, максимально приближенные к реальным биоактивным конформерам. При отсутствии информации о биоактивном конформере обычно используются стандартные процедуры оптимизации геометрии, которые определяют минимальную энергетическую конформацию. Затем цель процедуры выравнивания состоит в том, чтобы наложить конформеры таким образом, чтобы точно отразить общую ориентацию связывания лиганда с рецептором.Поскольку реальные биоактивные конформеры известны редко, было полезно предположить, что лиганды, независимо от химического состава, связываются в конформациях и ориентациях, которые представляют аналогичные модели стерического и электростатического потенциала с рецептором-мишенью. Это концептуальная основа «фармакофора» (Ariens, 1966), который определяется как критическое трехмерное расположение лиганд-функциональных групп, ответственных за создание этих паттернов, дополняющих целевой сайт (сайты). Процесс выравнивания ориентирует данную молекулярную конформацию в трехмерном пространстве относительно всех других молекул в наборе.Чрезвычайно важно, чтобы это выполнялось самосогласованным образом, поскольку различия в значениях полей должны отражать структурные вариации. В некоторых случаях это может означать использование конформаций, которые не обязательно имеют самую низкую энергию. Инструменты выравнивания (обсуждение см. В Klebe et al., 1994, 1994), которые использовались, варьируются от простых методов, таких как RMS fit, field fit и Multifit, до более сложных методов, таких как SEAL и Receptor / DISCO.

После определения соответствующего выравнивания молекул для сравнения, поля 3D-QSAR оцениваются по области, обычно определяемой как «атомы», которые постулируются как составляющие рецепторный сайт известной геометрии.Стерические и электростатические поля чаще всего используются для таких целей и рассчитываются с помощью «зонда атома», помещенного на пересечениях трехмерной решетки. Также можно определить множество других полей в 3D-QSAR, которые могут отражать такие вещи, как свойства разделения и реакционной способности молекул, такие как поля HOMO / LUMO, поля сетки поляризуемости и гидрофобные поля.

Несколько статистических инструментов (см., Например, Cramer III, et al., 1988) используются для анализа параметров 3D-QSAR, чтобы прийти к окончательной модели QSAR и проверить стабильность полученного уравнения.Эти инструменты включают перекрестную проверку для проверки внутренней предсказуемости модели, перекрестную проверку r ² (т. Е. q ² ) для оценки дисперсии, прогнозируемой моделью, и бутстрапирование для проверить стабильность числовых значений QSAR. Важным аспектом процесса моделирования, который помогает в оценке и интерпретации, является графическое представление результатов 3D-QSAR. Поскольку каждый коэффициент в уравнении 3D-QSAR соответствует типу поля и трехмерной координате в регионе, коэффициенты 3D-QSAR могут отображаться графически в виде точечных или контурных диаграмм.Поля также могут иметь цветовую кодировку в соответствии с их уровнем вклада в модель (например, положительный или отрицательный), чтобы помочь в интерпретации модели и сообщить природу и роль конкретных структурных свойств в моделях. Цель состоит в том, чтобы в конечном итоге использовать окончательное уравнение QSAR для прогнозирования, отмечая точки поля, которые находятся за пределами выделенных графических областей модели, требующих экстраполяции (т. Е. Новое структурное пространство). Успешные модели 3D-QSAR в области прогнозирования токсичности в первую очередь сосредоточены на конечных точках, которые, как известно, опосредованы рецепторами.Примеры включают модели рецепторов эстрогена, андрогена и диоксина (Waller et al., 1996b, c; Waller and McKinney, 1995), индукции ассоциированных ферментов (Waller and McKinney, 1992) и специфических активностей биоактивации P-450 (Waller et al., 1996a). Графическое представление модели CoMFA, связывающей рецептор эстрогена, показано на рисунке 3 (A и B), с контурными графиками стерического и электростатического поля (с эстрадиолом, используемым в качестве матрицы для выравнивания), указывающими области положительного и отрицательного вкладов стерической массы и областей. положительного или отрицательного заряда.

Было показано, что 3D-QSAR полезен для идентификации потенциальных токсикантов, особенно для активности, которая, как известно, опосредована рецепторами или связана со специфическими связывающими белками. 3D-QSAR дает дополнительные надежды в качестве средства для вывода и лучшего понимания конкретных молекулярных требований для взаимодействия с рецепторами. Ограниченные данные и понимание относительно опосредованной рецепторами токсичности и необходимости строгого конформационного анализа и анализа суперпозиции (проблема выравнивания) в настоящее время препятствуют крупномасштабному применению моделей 3D-QSAR в качестве инструментов прогнозирования.По мере развития токсикологического понимания на молекулярном уровне и дальнейшего развития и проверки вычислительных инструментов быстрые и точные прогнозы определенной токсикологической активности, основанные на трехмерной молекулярной структуре, будут в большей степени выполнять свои текущие ожидания.

Применение для металлов

При изучении биологической активности органических соединений, к которым относится большая часть лекарств и химикатов окружающей среды, часто применялись методы и подходы QSAR.Кроме того, большая часть наших сегодняшних знаний и понимания механизмов, с помощью которых посторонние химические вещества влияют на биологические системы, основаны на исследованиях органических соединений. В этой работе использовались подходы, основанные на SAR, и она привела к некоторым фундаментальным принципам, которые помогают нам понять, а иногда и предсказать биологические эффекты данного органического химического вещества. Два основных подхода оказались особенно полезными в управлении нашей способностью предсказывать биологическую активность органических соединений.К ним относятся признание структурного сходства с соединениями, которые, как известно, важны для промежуточного метаболизма и связанных с ним процессов жизнедеятельности (т. Е. Концепции летального синтеза и антиметаболитов [Peters, 1963]), определение конкретных действий на дискретных фармакологических рецепторах (т. и токсикофоры, обсуждавшиеся ранее), и прогнозирование неспецифических эффектов, основанных на физико-химических свойствах и реакционной способности молекул. Частным случаем последнего является гипотеза ковалентного связывания, в которой предполагается, что химически реактивные вещества неферментативно реагируют с клеточными макромолекулами, такими как белки и нуклеиновые кислоты.

Пытаясь распространить вышеупомянутые соображения на соединения металлов (Hanzlik, 1981), мы сталкиваемся с гораздо более ограниченными знаниями о нормальном физиологическом функционировании металлов в биологических системах и значительно более широким диапазоном химических свойств и реакционной способности, предлагаемых металлами. соединения различного типа. Кроме того, был достигнут определенный успех в проведении параллелей между биохимической токсикологией органических и неорганических химикатов на основе ключевых химических свойств или процессов, которые могут быть общими для обеих групп.К ним относятся взаимосвязь между связыванием и связыванием, способность металлов функционировать как электрофильные частицы с «алкилирующими» свойствами, относительная важность размера иона металла по отношению к заряду и роль металлов как «антиметаболитов» в процессах изоморфного обмена. Представляет интерес потенциал методов 3D-QSAR для изучения процессов изоморфного обмена с участием ионов металлов. Кроме того, соединения металлов могут действовать как инициаторы или катализаторы in vivo и могут участвовать в комплексообразовании и окислительно-восстановительных процессах при абсорбции, хранении, метаболизме и экскреции.

Недавние исследования (Newman et al., 1998) с использованием характеристик связывания металл-лиганд для прогнозирования токсичности металлов и развития количественных соотношений характер-активность иона (QICAR) показывают многообещающие в качестве скринингового подхода и в ситуациях, аналогичных тем в котором применяются QSAR. Поскольку основное внимание в фармакологии и в значительной степени в токсикологии человека уделялось органическим лекарствам и ядам, QICAR не получили должного развития. Кроме того, химическое определение усложняет прогноз, поскольку обычно одновременно присутствуют несколько видов металлов, а биодоступность каждого неоднозначна.Однако часть этой неоднозначности может быть устранена путем разумного применения модели активности свободных ионов (FIAM). Эта модель является расширением гипотезы свободных ионов, в которой биоактивность растворенного металла коррелирует с его концентрацией или активностью свободных ионов.

В недавней работе (Newman et al., 1998) межметаллические тенденции токсичности были успешно смоделированы с помощью ионных характеристик, отражающих связывание металла с лигандами, связанное с широким спектром эффектов. В общем, модели для металлов с одинаковой валентностью (т.е.е. двухвалентные металлы) были лучше, чем соединения одно-, двух- и трехвалентных металлов. Ионные характеристики, которые были наиболее полезны при построении модели QICAR, включали параметр мягкости и абсолютное значение логарифма первой константы гидролиза. Индекс мягкости количественно определяет способность иона металла принимать электрон во время взаимодействия с лигандом. Это отражает важность ковалентных взаимодействий по сравнению с электростатическими взаимодействиями в определении межметаллических тенденций в биоактивности.Интересно, что мягкость или молекулярная поляризуемость часто являются важным фактором в процессах молекулярного распознавания и связывания органических соединений. Константа гидролиза отражает тенденцию иона металла к образованию стабильного комплекса с промежуточными лигандами, такими как донорные атомы O в биомолекулах. Не существует четкого аналога с точки зрения органической химии, и, похоже, это отличительная особенность, которая может иметь важное значение при определении относительной биоактивности металлов. Первое стабильное сокращенное состояние также внесло значительный вклад в несколько моделей с двумя переменными.Большинство моделей были полезны для целей прогнозирования на основе критерия F-отношения и перекрестной проверки, но аномальные прогнозы действительно имели место, если игнорировалось видообразование. Важность видообразования могла помешать попыткам моделирования простых смесей в сложных средах. В этих случаях количественные попытки предсказать взаимодействия металлов в бинарных смесях на основе стабильности комплекса металл-лиганд не увенчались успехом.

Есть несколько решаемых проблем, которые требуют дальнейшего внимания, прежде чем подход QICAR будет иметь такую ​​же общую полезность, что и подход QSAR.Эти вопросы включают разработку и тестирование дополнительных объясняющих переменных, тщательную оценку ионных качеств, используемых для расчета объясняющих переменных, лучшее понимание моделей, способных предсказывать эффекты для сильно различающихся металлов (например, металлов с разными валентными состояниями), эффективное включение химического состава, изучение дополнительных эффектов и оценка применимости QICAR к сложным фазам, таким как отложения, почвы и продукты питания.

Применение экспертных систем

Аллергический контактный дерматит — это клеточный иммунологический ответ на химические вещества, которые контактируют и проникают через кожу.Это наиболее распространенное профессиональное кожное заболевание и представляет собой серьезную непрофессиональную проблему, связанную с окружающей средой. Аллергический контактный дерматит — это распространенное патологическое состояние, при котором понимание химии, как было показано, является ключом к пониманию различных элементов токсичности (Ashby et al., 1995; Kimber, 1996; Lepoittevin and Berl, 1996). Химические реакции и взаимодействия участвуют на протяжении всего процесса, начиная с пересечения кожного барьера (в основном контролируемого физико-химическими свойствами аллергена), через образование гаптен-белкового комплекса (в котором участвуют химические связи) или во время процесс распознавания между антигеном и рецепторами на Т-лимфоцитах (с участием быстро развивающейся области надмолекулярной химии).

Чтобы вызвать сенсибилизацию, химическое вещество должно проникнуть через кожу, где оно может метаболизироваться, а затем вступить в реакцию с белками поверхности клеток Лангерганса с образованием новых химических структур, которые считаются чужеродными. Таким образом, можно ожидать, что подходы и соображения SAR могут быть особенно полезными для понимания и прогнозирования взаимосвязи между такими контактными аллергическими свойствами химических веществ и их молекулярной структурой. Важные химические факторы контактной сенсибилизации включают молекулярные свойства, влияющие на биодоступность (соответствующий размер молекулы, полярность и водородные связи, обеспечивающие проникновение через кожу, медленный транзит и инициирование связывания), химическую стабильность (достаточную для достижения жизнеспособных тканей кожи в реактивном состоянии). форма), и реакционная способность белка (для образования стабильных связей с белками либо напрямую, либо через метаболическую активацию, как правило, электрофильными видами).Показано, что реакционноспособные химические вещества являются важными, включая ацилирующие / алкилирующие / арилирующие агенты, электрофилы Михаэля, альдегиды и родственные карбонильные реагенты, генераторы свободных радикалов и агенты обмена тиолов. Принимая во внимание предыдущее обсуждение способности металлов функционировать как электрофильные частицы с «алкилирующими» свойствами, неудивительно, что некоторые металлы или соли металлов могут приводить к контактной гиперчувствительности или дерматиту. Это подтверждает мнение о том, что координационные комплексы металлов могут быть достаточно стабильными, а модификация белков — достаточно важной, чтобы приводить к аллергии.

Помимо природы и реакционной способности определенных химических группировок в инициирующей активности, совместимость пространственной геометрии также может быть важным фактором, влияющим на взаимосвязь структура-активность, особенно в исследованиях перекрестной аллергии среди структурно связанных семейств химических веществ. Рецепторные молекулы обычно очень селективны в отношении размера и формы молекулы, и молекулы должны иметь аналогичные трехмерные характеристики, чтобы их распознавали истинные белковые биорецепторы.Это предполагает возможную роль подходов 3D-QSAR в изучении перекрестных аллергических свойств структурно родственных аллергенов.

Моделирование контактной гиперчувствительности — это область, в которой с некоторым успехом применялись методы SAR, основанные на правилах и корреляции (Ashby et al. , 1995; Barratt et al ., 1994a, b; Graham et al ., 1996; Payne, Walsh, 1994). Доступны базы данных сенсибилизации кожи, которые доступны для поиска по химической структуре, что позволяет быстро идентифицировать структурные аналоги и легкий доступ к связанным с ними данным о сенсибилизации кожи.Это, в свою очередь, позволяет оценить потенциал сенсибилизации кожи (прогностическое тестирование) химическими веществами (целиком или в виде субструктур) и обеспечивает основу для построения моделей QSAR и использования подходов SAR для оценки риска. Это может быть особенно важно, поскольку в настоящее время не существует проверенных, принятых нормативными документами методов in vitro для оценки сенсибилизирующего потенциала кожи химическими веществами, хотя описаны методы, которые могут быть полезны в фундаментальных исследованиях (Hauser and Katz, 1988).В отсутствие методов in vitro и системы на основе правил, такие как DEREK, могут служить первым шагом в стратегическом подходе к скринингу контактных аллергенов и определению приоритетов дальнейших исследований. Помимо классификации химических веществ как потенциальных сенсибилизаторов, требуется дополнительная работа для создания моделей QSAR, которые также могут оценивать относительную активность химических аллергенов.

ДЕРЕК

В течение некоторого времени было известно, что химические контактные аллергены способны реагировать с белками кожи либо непосредственно, либо после соответствующей биохимической трансформации.Корреляция белковой реактивности химических веществ с их потенциалом сенсибилизации кожи хорошо установлена ​​(Dupuis et al , 1982; Lepoittevin et al , 1998). В настоящее время невозможно предсказать относительную сенсибилизирующую способность только на основании физико-химических свойств. Тем не менее, существует одна экспертная система правил, которая коррелирует структурные предупреждения о реактивности белков химических веществ с их потенциалом сенсибилизации кожи. DEREK (аббревиатура от «дедуктивной оценки риска на основе имеющихся знаний») — это программа, которая включает в себя как программу контроля, так и базу химических правил (Barratt et al ., 1994а, б). В идеальном случае структурные предупреждения, используемые для выявления потенциальных сенсибилизирующих химических веществ, должны включать те структурные особенности, которые определяют проникновение через кожу и метаболизм (как активацию, так и деактивацию), химическую реактивность и иммунное распознавание. Тем не менее, DEREK, в его нынешнем виде, уделяет большое внимание компоненту химической реакционной способности.

Перед проведением каких-либо доклинических испытаний нового ингредиента, химическое вещество может быть оценено на наличие предупреждений о сенсибилизации кожи с помощью DEREK; Эта экспертная система позволяет оценивать большое количество химических веществ без доклинических испытаний.Таким образом, идентификация структурных предупреждений о сенсибилизации кожи может быть чрезвычайно полезной для руководства процессом разработки продукта. Однако важно отметить, что некоторые молекулы могут содержать структурную тревогу, но не могут быть сенсибилизаторами кожи, возможно, потому, что их проницаемость кожи слишком низкая или они не образуют иммунореактивный фрагмент в эпидермисе. Кроме того, тот факт, что химическое вещество не вызывает предупреждение о сенсибилизации кожи в DEREK, не гарантирует, что химическое вещество не является сенсибилизатором, поскольку его химический состав может быть новым для DEREK.Несмотря на текущие ограничения, использование DEREK представляет собой мощный первый шаг в стратегическом подходе к идентификации контактных аллергенов.

Структура базы данных

В дополнение к использованию DEREK была разработана база данных сенсибилизации кожи, в которой можно выполнять поиск по химической структуре. Система разработана таким образом, что структурные аналоги и связанные с ними данные испытаний на сенсибилизацию кожи могут быть обнаружены за считанные минуты. Данные о сенсибилизации кожи были собраны из нескольких источников.Данные о морских свинках и местных лимфатических узлах об известных сенсибилизаторах кожи были получены из опубликованной литературы (например, Andersen and Maibach, 1985; Ashby et al. ., 1993; Cronin and Basketter, 1994). Кроме того, данные о сенсибилизации кожи были получены из общедоступных баз данных, таких как TSCATS и IUCLID. В настоящее время эта база данных по сенсибилизации кожи содержит около 3500 химических веществ, связанных с данными тестов на сенсибилизацию кожи. Реляционная база данных используется для хранения данных о сенсибилизации кожи.

Для новых ингредиентов структура или структурные фрагменты используются для поиска структурных аналогов в базе данных сенсибилизации кожи. В зависимости от сходства между неизвестным соединением и силы данных о сенсибилизации кожи, связанных с аналогами, идентифицированными в базе данных, ценная информация может быть предоставлена ​​для процесса оценки риска. Поиск по химической структуре обеспечивает однозначный метод идентификации новых соединений, а также структурных аналогов, которые в сочетании с данными испытаний на сенсибилизацию кожи могут использоваться для прогнозирования потенциала сенсибилизации кожи химическим веществом.Использование таких взаимосвязей между структурой и активностью значительно сократило время разработки, затраты на испытания и использование животных.

ЗАКЛЮЧЕНИЕ

Учитывая огромный диапазон и вариабельность возможных взаимодействий химических веществ в биологических системах, маловероятно, что модели SAR когда-либо достигнут абсолютной уверенности в прогнозировании исхода токсичности, особенно в системе целого животного. Однако в разной степени это предостережение применимо к любой экспериментальной или вычислительной модели, требующей экстраполяции между уровнями биологической организации (например,g., биохимический для in vitro от до in vivo () или между видами. Можно сделать гораздо больше для расширения масштабов и полезности подходов SAR за счет улучшения взаимосвязей между различными научными элементами проблемы SAR: химическими, биологическими и статистическими. Безусловно, новые технологии для уточнения биофункционального понимания (например, массивы ДНК для классификации химических веществ в соответствии с путями экспрессии генов) и лучшего понимания механистических элементов, относящихся к проявлению токсичности во всех системах, будут полезны для уточнения анализов SAR.Кроме того, необходимы более эффективные способы обеспечения широкого доступа к базам данных о токсичности и использования всей необходимой информации, полученной как на основе экспертных оценок, так и на основе количественного анализа, по проблеме прогнозирования.

SAR — это чрезвычайно многопрофильная область, потенциально применимая к широкому кругу проблем и конечных точек. Только в области окружающей среды и здоровья человека был подан ряд приложений для предотвращения загрязнения, скрининга токсичности и оценки риска (обзор см. В Walker, 2000).Работа SAR также была полезна при проведении механистических исследований и прогнозировании разрушающих эндокринную систему видов деятельности, экологической судьбы и экологических последствий химических веществ, а также взаимодействия между окружающей средой и здоровьем человека (Walker, 2000). Хотя такой широкий потенциал применения желателен и полезен, он также увеличивает возможность неправильного использования таких методов и подходов. Токсикология вступает в новую эру механистического подхода (Stevens and Marnett, 1999). Поскольку SAR в конечном итоге основывается на связи с механизмами, был сделан упор на подходе, основанном на механизмах, который постепенно создает базу данных и научное понимание взаимодействия химических веществ с различными формами жизни и жизнедеятельности на молекулярном уровне.В этом отношении SAR в сочетании с методами физической органической химии и биохимии будет способствовать дальнейшему развитию нашего научного понимания процессов, дающих жизнь, а также принесет практическую пользу обществу с точки зрения улучшения показателей здоровья.

РИС. 1.

SAR находится на пересечении биологии, химии и статистики.

РИС. 1.

SAR находится на пересечении биологии, химии и статистики.

РИС. 2.

Важные элементы в развитии механистических SAR.

РИС. 2.

Важные элементы в развитии механистических SAR.

РИС. 3.

Матричная структура представляет собой эстрадиол, а целевым свойством для отображаемой модели CoMFA является аффинность связывания эстрогенового рецептора. (A) Стерические поля: отрицательные значения представляют области (желтые контуры, появляющиеся над и под плоскостью фенольной части A-кольца молекулы) пространства, где стерическая масса должна быть удалена относительно структуры шаблона, а положительные значения (зеленые контуры в вблизи D-кольца) предполагают, что стерическая масса должна быть сохранена или увеличена.(B) электростатические поля; красные контуры, появляющиеся на обоих концах молекулы (за пределами A- и D-колец), обозначают области, где отрицательный заряд оказывается полезным для связывания, тогда как синие контуры предполагают, что желателен частичный положительный заряд.

РИС. 3.

Матричная структура представляет собой эстрадиол, а целевым свойством для отображаемой модели CoMFA является аффинность связывания эстрогенового рецептора. (A) Стерические поля: отрицательные значения представляют области (желтые контуры, появляющиеся над и под плоскостью фенольной части A-кольца молекулы) пространства, где стерическая масса должна быть удалена относительно структуры шаблона, а положительные значения (зеленые контуры в вблизи D-кольца) предполагают, что стерическая масса должна быть сохранена или увеличена.(B) электростатические поля; красные контуры, появляющиеся на обоих концах молекулы (за пределами A- и D-колец), обозначают области, где отрицательный заряд оказывается полезным для связывания, тогда как синие контуры предполагают, что желателен частичный положительный заряд.

ССЫЛКИ

Андерсен К. Э. и Майбах Х. И. (1985). Тесты для прогнозирования контактной аллергии на морских свинках: Актуальные проблемы дерматологии. Каргер, Нью-Йорк.

Ариенс, Э. Дж. (

1966

).Молекулярная фармакология — основа создания лекарств.

Fortschr Arzneimittelforsch

10

,

429

.

Эшби, Дж., Баскеттер, Д. А., Патон, Д., и Кимбер, И. (

1995

). Отношения структура-активность в сенсибилизации кожи с использованием анализа лимфатических узлов на мышах.

Токсикология

103

,

177

–194.

Эшби, Дж., Хилтон, Дж., Дирман, Р. Дж., Калландер, Р. Д., и Кимбер, И.(

1993

). Механистическая взаимосвязь между мутагенностью, сенсибилизацией кожи и канцерогенностью кожи.

Environ. Перспектива здоровья.

101

,

62

–67.

Барратт, М. Д., Баскеттер, Д. А., Чемберлен, М., Адманс, Г. Д., и Ланговски, Дж. Дж. (

1994

). База правил экспертной системы для определения контактных аллергенов.

Токсично. in Vitro

8

,

1053

–1060.

Баррат, М. Д., Баскеттер, Д. А., Чемберлен, М., Пейн, М. П., Адманс, Г. Д., и Ланговски, Дж. Дж. (

1994

). Разработка базы правил экспертной системы для определения контактных аллергенов.

Токсично. in Vitro

8

,

837

–839.

Бенфенати Э. и Джини Г. (

1997

). Вычислительные прогностические программы (экспертные системы) в токсикологии.

Токсикология

119

,

213

–225.

Бениньи Р. и Ричард А. М. (

1996

). QSAR мутагенов и канцерогенов: два тематических исследования, иллюстрирующих проблемы в построении моделей для неуниверсальных химических веществ.

Mutat. Res.

371

,

29

–46.

Бениньи Р. и Ричард А. М. (

1998

). Количественное моделирование на основе структуры применяется для характеристики и прогнозирования химической токсичности.

Методы

14

,

264

–276.

Конолли Р. Б., Бек Б. Д. и Гудман Дж. И. (

1999

). Стимулирование исследований для улучшения научной основы оценки рисков.

Toxicol. Sci.

49

,

1

–4.

Крамер Р. Д. III и Банс Дж. Д. (1987). Метод DYLOMMS: первые результаты сравнительного исследования подходов к 3D-QSAR. В QSAR in Drug Design and Toxicology (D. Hadzi and B. Jerman-Blazic, Eds.), Стр. 3–12. Эльзевир, Амстердам.

Крамер Р. Д., III, Паттерсон, Д. Э. и Банс, Дж. Д. (

1988

). Сравнительный анализ молекулярного поля (CoMFA): 1. Влияние формы на связывание стероидов с белками-носителями.

J. Am. Chem. Soc.

110

,

5959

.

Кронин М. Т. и Баскеттер Д. А. (

1994

). Многомерный QSAR-анализ базы данных сенсибилизации кожи.

SAR QSAR Environ. Res.

2

,

159

–179.

Дюпюи Г. и Бенезра К. (1982). Аллергический контактный дерматит на простые химические вещества. Молекулярный подход. Марсель Деккер, Нью-Йорк, Нью-Йорк.

Энслейн, К. (

1993

). Будущее предсказания токсичности с помощью QSAR.

In vitro токсикология

6

,

163

–169.

Гольберг, Л. (Ред.) (1983). Корреляция структура-активность как инструмент прогнозирования в токсикологии . Hemisphere Publishing, Нью-Йорк.

Грэм К., Гили Р., Мачина О. Т., Кароль М. Х. и Розенкранц Х. С. (

1996

). QSAR для аллергического контактного дерматита.

Кол. Struct. Действовать. Relat.

15

,

224

–229.

Грин С. и Маршалл Г. Р. (

1995

). 3D-QSAR: текущая перспектива.

Trends Pharmacol. Sci.

16

,

285

–291.

Hansch, C. (

1969

).Количественный подход к взаимосвязи биологической структуры и активности.

Акт. Chem. Res.

2

,

232

.

Hansch, C., and Dunn, W. J., III (

1972

). Линейные зависимости между липофильностью и биологической активностью лекарств.

J. Pharm. Sci.

61

,

1

–19.

Hansch, C., Hoekman, D., Leo, A., Zhang, L., и Li, P. (

1995

).Растущая роль количественных соотношений структура-активность (QSAR) в токсикологии.

Toxicol. Lett.

79,

45

–53.

Ханс, К., Ким, Д., Лео, А., Новеллино, Э., Силипо, К., и Виттория, А. (

,

, 1989,

). К количественной сравнительной токсикологии органических соединений.

Крит. Rev. Toxicol.

19

,

185

–226.

Hansch, C., and Leo, A. (1995). Изучение QSAR.. Основы и приложения в химии и биологии. Профессиональный справочник ACS, Американское химическое общество, Вашингтон, округ Колумбия.

Ханзлик Р. П. (1981). Токсичность и метаболизм соединений металлов: некоторые взаимосвязи между структурой и активностью. В Environmental Health Chemistry (J. D. McKinney, Ed.), Стр. 467–496. Издательство Ann Arbor Science Publishing, Анн-Арбор, Мичиган.

Хак Р. (ред.) (1980). Динамика, воздействие и оценка опасности токсичных химических веществ. Ann Arbor Science, Ann Arbor, MI.

Хаузер К. и Кац С. И. (

1988

). Активация и размножение гаптен- и белок-специфических Т-хелперов у несенсибилизированных мышей.

Proc. Natl. Акад. Sci. США

85

,

5625

–5628.

Герменс, Дж. Л. М. (1996). Отношения структура-деятельность. В книге «Токсикология : принципы и применение» (Р. Дж. М. Несинк, Дж. Де Вриз и М. А. Холлингер, ред.), Стр. 239–268. CRC Press, Нью-Йорк.

Херменс, Дж.Л. М. и Опперхёйзен А. (ред.) (1991). QSAR по экологической токсикологии IV. Elsevier, Амстердам.

Джайн, А. Н., Койл, К., и Чепмен, Д. (

1994

). Компас: прогнозирование биологической активности на основе свойств поверхности молекул. Сравнение производительности на стероидном тесте.

J. Med. Chem.

37

,

2315

–2327.

Кайзер, К. Л. Э., Изд. (1987). QSAR по экологической токсикологии II, Reidel, Dordrecht, Holland.

Karcher, W., and DeVillers, J., Eds. (1990). Практическое применение количественных соотношений структура-активность (QSAR) в химии окружающей среды и токсикологии. Клувер, Дордрехт и Бостон.

Кирсли С. и Смит Г. (

1990

). Альтернативный метод выравнивания молекулярных структур: максимальное электростатическое и стерическое перекрытие.

Tetrahedron Comput. Методол.

3

,

615

.

Кимбер И. (1996). Альтернативные методы тестирования контактной сенсибилизации. В Токсикология контактного дерматита (К. Кимбер и Т. Мауэр, ред.), Стр. 140–151. Тейлор и Фрэнсис, Лондон.

Клебе Г., Мицнер Т. и Вебер Ф. (

1994

). Различные подходы к автоматическому структурному выравниванию молекул лекарств: приложения к имитаторам стеролов, ингибиторам тромбина и термолизина.

J. Comput. Помощь Мол. Des.

8

,

751

–758.

Клопман Г. (

1984

). Подход искусственного интеллекта к исследованиям структуры-деятельности. Компьютерная автоматизированная оценка структуры биологической активности органических молекул.

J. Amer. Chem. Soc.

106

,

7315

–7320.

Lepoittevin, J.-P., Basketter, D.A., Goossens, A., and Karlber, A.T. (1998). Аллергический контактный дерматит: молекулярные основы. Springer, Берлин.

Лепойттевин Ж.-П., Берл В.(1996). Молекулярные основы аллергического контактного дерматита. В Дерматотоксикология, 5-е изд. (Фрэнсис Н. Марзулли и Говард И. Майбах, ред.), Стр. 147–160. Тейлор и Фрэнсис, Вашингтон, округ Колумбия

Льюис, Д. Ф. В. (1992). Компьютерные методы оценки химической токсичности. В обзоре по вычислительной химии (К. Б. Липковиц и Д. Б. Бойд, ред.), Стр. 173–221. Издательство VCH, Нью-Йорк.

Липник Р. Л. (

1991

). Выбросы: их происхождение и использование в классификации молекулярных механизмов токсичности.

Sci. Total Environ.

109/110

,

131

–153.

Маршалл, Г. Р. и Крамер, Р. Д. III (

1988

). Трехмерные отношения между структурой и деятельностью.

Trends Pharmacol. Sci.

9

,

285

–289.

Мэтьюз Э. Дж. И Контрера Дж. Ф. (

1998

). Новый высокоспецифичный метод прогнозирования канцерогенного потенциала фармацевтических препаратов у грызунов с использованием усовершенствованного программного обеспечения MCASE QSAR-ES.

Рег. Toxicol. Pharmacol.

28

,

242

–264.

МакКинни, Дж. Д. (

1985

). Монография о взаимосвязи структуры и активности в изучении механизмов и прогностической токсикологии.

Environ. Перспектива здоровья.

61

,

349

.

МакКинни, Дж. Д. (

1996

). Параметры реактивности в структуре-активности, оценка риска химических веществ на основе взаимосвязи.

Environ. Перспектива здоровья.

104

,

810

–816.

МакКинни, Дж. Д. и Сингх, П. (

1981

). Отношения структура-активность в галогенированных дифенилах: объединяющая гипотеза структурной специфичности.

Chem. Биол. Взаимодействовать.

33

,

271

–283.

Ньюман, М. К., Макклоски, Дж. Т., и Татара, К. П. (

1998

). Использование характеристик связывания металл-лиганд для прогнозирования токсичности металлов: количественное соотношение характеристик иона и активности (QICAR).

Environ. Перспектива здоровья.

106 (доп. 6)

,

1419

–1425.

Пейн М. П. и Уолш П. Т. (

1994

). Соотношение структура-активность для потенциала сенсибилизации кожи: разработка структурных предупреждений для использования в системах прогнозирования токсичности, основанных на знаниях.

J. Chem. Инф. Comput. Sci.

34

,

154

–161.

Петерс, Р. А. (1963). Биохимические поражения и летальный синтез. Пергамон, Оксфорд.

Рэнд, Г. М., и Петрочелли, С. Р., ред. (1985). Основы водной токсикологии. Hemisphere, Нью-Йорк.

Ричард А. М. (

1995

). Роль вычислительной химии в поддержке идентификации опасностей (ID): SAR на основе механизмов.

Toxicol. Lett.

79

,

115

–122.

Ричард, А. М. (

1998

). Структурные методы прогнозирования мутагенности и канцерогенности: мы уже на месте?

Mutat.Res.

400

,

493

–507.

Ричард, А. М. (

1998

). Коммерческие системы прогнозирования токсикологии: регуляторная перспектива.

Toxicol. Lett.

102–103

,

611

–616.

Ричард А. М. и Хантер Э. С., III (

1996

). Количественные отношения структура-активность для токсичности галогенуксусных кислот в культуре целых эмбрионов млекопитающих.

Тератология

53

,

352

–360.

Сейф, С. (

1990

). Полихлорированные бифенилы (ПХБ), дибензо- p -диоксины (ПХДД), дибензофураны (ПХДФ) и родственные соединения: экологические и механистические соображения, которые поддерживают развитие факторов токсической эквивалентности (TEF).

Крит. Rev. Toxicol.

21

,

51

–88.

Сейф, С. (

1994

).Полихлорированные дифенилы (ПХД): воздействие на окружающую среду, биохимические и токсические реакции, а также значение для оценки риска.

Крит. Rev. Toxicol.

24

,

87

–149.

Сандерсон Д. М. и Эрншоу К. Г. (

1991

). Компьютерное предсказание возможного токсического действия по химической структуре; система ДЕРЕК.

Hum. Exp. Toxicol.

10

,

261

–273.

Стивенс, Дж.Л. и Марнетт, Л. Дж. (

1999

). Определение молекулярной токсикологии: перспектива (передовая).

Chem. Res. Toxicol.

12

,

747

–748.

Топлисс, Дж. Г., и Эдвардс, Р. П. (

1979

). Факторы случайности в исследованиях количественных взаимосвязей структура-активность.

J. Med. Chem.

22

,

1238

–1244.

Ван ден Берг, М., Бирнбаум, Л., Босвельд, А.Т.С., Брюнстрем, Б., Кук, П., Фили, М., Гизи, Дж., Ханберг, А., Хасегава, Р., Кеннеди, С.В., Кубьяк, Т., Ларсен, Дж. К., ван Левен, FX, Лием, А. К., Нолт, К., Петерсон, Р. Э., Пеллингер, Л., Сейф, С., Шренк, Д., Тиллит, Д., Тисклинд, М., Юнес, М., Варн, Ф., и Захаровски , T. (

1998

) Факторы токсической эквивалентности (TEF) для ПХД, ПХДД, ПХДФ для человека и диких животных.

Environ. Перспектива здоровья.

106

,

775

–792.

Ван Дри, Дж. Х., Вейнингер, Д. и Мартин, Ю. К. (

1989

). ALADDIN: интегрированный инструмент для компьютерного молекулярного дизайна и распознавания фармакофоров на основе геометрического, стерического и субструктурного поиска трехмерных молекулярных структур.

J. Comput. Помощь Мол. Des.

3

,

225

–251.

Вагнер П. М., Набхольц Дж. В. и Кент Р. Дж. (

1995

). Новый химический процесс в Агентстве по охране окружающей среды (EPA): взаимосвязь структура-деятельность для идентификации опасностей и оценки рисков.

Toxicol. Lett.

79

,

67

–73.

Walker, J. D., Ed. (2000). Справочники по QSAR для (а) Предотвращение загрязнения, Скрининг токсичности, Оценка рисков и применение WWW; (b) Прогнозирование способности химических веществ к разрушению эндокринной системы; (c) Предсказание экологического воздействия химикатов; (d) Экологическая судьба химических веществ; и (e) «Прогнозирование воздействия химических веществ на взаимодействие между окружающей средой и здоровьем человека». SETAC Press, Пенсакола, Флорида.

Уоллер, К. Л., Эванс, М. В., и МакКинни, Дж. Д. (

1996

). Моделирование опосредованного цитохромом p450 метаболизма хлорированных летучих органических соединений.

Drug Metab. Дисп.

24

,

203

–210.

Уоллер, К. Л., Джума, Б. В., Грей, Л. Е., младший, и Келси, В. (

1996

). Трехмерные количественные отношения структура-активность для лигандов рецепторов андрогенов.

Toxicol. Прил. Pharmacol.

137

,

219

–227.

Уоллер, К. Л., и Маккинни, Дж. Д. (

1992

). Сравнительный анализ молекулярного поля полигалогенированных дибензо- p -диоксинов, дибензофуранов и бифенилов.

J. Med. Chem.

35

,

3660

–3666.

Уоллер, К. Л., и МакКинни, Дж. Д. (

1995

). Трехмерные количественные отношения структура-активность диоксинов и диоксиноподобных соединений: проверка модели и характеристика рецептора Ah.

Chem. Res. Toxicol.

8

,

847

–858.

Уоллер, К. Л., Опреа, Т. И., Ча, К., Парк, Х. К., Корах, К. С., Лоуз, С. К., Визе, Т. Е., Келс, В. Р., и Грей, Л. Е., младший (

1996

). Идентификация эстрогенов окружающей среды на основе лигандов.

Chem. Res. Toxicol.

9

,

1240

–1248.

Ву, Й.-Т., Лай, Д., Аргус, М., и Аркос, Дж. (

1995

).Разработка правил взаимосвязи структура-активность для прогнозирования канцерогенного потенциала химических веществ.

Toxicol. Lett.

79

,

219

–228.

© 2000 Общество токсикологии

Практика взаимоотношений структура-активность (SAR) в токсикологии | Токсикологические науки

Абстрактные

Как качественные, так и количественные методы моделирования, связывающие химическую структуру с биологической активностью, называемые анализом взаимосвязи структуры и активности или SAR, применяются для прогнозирования и определения характеристик химической токсичности.В этом мини-обзоре будут обсуждаться некоторые общие вопросы и подходы к моделированию, адаптированные к проблемам токсикологии. Обсуждаются различные подходы, а также некоторые аспекты и ограничения практики и науки SAR, поскольку они относятся к текущему токсикологическому анализу, а также основные элементы систем разработки и прогнозирования SAR и SAR-моделей. Другие темы включают применение 3-D SAR для понимания способности химических веществ вызывать эндокринные нарушения, а также использование моделей для анализа биологической активности ионов металлов в токсикологии.Также обсуждается пример интеграции знаний о механизмах в экспертную систему для прогнозирования сенсибилизации кожи к химическим веществам. В этом мини-обзоре будет рассмотрена полезность подходов к моделированию в качестве одного из компонентов для лучшей интеграции физико-химических и биологических свойств в оценку риска, а также рассмотрена возможность воздействия химических веществ и их взаимодействия как на окружающую среду, так и на здоровье человека.

Почему SAR?

Взаимосвязь структура-активность (SAR) является основой токсикологических исследований.Биологические свойства новых соединений часто основываются на свойствах аналогичных существующих материалов, опасность которых уже известна. Однако сегодня токсикологи сталкиваются с задачей скрининга большого количества различных химических веществ в различных средах на предмет увеличения числа конечных точек токсичности с использованием ограниченных ресурсов и меньшего количества животных. Тесты на животных и in vitro. по-прежнему считаются важными для поддержки оценки риска и принятия регулирующих мер, но часто являются слишком дорогостоящими и требуют много времени, чтобы их применять ко всему спектру химических веществ, для которых необходим и желателен определенный уровень токсикологического скрининга.Методы компьютерного моделирования, связывающие химическую структуру с качественной биологической активностью (SAR) и количественной биологической активностью (QSAR), применялись для решения многих различных проблем. Полученные в результате модели предназначены для прогнозирования и характеристики химической токсичности (Golberg, 1983; Haque, 1980; Hansch and Leo, 1995; Hermens and Opperhuizen, 1991; Kaiser, 1987; Karche and De Villers, 1990; McKinney, 1985; Rand и Петрочелли, 1985). Кроме того, с ускорением тенденций к лучшему пониманию химических механизмов токсикологических конечных точек и консолидации токсикологических данных в базах данных, есть расширенные возможности для включения таких методов в существующие токсикологические исследования.Следовательно, как для тех, кто планирует использовать модели SAR, так и для тех, кто планирует их разрабатывать, важно иметь базовое представление о том, как строится модель SAR, а также знать пределы и потенциал этой технологии.

Этот мини-обзор в значительной степени представляет собой краткое изложение материала, предоставленного в рамках курса повышения квалификации на 38-м ежегодном собрании Общества токсикологии в марте 1999 года под названием «Практика взаимосвязей структура-активность в токсикологии», и он не предназначен для использования в качестве учебного пособия. исчерпывающий обзор предметной области.В нем будут обсуждены некоторые подходы к моделированию, адаптированные к проблемам токсикологии, и будет подчеркнуто, что QSAR является ценным дополнением к экспериментальным данным и отправной точкой для дальнейшего исследования молекулярных механизмов. Примеры иллюстрируют различные подходы и некоторые аспекты практики SAR, поскольку они относятся к текущим токсикологическим анализам in vitro, и in vivo, . Темы включают науку о SAR в контексте токсикологии и важные элементы для обоснованного применения, специальное применение методов и подходов 3D SAR, использование моделей для анализа биологической активности ионов металлов в токсикологии и применение экспертных систем для скрининга и прогнозирования. токсикологического исхода.Растет осознание (Conolly et al., 1999; McKinney, 1996) важности фундаментальных исследований механизмов токсического действия химических веществ как средства для улучшения понимания и обеспечения более рациональной основы для оценки риска. Подходы к моделированию на основе структуры являются одним из компонентов для лучшей интеграции физико-химических и биологических свойств в оценку риска.

Фон

Взаимосвязь структурной активности связывает характеристики химической структуры со свойством, эффектом или биологической активностью, связанной с этим химическим веществом.При этом могут быть как качественные, так и количественные соображения. Фундаментальная предпосылка состоит в том, что структура химического вещества неявно определяет его физические и химические свойства и реакционную способность, которые во взаимодействии с биологической системой определяют его биологические / токсикологические свойства. Процесс разработки SAR — это попытка понять и выявить, как свойства, относящиеся к активности, закодированы и определены химической структурой.

В фармацевтической и химической промышленности SAR уже давно используются для разработки химикатов с коммерчески желательными свойствами.Это особенно характерно для области разработки лекарств, где ищут химические вещества с желаемой фармакологической и терапевтической активностью. В области защиты окружающей среды и здоровья SAR используется для прогнозирования воздействия на окружающую среду и здоровье человека, причем приложения широко варьируются. Он даже используется, чтобы помочь промышленности разрабатывать более безопасные химические вещества для коммерческого использования как часть их желаемых свойств.

Почему токсикологи должны интересоваться SAR? Токсикологи обычно занимаются исследованиями одного химического вещества в конкретной биологической системе.SAR предлагает средства для связи токсикологических данных по спектру химических веществ и, возможно, биологических конечных точек, освещая ассоциации, которые выходят за рамки деталей токсикологических экспериментов с одним химическим веществом, и, возможно, раскрывая аспекты токсикологических механизмов, которые могут быть обобщены для всех химических веществ. При использовании для прогнозирования SAR могут снизить потребность в измерениях свойств и тестировании на животных, обеспечивая более эффективный скрининг химических веществ по широкому диапазону конечных точек токсичности.В конечном итоге это может привести к лучшей защите здоровья окружающей среды за счет стратегического использования ограниченных ресурсов, направленных на выявление наиболее серьезных химических опасностей.

Наука SAR

SAR находится на стыке биологии, химии и статистики (рис. 1). Целенаправленное объединение этих дисциплин, достигаемое посредством деятельности SAR, позволило развить исследовательскую деятельность, напоминающую «науку SAR» (Hansch, 1969; Hansch et al., 1989; Герменс, 1996; Топлисс и Эдвардс, 1979). При соотнесении структуры с активностью цель SAR состоит в том, чтобы сделать обобщения в конкретных случаях и за их пределами, развивая понимание того, что составляет класс активных молекул, что определяет относительную активность и что отличает их от неактивных классов. Под заголовком SAR включены различные виды деятельности, от использования эвристики и экспертных оценок до рассмотрения сходства / разнообразия химических веществ и формальных математических ассоциаций свойств и показателей активности.Фундаментальное предположение в QSAR состоит в том, что аналогичные химические вещества имеют достаточно общие механические элементы, чтобы иметь общий шаг, определяющий скорость, и аналогичные потребности в энергии для деятельности. Далее предполагается, что различия в скоростях реакции приведут к наблюдаемым различиям в активности или количественной активности. Ключевым моментом является определение аспектов структуры, относящихся к определяющему скорость, молекулярно-запускающему событию в механизме действия для интересующих химических и биологических действий.Следовательно, механизм действия является руководящей концепцией при определении групп химических веществ, подходящих для изучения, и молекулярных дескрипторов, потенциально наиболее важных для активности. В конечном итоге именно связь SAR с механизмом позволяет построить научное обоснование для учета вариаций активности в существующих химических веществах. Это, в свою очередь, обеспечивает наиболее надежную научную основу для прогнозирования активности новых и непроверенных химических веществ. Установив идеальный случай, мы столкнулись с реальностью того, что многие конечные точки токсичности являются сложными, часто плохо изученными и охарактеризованными и не поддаются разрешению до уровня общего механизма действия.В той мере, в какой мы можем решить проблему токсичности, SAR могут быть способны к глобальной дискриминации среди различных механизмов, например, к классификации по структурным фрагментам предупреждения и / или локальной дискриминации в рамках более четко определенного, основанного на механизмах класса.

Хорошей иллюстрацией первого является недавний отчет об усовершенствованных моделях MultiCASE, разработанных в сотрудничестве с FDA, для прогнозирования потенциала канцерогенности грызунов для фармацевтических баз данных (Matthews and Contrera, 1988).Классификации основаны в первую очередь на идентифицированных MultiCASE структурных тревожных характеристиках молекул и потенциально применимы для грубого скрининга широкого разнообразия химических структур и механизмов канцерогенности. Напротив, ярким примером применения SAR на основе механизмов, которое повлияло на оценку риска, является моделирование способности связывания Ah рецепторами диоксиноподобных соединений, включая, в частности, структурно родственные полихлорированные диоксины, дибензофураны и бифенилы.Обширные исследования Safe с соавторами (1990, 1994) и другими, демонстрирующие корреляцию порядка ранжирования между связыванием Ah-рецептора и различными показателями ответа, как in vivo, и in vitro, , были эффективны в установлении общего механизма действия для эти токсические реакции. Это, в свою очередь, привело к разработке и использованию факторов токсической эквивалентности (TEF) для определения концентраций эквивалентов диоксина (TEQ) в оценках рисков для человека и окружающей среды, связанных с воздействием сложных смесей этих соединений в реальных условиях. (Ван ден Берг и др. ., 1998). При получении значений TEF различные доступные данные, в том числе исследования in vivo, , in vitro, и QSAR, обычно взвешиваются с использованием многоуровневого подхода. Этот общий подход в основном представляет собой схему относительного ранжирования активности, в которой относительная эффективность каждого химического вещества выражается как некоторая доля активности 2,3,7,8-тетрахлордибензо- p -диоксина (TCDD). Механический анализ SAR был особенно важен для выявления близкого структурного сходства «копланарных ПХБ» с TCDD и связанных с ними высокотоксичных свойств (McKinney et al ., 1981).

Элементы SAR

Есть несколько важных элементов, которые следует учитывать при разработке механических SARs (рис. 2). Как указано выше, желательно, когда это возможно, разработать механистическую классификацию представляющей интерес биологической / токсикологической активности. Это, в свою очередь, определяет наиболее подходящие химические вещества, связанные свойства и дескрипторы для изучения, относящиеся к этапу (этапам) контроля / распознавания интересующей деятельности.Кроме того, есть дескрипторы, которые в целом важны для приближения способности химического вещества достигать места действия; наиболее ярким примером такого дескриптора является коэффициент разделения октанол / вода (Hansch and Dunn, III, 1972). Другие способы представления молекул могут выходить за рамки тех, которые основаны на двумерной структуре, атомах и связях, до способов, основанных на трехмерной структуре, стерических и электростатических полях. Последние наиболее подходят, если известен или подозревается механизм, опосредованный рецепторами.Наконец, необходимы соответствующие методы анализа для установления связи между интересующими активностями и химическими структурами, которые будут зависеть от характера меры активности (например, качественный или количественный) и степени понимания химического механизма действия (например, , опосредованный рецепторами) и т. д. Цель состоит в том, чтобы на каждом этапе процесса рассматривать то, что является химически и биологически правдоподобным, разумно ограничивать проблему в этих терминах и создавать модели, которые имеют сильное научное обоснование и основу для интерпретация.

SAR Модели

Модель SAR определяется и ограничивается характером и качеством данных, используемых при разработке модели, и строго применима только по отношению к набору данных, который использовался для ее создания, но, возможно, имеет прогностическую способность в некоторых разумных границах за пределами этого набор данных. При оценке модели SAR важно определить границы применения, учитывая, какие виды молекул и диапазон значений дескрипторов обладают активностями, которые можно с уверенностью предсказать, а также статистическими мерами соответствия, значимости и надежности.Модели также могут привести к механистическим гипотезам, которые будут определять будущее тестирование и проверку. Процесс проверки модели должен проверять возможности прогнозирования, а также исследовать границы применения модели и подвергать сомнению механистические гипотезы, предложенные хорошо построенной моделью.

Модели SAR полезны в исследованиях для целей, выходящих за рамки прогнозирования. Они могут предложить рационализацию вариаций активности в существующих данных, обосновать общий механизм активности (и аддитивность эффекта) для ряда химических веществ (Richard and Hunter III, 1996), выявить выбросы из-за экспериментальной ошибки или альтернативных механизмов (Lipnick , 1991), сужают эксперимент по определению диапазона доз (используя прогнозируемую дозу в качестве первой оценки), служат метрикой для сравнения различных биологических конечных точек (Hansch et al., 1995) и направить дальнейшие исследования. Идеальная модель SAR должна учитывать достаточное количество молекул для адекватного статистического представления, иметь широкий диапазон количественных активностей (порядков величины) или адекватное распределение молекул в каждом классе активности (активном и неактивном) и поддаваться механистической интерпретации (Hermens, 1996). В задачах моделирования токсикологии этот идеал встречается редко. Для многих представляющих интерес конечных точек токсичности различные химические структуры, незнание механизмов и большие пробелы в данных чаще являются нормой.Эти ограничения нашей способности строить «классические» взаимосвязи QSAR, т. Е. Основанные на четко определенных классах химических веществ, привели к различным попыткам разработать «глобальные» модели прогнозирования SAR для так называемых некородственных химических веществ, т. Е. Больших наборов структурно и механически разнообразные химические вещества (некоторые обзоры см., например, Benfenati and Gini, 1997; Benigni and Richard, 1996, 1998). Однако, поскольку SAR в конечном итоге основывается на связи с механизмом, любой успех, достигнутый с помощью этих методов, зависит от степени, в которой глобальные модели способны различать и адекватно представлять основанные на механизмах компоненты SAR в более крупном наборе данных (Lewis, 1992). ; Ричард, 1995; Вагнер и др., 1995).

Системы прогнозирования

В настоящее время доступны два основных типа коммерческих систем прогнозирования токсичности: программы, основанные на корреляции или статистике, и экспертные системы, основанные на правилах (см. Benfenati and Gini, 1997; главу 6 в Hansch and Leo, 1995; и Richard, 1998a, b). . Корреляционные системы, такие как CASE / MultiCASE (Klopman, 1984) и TOPKAT (Enslein, 1993), как правило, обрабатывают большую группу некородственных химических веществ без предвзятости пользователя или предварительной организации и пытаются извлечь ассоциации SAR из данных статистическими методами. средства.Самый большой недостаток таких систем — простота создания прогнозов по сравнению с необходимостью тщательной проверки результатов. Как правило, такие методы лучше подходят для грубой идентификации «предупреждающих» классов, чем для распознавания более мелких вариаций активности внутри этих классов. Системы на основе правил, такие как DEREK (Sanderson and Earnshaw, 1991) и ONCOLOGIC (Woo et al., 1995), создают ассоциации и обобщения из небольших групп химических веществ, группируют химические вещества аналогичного действия в классы на основе определений органической химии. и ограниченное понимание механизмов, а также использование экспертных оценок и основанных на механизмах обоснований внутри классов.Системы, основанные на правилах, обычно более ограничены в своем применении, чем подходы более коррелятивного типа, но они могут предложить большую химическую и биологическую интерпретируемость для химических веществ, которые они предсказывают.

3D-QSAR

Методы «структура-активность», которые рассматривают трехмерную структуру смоделированных соединений в пространственном отношении друг к другу, в совокупности называются методами трехмерного QSAR (3D-QSAR). Эти методы пытаются идентифицировать пространственно-локализованные особенности в серии молекул, которые коррелируют с активностью и представляют требования для связывания лиганда и комплементарности постулируемому сайту связывания рецептора (Green and Marshall, 1995; Marshall and Cramer, III, 1988).Эти процедуры расширяют подход QSAR в трех измерениях, выбирая вручную (Cramer III et al., 1988) или автоматически (Jain et al., 1994) одну конкретную геометрию для каждого моделируемого соединения и используя молекулярный каркас (Cramer III, 1988), метод наложения фармакофора (Van Drie et al., 1989) и / или молекулярного поля (Kearsley and Smith, 1990).

В основе методов 3D-QSAR лежат следующие допущения:

• Смоделированное соединение, а не его метаболиты или другие продукты трансформации, ответственны за биологический эффект.

• Предлагаемая или смоделированная конформация является биоактивной.

• Все соединения одинаково связываются с одним и тем же сайтом.

• Биологическая активность во многом объясняется энтальпическими процессами (стерическими, электростатическими, водородными связями и т. Д.).

• Энтропийные члены одинаковы для всех соединений.

• Система находится в равновесии.

• Общие эффекты растворителя — диффузия, перенос и т. Д.- относятся к исследуемым молекулам и поэтому не рассматриваются.

Хотя процесс 3D-QSAR (особенно применяемый в сравнительном молекулярном полевом анализе (CoMFA)), хотя и пользуется гораздо более широким использованием в области дизайна лекарственных средств, будет описан здесь в контексте его ограниченного применения в области прогноз токсикологии. CoMFA является одним из первых предшественников современных методов 3D-QSAR, был разработан в 1983–1987 годах (Cramer III and Bunce, 1987), продолжает совершенствоваться и остается одним из наиболее широко используемых методов 3D-QSAR на сегодняшний день. .В CoMFA нековалентные взаимодействия лиганд-рецептор представлены стерическими (Леннард-Джонс) и электростатическими (кулоновскими) взаимодействиями с лигандом. Стерические и электростатические взаимодействия атомов зонда с лигандом рассчитываются в точках единой сетки, а затем заносятся в таблицу для каждой молекулы (строки) в серии. Результирующая матрица анализируется с помощью многовариантной статистики (частичные наименьшие квадраты или PLS), в результате чего получается уравнение, связывающее значение поля CoMFA с активностью. Этот процесс также выделяет те особенности предполагаемого рецептора, которые исследуются набором данных структура-активность.

В общем, цель этой и других связанных процедур 3D-QSAR состоит в том, чтобы разместить молекулы с общими выравниваниями в трехмерной сетке (или области), вычислить значения взаимодействия для каждой точки сетки и поместить значения для каждой точки в QSAR. Таблица. Затем создайте уравнение на основе регрессии PLS, чтобы описать взаимосвязь между значениями и зарегистрированными действиями, проверить прогностическую способность QSAR с помощью перекрестной проверки (и определить оптимальное количество компонентов), визуализировать окончательную модель QSAR, построив график. коэффициенты в соответствующих областях пространства, и используйте окончательное уравнение QSAR для оценки биологической активности для других новых соединений, не включенных в модель.

Требования для успешной разработки модели 3D-QSAR включают выбор соответствующих соединений и биологических данных для использования в качестве обучающего набора и определение полезного и значимого выравнивания молекул для исследования. Общее правило состоит в том, что для получения QSAR требуется не менее 20 соединений, хотя полезные QSAR были получены с использованием всего 7 соединений в модели. Качество и выбор биологических данных для моделирования имеют решающее значение для успешной разработки модели.Также важны диапазон и распределение биологических данных при нормальном распределении данных по максимально широкому диапазону деятельности (минимум 3 логарифмических единицы). Первоначальная задача состоит в том, чтобы выбрать структурные конформеры, максимально приближенные к реальным биоактивным конформерам. При отсутствии информации о биоактивном конформере обычно используются стандартные процедуры оптимизации геометрии, которые определяют минимальную энергетическую конформацию. Затем цель процедуры выравнивания состоит в том, чтобы наложить конформеры таким образом, чтобы точно отразить общую ориентацию связывания лиганда с рецептором.Поскольку реальные биоактивные конформеры известны редко, было полезно предположить, что лиганды, независимо от химического состава, связываются в конформациях и ориентациях, которые представляют аналогичные модели стерического и электростатического потенциала с рецептором-мишенью. Это концептуальная основа «фармакофора» (Ariens, 1966), который определяется как критическое трехмерное расположение лиганд-функциональных групп, ответственных за создание этих паттернов, дополняющих целевой сайт (сайты). Процесс выравнивания ориентирует данную молекулярную конформацию в трехмерном пространстве относительно всех других молекул в наборе.Чрезвычайно важно, чтобы это выполнялось самосогласованным образом, поскольку различия в значениях полей должны отражать структурные вариации. В некоторых случаях это может означать использование конформаций, которые не обязательно имеют самую низкую энергию. Инструменты выравнивания (обсуждение см. В Klebe et al., 1994, 1994), которые использовались, варьируются от простых методов, таких как RMS fit, field fit и Multifit, до более сложных методов, таких как SEAL и Receptor / DISCO.

После определения соответствующего выравнивания молекул для сравнения, поля 3D-QSAR оцениваются по области, обычно определяемой как «атомы», которые постулируются как составляющие рецепторный сайт известной геометрии.Стерические и электростатические поля чаще всего используются для таких целей и рассчитываются с помощью «зонда атома», помещенного на пересечениях трехмерной решетки. Также можно определить множество других полей в 3D-QSAR, которые могут отражать такие вещи, как свойства разделения и реакционной способности молекул, такие как поля HOMO / LUMO, поля сетки поляризуемости и гидрофобные поля.

Несколько статистических инструментов (см., Например, Cramer III, et al., 1988) используются для анализа параметров 3D-QSAR, чтобы прийти к окончательной модели QSAR и проверить стабильность полученного уравнения.Эти инструменты включают перекрестную проверку для проверки внутренней предсказуемости модели, перекрестную проверку r ² (т. Е. q ² ) для оценки дисперсии, прогнозируемой моделью, и бутстрапирование для проверить стабильность числовых значений QSAR. Важным аспектом процесса моделирования, который помогает в оценке и интерпретации, является графическое представление результатов 3D-QSAR. Поскольку каждый коэффициент в уравнении 3D-QSAR соответствует типу поля и трехмерной координате в регионе, коэффициенты 3D-QSAR могут отображаться графически в виде точечных или контурных диаграмм.Поля также могут иметь цветовую кодировку в соответствии с их уровнем вклада в модель (например, положительный или отрицательный), чтобы помочь в интерпретации модели и сообщить природу и роль конкретных структурных свойств в моделях. Цель состоит в том, чтобы в конечном итоге использовать окончательное уравнение QSAR для прогнозирования, отмечая точки поля, которые находятся за пределами выделенных графических областей модели, требующих экстраполяции (т. Е. Новое структурное пространство). Успешные модели 3D-QSAR в области прогнозирования токсичности в первую очередь сосредоточены на конечных точках, которые, как известно, опосредованы рецепторами.Примеры включают модели рецепторов эстрогена, андрогена и диоксина (Waller et al., 1996b, c; Waller and McKinney, 1995), индукции ассоциированных ферментов (Waller and McKinney, 1992) и специфических активностей биоактивации P-450 (Waller et al., 1996a). Графическое представление модели CoMFA, связывающей рецептор эстрогена, показано на рисунке 3 (A и B), с контурными графиками стерического и электростатического поля (с эстрадиолом, используемым в качестве матрицы для выравнивания), указывающими области положительного и отрицательного вкладов стерической массы и областей. положительного или отрицательного заряда.

Было показано, что 3D-QSAR полезен для идентификации потенциальных токсикантов, особенно для активности, которая, как известно, опосредована рецепторами или связана со специфическими связывающими белками. 3D-QSAR дает дополнительные надежды в качестве средства для вывода и лучшего понимания конкретных молекулярных требований для взаимодействия с рецепторами. Ограниченные данные и понимание относительно опосредованной рецепторами токсичности и необходимости строгого конформационного анализа и анализа суперпозиции (проблема выравнивания) в настоящее время препятствуют крупномасштабному применению моделей 3D-QSAR в качестве инструментов прогнозирования.По мере развития токсикологического понимания на молекулярном уровне и дальнейшего развития и проверки вычислительных инструментов быстрые и точные прогнозы определенной токсикологической активности, основанные на трехмерной молекулярной структуре, будут в большей степени выполнять свои текущие ожидания.

Применение для металлов

При изучении биологической активности органических соединений, к которым относится большая часть лекарств и химикатов окружающей среды, часто применялись методы и подходы QSAR.Кроме того, большая часть наших сегодняшних знаний и понимания механизмов, с помощью которых посторонние химические вещества влияют на биологические системы, основаны на исследованиях органических соединений. В этой работе использовались подходы, основанные на SAR, и она привела к некоторым фундаментальным принципам, которые помогают нам понять, а иногда и предсказать биологические эффекты данного органического химического вещества. Два основных подхода оказались особенно полезными в управлении нашей способностью предсказывать биологическую активность органических соединений.К ним относятся признание структурного сходства с соединениями, которые, как известно, важны для промежуточного метаболизма и связанных с ним процессов жизнедеятельности (т. Е. Концепции летального синтеза и антиметаболитов [Peters, 1963]), определение конкретных действий на дискретных фармакологических рецепторах (т. и токсикофоры, обсуждавшиеся ранее), и прогнозирование неспецифических эффектов, основанных на физико-химических свойствах и реакционной способности молекул. Частным случаем последнего является гипотеза ковалентного связывания, в которой предполагается, что химически реактивные вещества неферментативно реагируют с клеточными макромолекулами, такими как белки и нуклеиновые кислоты.

Пытаясь распространить вышеупомянутые соображения на соединения металлов (Hanzlik, 1981), мы сталкиваемся с гораздо более ограниченными знаниями о нормальном физиологическом функционировании металлов в биологических системах и значительно более широким диапазоном химических свойств и реакционной способности, предлагаемых металлами. соединения различного типа. Кроме того, был достигнут определенный успех в проведении параллелей между биохимической токсикологией органических и неорганических химикатов на основе ключевых химических свойств или процессов, которые могут быть общими для обеих групп.К ним относятся взаимосвязь между связыванием и связыванием, способность металлов функционировать как электрофильные частицы с «алкилирующими» свойствами, относительная важность размера иона металла по отношению к заряду и роль металлов как «антиметаболитов» в процессах изоморфного обмена. Представляет интерес потенциал методов 3D-QSAR для изучения процессов изоморфного обмена с участием ионов металлов. Кроме того, соединения металлов могут действовать как инициаторы или катализаторы in vivo и могут участвовать в комплексообразовании и окислительно-восстановительных процессах при абсорбции, хранении, метаболизме и экскреции.

Недавние исследования (Newman et al., 1998) с использованием характеристик связывания металл-лиганд для прогнозирования токсичности металлов и развития количественных соотношений характер-активность иона (QICAR) показывают многообещающие в качестве скринингового подхода и в ситуациях, аналогичных тем в котором применяются QSAR. Поскольку основное внимание в фармакологии и в значительной степени в токсикологии человека уделялось органическим лекарствам и ядам, QICAR не получили должного развития. Кроме того, химическое определение усложняет прогноз, поскольку обычно одновременно присутствуют несколько видов металлов, а биодоступность каждого неоднозначна.Однако часть этой неоднозначности может быть устранена путем разумного применения модели активности свободных ионов (FIAM). Эта модель является расширением гипотезы свободных ионов, в которой биоактивность растворенного металла коррелирует с его концентрацией или активностью свободных ионов.

В недавней работе (Newman et al., 1998) межметаллические тенденции токсичности были успешно смоделированы с помощью ионных характеристик, отражающих связывание металла с лигандами, связанное с широким спектром эффектов. В общем, модели для металлов с одинаковой валентностью (т.е.е. двухвалентные металлы) были лучше, чем соединения одно-, двух- и трехвалентных металлов. Ионные характеристики, которые были наиболее полезны при построении модели QICAR, включали параметр мягкости и абсолютное значение логарифма первой константы гидролиза. Индекс мягкости количественно определяет способность иона металла принимать электрон во время взаимодействия с лигандом. Это отражает важность ковалентных взаимодействий по сравнению с электростатическими взаимодействиями в определении межметаллических тенденций в биоактивности.Интересно, что мягкость или молекулярная поляризуемость часто являются важным фактором в процессах молекулярного распознавания и связывания органических соединений. Константа гидролиза отражает тенденцию иона металла к образованию стабильного комплекса с промежуточными лигандами, такими как донорные атомы O в биомолекулах. Не существует четкого аналога с точки зрения органической химии, и, похоже, это отличительная особенность, которая может иметь важное значение при определении относительной биоактивности металлов. Первое стабильное сокращенное состояние также внесло значительный вклад в несколько моделей с двумя переменными.Большинство моделей были полезны для целей прогнозирования на основе критерия F-отношения и перекрестной проверки, но аномальные прогнозы действительно имели место, если игнорировалось видообразование. Важность видообразования могла помешать попыткам моделирования простых смесей в сложных средах. В этих случаях количественные попытки предсказать взаимодействия металлов в бинарных смесях на основе стабильности комплекса металл-лиганд не увенчались успехом.

Есть несколько решаемых проблем, которые требуют дальнейшего внимания, прежде чем подход QICAR будет иметь такую ​​же общую полезность, что и подход QSAR.Эти вопросы включают разработку и тестирование дополнительных объясняющих переменных, тщательную оценку ионных качеств, используемых для расчета объясняющих переменных, лучшее понимание моделей, способных предсказывать эффекты для сильно различающихся металлов (например, металлов с разными валентными состояниями), эффективное включение химического состава, изучение дополнительных эффектов и оценка применимости QICAR к сложным фазам, таким как отложения, почвы и продукты питания.

Применение экспертных систем

Аллергический контактный дерматит — это клеточный иммунологический ответ на химические вещества, которые контактируют и проникают через кожу.Это наиболее распространенное профессиональное кожное заболевание и представляет собой серьезную непрофессиональную проблему, связанную с окружающей средой. Аллергический контактный дерматит — это распространенное патологическое состояние, при котором понимание химии, как было показано, является ключом к пониманию различных элементов токсичности (Ashby et al., 1995; Kimber, 1996; Lepoittevin and Berl, 1996). Химические реакции и взаимодействия участвуют на протяжении всего процесса, начиная с пересечения кожного барьера (в основном контролируемого физико-химическими свойствами аллергена), через образование гаптен-белкового комплекса (в котором участвуют химические связи) или во время процесс распознавания между антигеном и рецепторами на Т-лимфоцитах (с участием быстро развивающейся области надмолекулярной химии).

Чтобы вызвать сенсибилизацию, химическое вещество должно проникнуть через кожу, где оно может метаболизироваться, а затем вступить в реакцию с белками поверхности клеток Лангерганса с образованием новых химических структур, которые считаются чужеродными. Таким образом, можно ожидать, что подходы и соображения SAR могут быть особенно полезными для понимания и прогнозирования взаимосвязи между такими контактными аллергическими свойствами химических веществ и их молекулярной структурой. Важные химические факторы контактной сенсибилизации включают молекулярные свойства, влияющие на биодоступность (соответствующий размер молекулы, полярность и водородные связи, обеспечивающие проникновение через кожу, медленный транзит и инициирование связывания), химическую стабильность (достаточную для достижения жизнеспособных тканей кожи в реактивном состоянии). форма), и реакционная способность белка (для образования стабильных связей с белками либо напрямую, либо через метаболическую активацию, как правило, электрофильными видами).Показано, что реакционноспособные химические вещества являются важными, включая ацилирующие / алкилирующие / арилирующие агенты, электрофилы Михаэля, альдегиды и родственные карбонильные реагенты, генераторы свободных радикалов и агенты обмена тиолов. Принимая во внимание предыдущее обсуждение способности металлов функционировать как электрофильные частицы с «алкилирующими» свойствами, неудивительно, что некоторые металлы или соли металлов могут приводить к контактной гиперчувствительности или дерматиту. Это подтверждает мнение о том, что координационные комплексы металлов могут быть достаточно стабильными, а модификация белков — достаточно важной, чтобы приводить к аллергии.

Помимо природы и реакционной способности определенных химических группировок в инициирующей активности, совместимость пространственной геометрии также может быть важным фактором, влияющим на взаимосвязь структура-активность, особенно в исследованиях перекрестной аллергии среди структурно связанных семейств химических веществ. Рецепторные молекулы обычно очень селективны в отношении размера и формы молекулы, и молекулы должны иметь аналогичные трехмерные характеристики, чтобы их распознавали истинные белковые биорецепторы.Это предполагает возможную роль подходов 3D-QSAR в изучении перекрестных аллергических свойств структурно родственных аллергенов.

Моделирование контактной гиперчувствительности — это область, в которой с некоторым успехом применялись методы SAR, основанные на правилах и корреляции (Ashby et al. , 1995; Barratt et al ., 1994a, b; Graham et al ., 1996; Payne, Walsh, 1994). Доступны базы данных сенсибилизации кожи, которые доступны для поиска по химической структуре, что позволяет быстро идентифицировать структурные аналоги и легкий доступ к связанным с ними данным о сенсибилизации кожи.Это, в свою очередь, позволяет оценить потенциал сенсибилизации кожи (прогностическое тестирование) химическими веществами (целиком или в виде субструктур) и обеспечивает основу для построения моделей QSAR и использования подходов SAR для оценки риска. Это может быть особенно важно, поскольку в настоящее время не существует проверенных, принятых нормативными документами методов in vitro для оценки сенсибилизирующего потенциала кожи химическими веществами, хотя описаны методы, которые могут быть полезны в фундаментальных исследованиях (Hauser and Katz, 1988).В отсутствие методов in vitro и системы на основе правил, такие как DEREK, могут служить первым шагом в стратегическом подходе к скринингу контактных аллергенов и определению приоритетов дальнейших исследований. Помимо классификации химических веществ как потенциальных сенсибилизаторов, требуется дополнительная работа для создания моделей QSAR, которые также могут оценивать относительную активность химических аллергенов.

ДЕРЕК

В течение некоторого времени было известно, что химические контактные аллергены способны реагировать с белками кожи либо непосредственно, либо после соответствующей биохимической трансформации.Корреляция белковой реактивности химических веществ с их потенциалом сенсибилизации кожи хорошо установлена ​​(Dupuis et al , 1982; Lepoittevin et al , 1998). В настоящее время невозможно предсказать относительную сенсибилизирующую способность только на основании физико-химических свойств. Тем не менее, существует одна экспертная система правил, которая коррелирует структурные предупреждения о реактивности белков химических веществ с их потенциалом сенсибилизации кожи. DEREK (аббревиатура от «дедуктивной оценки риска на основе имеющихся знаний») — это программа, которая включает в себя как программу контроля, так и базу химических правил (Barratt et al ., 1994а, б). В идеальном случае структурные предупреждения, используемые для выявления потенциальных сенсибилизирующих химических веществ, должны включать те структурные особенности, которые определяют проникновение через кожу и метаболизм (как активацию, так и деактивацию), химическую реактивность и иммунное распознавание. Тем не менее, DEREK, в его нынешнем виде, уделяет большое внимание компоненту химической реакционной способности.

Перед проведением каких-либо доклинических испытаний нового ингредиента, химическое вещество может быть оценено на наличие предупреждений о сенсибилизации кожи с помощью DEREK; Эта экспертная система позволяет оценивать большое количество химических веществ без доклинических испытаний.Таким образом, идентификация структурных предупреждений о сенсибилизации кожи может быть чрезвычайно полезной для руководства процессом разработки продукта. Однако важно отметить, что некоторые молекулы могут содержать структурную тревогу, но не могут быть сенсибилизаторами кожи, возможно, потому, что их проницаемость кожи слишком низкая или они не образуют иммунореактивный фрагмент в эпидермисе. Кроме того, тот факт, что химическое вещество не вызывает предупреждение о сенсибилизации кожи в DEREK, не гарантирует, что химическое вещество не является сенсибилизатором, поскольку его химический состав может быть новым для DEREK.Несмотря на текущие ограничения, использование DEREK представляет собой мощный первый шаг в стратегическом подходе к идентификации контактных аллергенов.

Структура базы данных

В дополнение к использованию DEREK была разработана база данных сенсибилизации кожи, в которой можно выполнять поиск по химической структуре. Система разработана таким образом, что структурные аналоги и связанные с ними данные испытаний на сенсибилизацию кожи могут быть обнаружены за считанные минуты. Данные о сенсибилизации кожи были собраны из нескольких источников.Данные о морских свинках и местных лимфатических узлах об известных сенсибилизаторах кожи были получены из опубликованной литературы (например, Andersen and Maibach, 1985; Ashby et al. ., 1993; Cronin and Basketter, 1994). Кроме того, данные о сенсибилизации кожи были получены из общедоступных баз данных, таких как TSCATS и IUCLID. В настоящее время эта база данных по сенсибилизации кожи содержит около 3500 химических веществ, связанных с данными тестов на сенсибилизацию кожи. Реляционная база данных используется для хранения данных о сенсибилизации кожи.

Для новых ингредиентов структура или структурные фрагменты используются для поиска структурных аналогов в базе данных сенсибилизации кожи. В зависимости от сходства между неизвестным соединением и силы данных о сенсибилизации кожи, связанных с аналогами, идентифицированными в базе данных, ценная информация может быть предоставлена ​​для процесса оценки риска. Поиск по химической структуре обеспечивает однозначный метод идентификации новых соединений, а также структурных аналогов, которые в сочетании с данными испытаний на сенсибилизацию кожи могут использоваться для прогнозирования потенциала сенсибилизации кожи химическим веществом.Использование таких взаимосвязей между структурой и активностью значительно сократило время разработки, затраты на испытания и использование животных.

ЗАКЛЮЧЕНИЕ

Учитывая огромный диапазон и вариабельность возможных взаимодействий химических веществ в биологических системах, маловероятно, что модели SAR когда-либо достигнут абсолютной уверенности в прогнозировании исхода токсичности, особенно в системе целого животного. Однако в разной степени это предостережение применимо к любой экспериментальной или вычислительной модели, требующей экстраполяции между уровнями биологической организации (например,g., биохимический для in vitro от до in vivo () или между видами. Можно сделать гораздо больше для расширения масштабов и полезности подходов SAR за счет улучшения взаимосвязей между различными научными элементами проблемы SAR: химическими, биологическими и статистическими. Безусловно, новые технологии для уточнения биофункционального понимания (например, массивы ДНК для классификации химических веществ в соответствии с путями экспрессии генов) и лучшего понимания механистических элементов, относящихся к проявлению токсичности во всех системах, будут полезны для уточнения анализов SAR.Кроме того, необходимы более эффективные способы обеспечения широкого доступа к базам данных о токсичности и использования всей необходимой информации, полученной как на основе экспертных оценок, так и на основе количественного анализа, по проблеме прогнозирования.

SAR — это чрезвычайно многопрофильная область, потенциально применимая к широкому кругу проблем и конечных точек. Только в области окружающей среды и здоровья человека был подан ряд приложений для предотвращения загрязнения, скрининга токсичности и оценки риска (обзор см. В Walker, 2000).Работа SAR также была полезна при проведении механистических исследований и прогнозировании разрушающих эндокринную систему видов деятельности, экологической судьбы и экологических последствий химических веществ, а также взаимодействия между окружающей средой и здоровьем человека (Walker, 2000). Хотя такой широкий потенциал применения желателен и полезен, он также увеличивает возможность неправильного использования таких методов и подходов. Токсикология вступает в новую эру механистического подхода (Stevens and Marnett, 1999). Поскольку SAR в конечном итоге основывается на связи с механизмами, был сделан упор на подходе, основанном на механизмах, который постепенно создает базу данных и научное понимание взаимодействия химических веществ с различными формами жизни и жизнедеятельности на молекулярном уровне.В этом отношении SAR в сочетании с методами физической органической химии и биохимии будет способствовать дальнейшему развитию нашего научного понимания процессов, дающих жизнь, а также принесет практическую пользу обществу с точки зрения улучшения показателей здоровья.

РИС. 1.

SAR находится на пересечении биологии, химии и статистики.

РИС. 1.

SAR находится на пересечении биологии, химии и статистики.

РИС. 2.

Важные элементы в развитии механистических SAR.

РИС. 2.

Важные элементы в развитии механистических SAR.

РИС. 3.

Матричная структура представляет собой эстрадиол, а целевым свойством для отображаемой модели CoMFA является аффинность связывания эстрогенового рецептора. (A) Стерические поля: отрицательные значения представляют области (желтые контуры, появляющиеся над и под плоскостью фенольной части A-кольца молекулы) пространства, где стерическая масса должна быть удалена относительно структуры шаблона, а положительные значения (зеленые контуры в вблизи D-кольца) предполагают, что стерическая масса должна быть сохранена или увеличена.(B) электростатические поля; красные контуры, появляющиеся на обоих концах молекулы (за пределами A- и D-колец), обозначают области, где отрицательный заряд оказывается полезным для связывания, тогда как синие контуры предполагают, что желателен частичный положительный заряд.

РИС. 3.

Матричная структура представляет собой эстрадиол, а целевым свойством для отображаемой модели CoMFA является аффинность связывания эстрогенового рецептора. (A) Стерические поля: отрицательные значения представляют области (желтые контуры, появляющиеся над и под плоскостью фенольной части A-кольца молекулы) пространства, где стерическая масса должна быть удалена относительно структуры шаблона, а положительные значения (зеленые контуры в вблизи D-кольца) предполагают, что стерическая масса должна быть сохранена или увеличена.(B) электростатические поля; красные контуры, появляющиеся на обоих концах молекулы (за пределами A- и D-колец), обозначают области, где отрицательный заряд оказывается полезным для связывания, тогда как синие контуры предполагают, что желателен частичный положительный заряд.

ССЫЛКИ

Андерсен К. Э. и Майбах Х. И. (1985). Тесты для прогнозирования контактной аллергии на морских свинках: Актуальные проблемы дерматологии. Каргер, Нью-Йорк.

Ариенс, Э. Дж. (

1966

).Молекулярная фармакология — основа создания лекарств.

Fortschr Arzneimittelforsch

10

,

429

.

Эшби, Дж., Баскеттер, Д. А., Патон, Д., и Кимбер, И. (

1995

). Отношения структура-активность в сенсибилизации кожи с использованием анализа лимфатических узлов на мышах.

Токсикология

103

,

177

–194.

Эшби, Дж., Хилтон, Дж., Дирман, Р. Дж., Калландер, Р. Д., и Кимбер, И.(

1993

). Механистическая взаимосвязь между мутагенностью, сенсибилизацией кожи и канцерогенностью кожи.

Environ. Перспектива здоровья.

101

,

62

–67.

Барратт, М. Д., Баскеттер, Д. А., Чемберлен, М., Адманс, Г. Д., и Ланговски, Дж. Дж. (

1994

). База правил экспертной системы для определения контактных аллергенов.

Токсично. in Vitro

8

,

1053

–1060.

Баррат, М. Д., Баскеттер, Д. А., Чемберлен, М., Пейн, М. П., Адманс, Г. Д., и Ланговски, Дж. Дж. (

1994

). Разработка базы правил экспертной системы для определения контактных аллергенов.

Токсично. in Vitro

8

,

837

–839.

Бенфенати Э. и Джини Г. (

1997

). Вычислительные прогностические программы (экспертные системы) в токсикологии.

Токсикология

119

,

213

–225.

Бениньи Р. и Ричард А. М. (

1996

). QSAR мутагенов и канцерогенов: два тематических исследования, иллюстрирующих проблемы в построении моделей для неуниверсальных химических веществ.

Mutat. Res.

371

,

29

–46.

Бениньи Р. и Ричард А. М. (

1998

). Количественное моделирование на основе структуры применяется для характеристики и прогнозирования химической токсичности.

Методы

14

,

264

–276.

Конолли Р. Б., Бек Б. Д. и Гудман Дж. И. (

1999

). Стимулирование исследований для улучшения научной основы оценки рисков.

Toxicol. Sci.

49

,

1

–4.

Крамер Р. Д. III и Банс Дж. Д. (1987). Метод DYLOMMS: первые результаты сравнительного исследования подходов к 3D-QSAR. В QSAR in Drug Design and Toxicology (D. Hadzi and B. Jerman-Blazic, Eds.), Стр. 3–12. Эльзевир, Амстердам.

Крамер Р. Д., III, Паттерсон, Д. Э. и Банс, Дж. Д. (

1988

). Сравнительный анализ молекулярного поля (CoMFA): 1. Влияние формы на связывание стероидов с белками-носителями.

J. Am. Chem. Soc.

110

,

5959

.

Кронин М. Т. и Баскеттер Д. А. (

1994

). Многомерный QSAR-анализ базы данных сенсибилизации кожи.

SAR QSAR Environ. Res.

2

,

159

–179.

Дюпюи Г. и Бенезра К. (1982). Аллергический контактный дерматит на простые химические вещества. Молекулярный подход. Марсель Деккер, Нью-Йорк, Нью-Йорк.

Энслейн, К. (

1993

). Будущее предсказания токсичности с помощью QSAR.

In vitro токсикология

6

,

163

–169.

Гольберг, Л. (Ред.) (1983). Корреляция структура-активность как инструмент прогнозирования в токсикологии . Hemisphere Publishing, Нью-Йорк.

Грэм К., Гили Р., Мачина О. Т., Кароль М. Х. и Розенкранц Х. С. (

1996

). QSAR для аллергического контактного дерматита.

Кол. Struct. Действовать. Relat.

15

,

224

–229.

Грин С. и Маршалл Г. Р. (

1995

). 3D-QSAR: текущая перспектива.

Trends Pharmacol. Sci.

16

,

285

–291.

Hansch, C. (

1969

).Количественный подход к взаимосвязи биологической структуры и активности.

Акт. Chem. Res.

2

,

232

.

Hansch, C., and Dunn, W. J., III (

1972

). Линейные зависимости между липофильностью и биологической активностью лекарств.

J. Pharm. Sci.

61

,

1

–19.

Hansch, C., Hoekman, D., Leo, A., Zhang, L., и Li, P. (

1995

).Растущая роль количественных соотношений структура-активность (QSAR) в токсикологии.

Toxicol. Lett.

79,

45

–53.

Ханс, К., Ким, Д., Лео, А., Новеллино, Э., Силипо, К., и Виттория, А. (

,

, 1989,

). К количественной сравнительной токсикологии органических соединений.

Крит. Rev. Toxicol.

19

,

185

–226.

Hansch, C., and Leo, A. (1995). Изучение QSAR.. Основы и приложения в химии и биологии. Профессиональный справочник ACS, Американское химическое общество, Вашингтон, округ Колумбия.

Ханзлик Р. П. (1981). Токсичность и метаболизм соединений металлов: некоторые взаимосвязи между структурой и активностью. В Environmental Health Chemistry (J. D. McKinney, Ed.), Стр. 467–496. Издательство Ann Arbor Science Publishing, Анн-Арбор, Мичиган.

Хак Р. (ред.) (1980). Динамика, воздействие и оценка опасности токсичных химических веществ. Ann Arbor Science, Ann Arbor, MI.

Хаузер К. и Кац С. И. (

1988

). Активация и размножение гаптен- и белок-специфических Т-хелперов у несенсибилизированных мышей.

Proc. Natl. Акад. Sci. США

85

,

5625

–5628.

Герменс, Дж. Л. М. (1996). Отношения структура-деятельность. В книге «Токсикология : принципы и применение» (Р. Дж. М. Несинк, Дж. Де Вриз и М. А. Холлингер, ред.), Стр. 239–268. CRC Press, Нью-Йорк.

Херменс, Дж.Л. М. и Опперхёйзен А. (ред.) (1991). QSAR по экологической токсикологии IV. Elsevier, Амстердам.

Джайн, А. Н., Койл, К., и Чепмен, Д. (

1994

). Компас: прогнозирование биологической активности на основе свойств поверхности молекул. Сравнение производительности на стероидном тесте.

J. Med. Chem.

37

,

2315

–2327.

Кайзер, К. Л. Э., Изд. (1987). QSAR по экологической токсикологии II, Reidel, Dordrecht, Holland.

Karcher, W., and DeVillers, J., Eds. (1990). Практическое применение количественных соотношений структура-активность (QSAR) в химии окружающей среды и токсикологии. Клувер, Дордрехт и Бостон.

Кирсли С. и Смит Г. (

1990

). Альтернативный метод выравнивания молекулярных структур: максимальное электростатическое и стерическое перекрытие.

Tetrahedron Comput. Методол.

3

,

615

.

Кимбер И. (1996). Альтернативные методы тестирования контактной сенсибилизации. В Токсикология контактного дерматита (К. Кимбер и Т. Мауэр, ред.), Стр. 140–151. Тейлор и Фрэнсис, Лондон.

Клебе Г., Мицнер Т. и Вебер Ф. (

1994

). Различные подходы к автоматическому структурному выравниванию молекул лекарств: приложения к имитаторам стеролов, ингибиторам тромбина и термолизина.

J. Comput. Помощь Мол. Des.

8

,

751

–758.

Клопман Г. (

1984

). Подход искусственного интеллекта к исследованиям структуры-деятельности. Компьютерная автоматизированная оценка структуры биологической активности органических молекул.

J. Amer. Chem. Soc.

106

,

7315

–7320.

Lepoittevin, J.-P., Basketter, D.A., Goossens, A., and Karlber, A.T. (1998). Аллергический контактный дерматит: молекулярные основы. Springer, Берлин.

Лепойттевин Ж.-П., Берл В.(1996). Молекулярные основы аллергического контактного дерматита. В Дерматотоксикология, 5-е изд. (Фрэнсис Н. Марзулли и Говард И. Майбах, ред.), Стр. 147–160. Тейлор и Фрэнсис, Вашингтон, округ Колумбия

Льюис, Д. Ф. В. (1992). Компьютерные методы оценки химической токсичности. В обзоре по вычислительной химии (К. Б. Липковиц и Д. Б. Бойд, ред.), Стр. 173–221. Издательство VCH, Нью-Йорк.

Липник Р. Л. (

1991

). Выбросы: их происхождение и использование в классификации молекулярных механизмов токсичности.

Sci. Total Environ.

109/110

,

131

–153.

Маршалл, Г. Р. и Крамер, Р. Д. III (

1988

). Трехмерные отношения между структурой и деятельностью.

Trends Pharmacol. Sci.

9

,

285

–289.

Мэтьюз Э. Дж. И Контрера Дж. Ф. (

1998

). Новый высокоспецифичный метод прогнозирования канцерогенного потенциала фармацевтических препаратов у грызунов с использованием усовершенствованного программного обеспечения MCASE QSAR-ES.

Рег. Toxicol. Pharmacol.

28

,

242

–264.

МакКинни, Дж. Д. (

1985

). Монография о взаимосвязи структуры и активности в изучении механизмов и прогностической токсикологии.

Environ. Перспектива здоровья.

61

,

349

.

МакКинни, Дж. Д. (

1996

). Параметры реактивности в структуре-активности, оценка риска химических веществ на основе взаимосвязи.

Environ. Перспектива здоровья.

104

,

810

–816.

МакКинни, Дж. Д. и Сингх, П. (

1981

). Отношения структура-активность в галогенированных дифенилах: объединяющая гипотеза структурной специфичности.

Chem. Биол. Взаимодействовать.

33

,

271

–283.

Ньюман, М. К., Макклоски, Дж. Т., и Татара, К. П. (

1998

). Использование характеристик связывания металл-лиганд для прогнозирования токсичности металлов: количественное соотношение характеристик иона и активности (QICAR).

Environ. Перспектива здоровья.

106 (доп. 6)

,

1419

–1425.

Пейн М. П. и Уолш П. Т. (

1994

). Соотношение структура-активность для потенциала сенсибилизации кожи: разработка структурных предупреждений для использования в системах прогнозирования токсичности, основанных на знаниях.

J. Chem. Инф. Comput. Sci.

34

,

154

–161.

Петерс, Р. А. (1963). Биохимические поражения и летальный синтез. Пергамон, Оксфорд.

Рэнд, Г. М., и Петрочелли, С. Р., ред. (1985). Основы водной токсикологии. Hemisphere, Нью-Йорк.

Ричард А. М. (

1995

). Роль вычислительной химии в поддержке идентификации опасностей (ID): SAR на основе механизмов.

Toxicol. Lett.

79

,

115

–122.

Ричард, А. М. (

1998

). Структурные методы прогнозирования мутагенности и канцерогенности: мы уже на месте?

Mutat.Res.

400

,

493

–507.

Ричард, А. М. (

1998

). Коммерческие системы прогнозирования токсикологии: регуляторная перспектива.

Toxicol. Lett.

102–103

,

611

–616.

Ричард А. М. и Хантер Э. С., III (

1996

). Количественные отношения структура-активность для токсичности галогенуксусных кислот в культуре целых эмбрионов млекопитающих.

Тератология

53

,

352

–360.

Сейф, С. (

1990

). Полихлорированные бифенилы (ПХБ), дибензо- p -диоксины (ПХДД), дибензофураны (ПХДФ) и родственные соединения: экологические и механистические соображения, которые поддерживают развитие факторов токсической эквивалентности (TEF).

Крит. Rev. Toxicol.

21

,

51

–88.

Сейф, С. (

1994

).Полихлорированные дифенилы (ПХД): воздействие на окружающую среду, биохимические и токсические реакции, а также значение для оценки риска.

Крит. Rev. Toxicol.

24

,

87

–149.

Сандерсон Д. М. и Эрншоу К. Г. (

1991

). Компьютерное предсказание возможного токсического действия по химической структуре; система ДЕРЕК.

Hum. Exp. Toxicol.

10

,

261

–273.

Стивенс, Дж.Л. и Марнетт, Л. Дж. (

1999

). Определение молекулярной токсикологии: перспектива (передовая).

Chem. Res. Toxicol.

12

,

747

–748.

Топлисс, Дж. Г., и Эдвардс, Р. П. (

1979

). Факторы случайности в исследованиях количественных взаимосвязей структура-активность.

J. Med. Chem.

22

,

1238

–1244.

Ван ден Берг, М., Бирнбаум, Л., Босвельд, А.Т.С., Брюнстрем, Б., Кук, П., Фили, М., Гизи, Дж., Ханберг, А., Хасегава, Р., Кеннеди, С.В., Кубьяк, Т., Ларсен, Дж. К., ван Левен, FX, Лием, А. К., Нолт, К., Петерсон, Р. Э., Пеллингер, Л., Сейф, С., Шренк, Д., Тиллит, Д., Тисклинд, М., Юнес, М., Варн, Ф., и Захаровски , T. (

1998

) Факторы токсической эквивалентности (TEF) для ПХД, ПХДД, ПХДФ для человека и диких животных.

Environ. Перспектива здоровья.

106

,

775

–792.

Ван Дри, Дж. Х., Вейнингер, Д. и Мартин, Ю. К. (

1989

). ALADDIN: интегрированный инструмент для компьютерного молекулярного дизайна и распознавания фармакофоров на основе геометрического, стерического и субструктурного поиска трехмерных молекулярных структур.

J. Comput. Помощь Мол. Des.

3

,

225

–251.

Вагнер П. М., Набхольц Дж. В. и Кент Р. Дж. (

1995

). Новый химический процесс в Агентстве по охране окружающей среды (EPA): взаимосвязь структура-деятельность для идентификации опасностей и оценки рисков.

Toxicol. Lett.

79

,

67

–73.

Walker, J. D., Ed. (2000). Справочники по QSAR для (а) Предотвращение загрязнения, Скрининг токсичности, Оценка рисков и применение WWW; (b) Прогнозирование способности химических веществ к разрушению эндокринной системы; (c) Предсказание экологического воздействия химикатов; (d) Экологическая судьба химических веществ; и (e) «Прогнозирование воздействия химических веществ на взаимодействие между окружающей средой и здоровьем человека». SETAC Press, Пенсакола, Флорида.

Уоллер, К. Л., Эванс, М. В., и МакКинни, Дж. Д. (

1996

). Моделирование опосредованного цитохромом p450 метаболизма хлорированных летучих органических соединений.

Drug Metab. Дисп.

24

,

203

–210.

Уоллер, К. Л., Джума, Б. В., Грей, Л. Е., младший, и Келси, В. (

1996

). Трехмерные количественные отношения структура-активность для лигандов рецепторов андрогенов.

Toxicol. Прил. Pharmacol.

137

,

219

–227.

Уоллер, К. Л., и Маккинни, Дж. Д. (

1992

). Сравнительный анализ молекулярного поля полигалогенированных дибензо- p -диоксинов, дибензофуранов и бифенилов.

J. Med. Chem.

35

,

3660

–3666.

Уоллер, К. Л., и МакКинни, Дж. Д. (

1995

). Трехмерные количественные отношения структура-активность диоксинов и диоксиноподобных соединений: проверка модели и характеристика рецептора Ah.

Chem. Res. Toxicol.

8

,

847

–858.

Уоллер, К. Л., Опреа, Т. И., Ча, К., Парк, Х. К., Корах, К. С., Лоуз, С. К., Визе, Т. Е., Келс, В. Р., и Грей, Л. Е., младший (

1996

). Идентификация эстрогенов окружающей среды на основе лигандов.

Chem. Res. Toxicol.

9

,

1240

–1248.

Ву, Й.-Т., Лай, Д., Аргус, М., и Аркос, Дж. (

1995

).Разработка правил взаимосвязи структура-активность для прогнозирования канцерогенного потенциала химических веществ.

Toxicol. Lett.

79

,

219

–228.

© 2000 Общество токсикологии

.