目前，我們的日常生活中接觸到的工業(yè)化學物質(zhì)大約超過100,000種，其中一些可能對人體健康產(chǎn)生不利影響。
化學物質(zhì)的安全性通常通過動物試驗、細胞試驗、微生物試驗等生物檢測來評估。然而，在考慮時間、勞動力、物質(zhì)成本和動物倫理等多種因素時，以這種方式測試如此大量的化學物質(zhì)是不現(xiàn)實的。
▌定量構(gòu)效關系（QSAR）
為了實現(xiàn)可持續(xù)發(fā)展目標，需要一種能夠迅速準確識別有害化學物質(zhì)的有效篩選工具。定量構(gòu)效關系（Quantitative Structure Activity Relationships，QSAR）是一種計算機模擬方法，它主要基于各種分子描述符和模型算法，建立化合物的結(jié)構(gòu)與其理化性質(zhì)，生物學活性，毒理學效應，環(huán)境行為和歸趨等的定性/定量關系，即根據(jù)目標物質(zhì)的化學結(jié)構(gòu)特征預測其生理效應或理化性質(zhì)等，具有快速高效的特點，能夠有效節(jié)約測試成本。
QSAR是目前國內(nèi)外一個活躍的研究領域，美國環(huán)境保護署（United States Environmental Protection Agency，簡稱US EPA）就基于QSAR開發(fā)了針對化學物質(zhì)毒性預測的軟件——Toxicity Estimation Software Tool (T.E.S.T)。
▌T.E.S.T
T.E.S.T軟件可根據(jù)大量的數(shù)據(jù)處理和統(tǒng)計識別目標化合物中潛在的有毒基團，還能快速地分析與目標物質(zhì)結(jié)構(gòu)相似的化合物的毒性，進一步綜合預測目標物質(zhì)的毒性。
T.E.S.T界面簡潔，操作簡單，并且軟件內(nèi)配有指南，易上手，用戶可通過CAS號、SMILES碼、物質(zhì)名稱、InChi碼、DTXSID或是手動繪制載入化學物質(zhì)結(jié)構(gòu)，然后選定預測終點與方法，更改結(jié)果輸出路徑后即可進行預測，軟件預測完畢會自動生成結(jié)果報告。
T.E.S.T軟件用戶界面與基本操作流程
T.E.S.T的預測終點包括毒性和理化性質(zhì)兩大類別。
毒性預測終點：
預測終點 | 介紹 |
LC50（Fathead minnow 96-hr） | 96小時導致50%黑頭呆魚（Fathead minnow）死亡的水中試驗化學物質(zhì)濃度（mg/L）。 |
LC50（D. magna 48-hr） | 48小時導致50%大型蚤（Daphnia magna）死亡的水中試驗化學物質(zhì)濃度（mg/L）。 |
LC50（T. pyriformis 48-hr） | 48小時對50%梨形四膜蟲（Tetrahymena pyriformis）生長產(chǎn)生抑制作用的水中試驗化學物質(zhì)濃度（mg/L）。 |
LC50（Oral rat） | 導致50%的大鼠口服后死亡的化學物質(zhì)量 （mg/kg bw）。 |
生物富集因子 （Bioaccumulation factor） | 達到平衡狀態(tài)時，化合物在生物體內(nèi)濃度與環(huán)境介質(zhì)中濃度的比值。 |
發(fā)育毒性 （Developmental toxicity） | 化學物質(zhì)是否會對人類或動物產(chǎn)生發(fā)育毒性效應。 |
鼠傷寒沙門氏桿菌回復突變試驗 （Ames mutagenicity） | 如果化學物質(zhì)在鼠傷寒沙門菌菌株（Salmonella typhimurium）中誘導回復突變菌落生長，則該化合物為致突變物。 |
理化性質(zhì)預測終點：
預測終點 | 介紹 |
標準沸點 （Normal boiling poin） | 化學物質(zhì)在標準大氣壓（1個大氣壓）下沸騰的溫度（℃） |
蒸汽壓 （Vapor pressure） | 在25℃的密閉條件中，與固體或液體處于相平衡的蒸氣所具有的壓強（mmHg）。 |
熔點 （Melting point） | 化學物質(zhì)從固體變?yōu)橐后w的溫度（℃）。 |
閃點 （Flash point） | 化學物質(zhì)與外界空氣形成混合氣與火焰接觸時發(fā)生閃火并立刻燃燒的最低溫度 |
密度 （Density） | 單位體積質(zhì)量（g/cm3） |
表面張力 （Surface tension） | 液體表面層由于分子引力不均衡而產(chǎn)生的沿表面作用于任一界線上的張力（dyn/cm）。 |
熱導率 （Thermal conductivity） | 物質(zhì)傳導熱量能力的量度值 （mW/mK）。 |
黏度 （Viscosity） | 流體對流動所表現(xiàn)的阻力（cP） |
水溶性 （Water solubility） | 化學物質(zhì)溶于液態(tài)水中形成均相溶液的濃度（mg/L）。 |
預測方法：
T.E.S.T內(nèi)包含了Chi連接指數(shù)、Kappa形狀指數(shù)、2D結(jié)構(gòu)特征等14類，共計797個描述符。
同時，T.E.S.T的預測方法有5種，即層次聚類法、單一模型法、基團貢獻計算法、最近鄰法、一致性評價方法。用戶可依據(jù)自身需求選擇和合適的預測方法來增加預測結(jié)果的可信度。
方法 | 介紹 |
層次聚類法 （Hierarchical method） | 使用來自幾種不同聚類模型的預測加權平均值來預測化學物質(zhì)的毒性。 |
單一模型法 （Single model method） | 使用適合訓練集的多元線性回歸模型進行預測（使用分子描述符作為獨立變量）。 |
基團貢獻計算法 （Group contribution method） | 使用適合訓練集的多元線性回歸模型進行預測（使用分子片段計數(shù)作為獨立變量）。 |
最近鄰法 （Nearest neighbor method） | 通過取訓練集中與測試化學物質(zhì)最相似的3種化學物質(zhì)的平均值來預測目標化學物質(zhì)的毒性。 |
一致性評價方法 （Consensus method） | 通過取上述QSAR方法預測毒性的平均值來預測化學物質(zhì)的毒性（預測結(jié)果在各自方法的適用范圍內(nèi)）。 |
模型擬合度：
用戶在進行QSAR預測時往往最關心的是預測結(jié)果的準確性。T.E.S.T.指南文件指出，如果QSAR模型滿足以下條件，則認為該模型具有可接受的預測能力：
R2是真實值與預測值之間的相關系數(shù)（即為不過原點回歸時相關系數(shù)的平方），R02是回歸曲線截距為零時真實值和預測值之間的相關系數(shù)(即為過原點回歸時相關系數(shù)的平方)，k是回歸曲線截距為零時的回歸方程系數(shù)。公式（1）（2）都是對線性回歸模型的擬合度量，滿足（1）（2）公式條件，即說明模型擬合度較好，具有良好的預測能力。
指南文件介紹了軟件中各個QSAR模型的統(tǒng)計參數(shù)，本文以LC50（fathead minnow 96-hr）毒性終點和標準沸點（Normal boiling point）的測試集結(jié)果為例介紹T.E.S.T中的模型性能。
LC50（fathead minnow 96-hr）測試集結(jié)果：
LC50（fathead minnow 96-hr）測試集結(jié)果顯示，五種方法的R2均滿足公式（1）的條件，且一致性評價方法的結(jié)果最好。單一模型法、基團貢獻計算法、一致性評價方法不滿足公式（2）的條件。
依據(jù)T. E. S. T.指南指出不滿足這些條件的模型本身并非絕對無效的，其預測結(jié)果是相對保守的，應該謹慎使用。
標準沸點（Normal boiling poin）測試集結(jié)果：
單一模型法不適用于標準沸點的預測，因此沒有其測試集結(jié)果，其余四種方法的三種指標均符合公式（1）（2）的條件。總的來說，標準沸點的測試集預測統(tǒng)計整體是很好的。
應用域介紹：
對于一個可靠的QSAR預測結(jié)果而言除了關注模型預測能力外，還需確定目標化合物是否在該模型的應用域范圍內(nèi)。應用域的功能就是界定能夠被QSAR模型可靠預測的化合物,也可理解為模型適用化合物的集合，通常可通過可從4方面來表征模型的應用域：
①描述符變化范圍；②結(jié)構(gòu)相似性；③機理相似性；④代謝轉(zhuǎn)化途徑和產(chǎn)物，
若目標化合物的上述特征在QSAR模型的應用域內(nèi)，則預測結(jié)果具有良好的可靠性；反之，則預測結(jié)果不具備良好的可靠性。
以3-氯-2-甲基苯胺（CAS：87-60-5）的IGC50（T. pyriformis 48-hr）預測為例，如下圖所示，3-氯-2-甲基苯胺均在層次聚類法建立的多個預測模型的應用域范圍內(nèi)，即Applicability Domain的一列結(jié)果均為“OK”，因此模型的總體預測結(jié)果相對可靠。
若目標化合物預測結(jié)果此列并非“OK”，而顯示為“Rmax constraint not met”、“Model ellipsoid constraint not met”或是某個結(jié)構(gòu)片段超出應用域范圍，其預測結(jié)果須謹慎使用。
綜上所述，T.E.S.T是一款由US EPA官方研究開發(fā)的QSAR毒性預測軟件，可以根據(jù)化合物的結(jié)構(gòu)信息預測其潛在毒性及理化性質(zhì)，其中包括較為常見的7種毒性預測終點和9種理化性質(zhì)預測終點，并且具有5種預測方法，預測能力較好，結(jié)果可信度較高，但在使用的過程中仍需要對目標物質(zhì)和預測結(jié)果進行專家評估以得出專業(yè)準確的結(jié)論。
在使用方面，軟件整體安裝簡單，操作便捷，用戶界面友好，并且配有較為詳細的用戶指南。隨著US EPA地不斷更新與完善，目前TSET已經(jīng)更新至5.1.2版本，適用于Windows和macOS系統(tǒng)。更詳細的內(nèi)容請參考軟件指南User’s Guide for T. E. S. T. (Toxicity Estimation Software Tool) Version 5.1。
軟件鏈接：Toxicity Estimation Software Tool (T.E.S.T) | US EPA
參考文獻：
[1] Honma M. An assessment of mutagenicity of chemical substances by (quantitative) structure-activity relationship. Genes Environ. 2020;42:23.
[2] De P, Kar S, Ambure P, et al. Prediction reliability of QSAR models: an overview of various validation tools. Arch Toxicol. 2022;96(5):1279-1295.
[3] U.S. EPA (2020). User’s Guide for T.E.S.T (version 5.1) (Toxicity Estimation Software Tool): A Program to Estimate Toxicity from Molecular Structure.
[4] 唐睿,張松林,粱云明,等. 毒性評估軟件T.E.S.T及其在農(nóng)業(yè)污染化合物QSAR研究中的應用[J]. 安徽農(nóng)業(yè)科學,2010,38(36):20878-20879,20882
[5] US EPA. Environmental Optimization Using the Waste Reduction Algorithm. 2011 4/18/16]; Available from: nepis.epa.gov/Exe/ZyPURL.cgi?Dockey=P100DZKT.TXT.
[6] Martin TM, Harten P, Young DM, et al. Does rational selection of training and test sets improve the outcome of QSAR modeling?. J Chem Inf Model. 2012;52(10):2570-2578.
[7] 王中鈺,陳景文,傅志強,等.QSAR模型應用域的表征方法[J].科學通報,2022,67(3):255-266.
[8] 陳景文,李雪花,于海瀛,王亞南,喬顯亮.面向毒害有機物生態(tài)風險評價的（Q）SAR技術：進展與展望[J].中國科學(6期):461-474[2024-01-16]
※ 以勒申明：
本文內(nèi)容來源：由以勒標準翻譯整理。以勒標準尊重知識產(chǎn)權，如轉(zhuǎn)載內(nèi)容涉及版權問題，煩請聯(lián)系我們及時處理。翻譯/整理不易，凡轉(zhuǎn)載或引用本網(wǎng)站內(nèi)容，請注明來源：杭州以勒標準，感謝您的支持！更多法規(guī)資訊實時跟蹤，可搜索“以勒標準”官方微信公眾號，獲取第一手法規(guī)資訊，掌握最佳貿(mào)易時機！
< 上一個：專家文章｜走進計算毒理學：QSAR從原理到應用
> 下一個：ICH M7（R2）指導原則的介紹與解讀
相關服務
聯(lián)系我們0571-8519 0521
157875742
infor@jirehstandard.com
聯(lián)系電話：0571-8519 0521
地址：杭州市拱墅區(qū)儲鑫路21號網(wǎng)谷創(chuàng)新中心10幢1402
郵箱：infor@jirehstandard.com
