[发明专利]一种提高污染物QSAR模型预测毒性效应终点值准确度的方法

说明书

本发明属于化学品毒理学机制分析领域，公开了一种提高污染物QSAR模型预测毒性效应终点值准确度的方法。包括计算毒性级数、界定毒性级数、基于毒性级数的QSAR模型参数选择原则。建立作用机制导向下的QSAR模型，可提高QSAR模型预测的准确度和有效性。识别和减少风险评价和管理过程的不确定性，有助于深入研究有机污染物对生物的毒性作用机制，为有机污染物对生物毒性预测和安全评价提供科学、精准信息。

技术领域

本发明属于化学品毒理学机制分析领域，具体涉及一种提高污染物QSAR模型预测毒性效应终点值准确度的方法。

背景技术

随着环境问题日益突出，污染问题给生物的生存与发展带来了挑战，污染物对于生物的毒害作用预测变得尤为重要。当前大多数研究学者选择采用动物实验来获取毒性数据以及评估污染物的环境风险，该方法对于毒性作用研究理论性较好，接近真实的污染物对生物的毒害作用方式，但对暴露生物需求量大。1959年罗素提出保护动物学伦理的3R原则，包括替代(replace)实验动物、减少(reduce)实验动物数量、以及优化(refine)实验程序以减少对动物的伤害。基于污染物定量结构和活性之间关系的模型来预测毒性作用，即定量结构-活性相关关系(quantitative structure activity relationship，QSAR)模型，已广泛应用于预测医药品、个人护理品、工业等各个行业污染物的毒性作用。通过模型预测获得可靠的毒性数据，可最大限度地利用非实验方法，减少实验测试(尤其是动物实验)及降低昂贵的测试费用。

QSAR模型对不同作用模式类型的污染物毒性预测的实际应用，存在一些偏离值较大的污染物，这类偏离值较大的污染物对QSAR模型准确度具有较大影响。

发明内容

为了甄别和剔除偏离值较大的污染物影响，提高QSAR模型的准确度，本发明提供一种提高污染物QSAR模型预测毒性效应终点值准确度的方法，筛选离群值较大污染物对其进行界定来提高污染物毒性作用预测的准确性以及扩大其应用范围。

本发明的上述目的是通过以下技术方案实现的：一种提高污染物QSAR模型预测毒性效应终点值准确度的方法，包括以下内容：

1.计算毒性级数

通过利用计算毒性级数来有效弥补QSAR模型预测离散值较大的污染物毒性作用。毒性级数运用急性毒性参数和无毒害效应浓度参数之间的相关性来表示毒性等级。毒性参数主要是根据污染物对于生物体的毒性数据进行计算，即

其中，TO是毒性级数(toxicity order)值，该值无量纲；LC₅₀(mg·L^-1)浓度数据为急性毒性参数，具体为能够杀死50％生物的药剂浓度数据；NOEC(mg·L^-1)浓度数据为无毒害效应浓度参数，具体为化合物对生物体的最大无毒作用剂量浓度数据。

2.毒性级数界定

由于不同污染物对于生物体的作用方式不同，所以基于QSAR模型作用模式的分类进行了一种涵盖了QSAR模型预测离散值较大的分类，从而实现对QSAR模型预测准确度的提升。具体为提出取TO值以10为底的对数值lg TO，将lg TO代入评估范围。当lg TO≤1，污染物MOA为麻醉型化合物；当1﹤lg TO﹤3，污染物MOA为过渡型化合物；当lg TO≥3，污染物MOA为反应型化合物。

其中，界定值1根据QSAR模型对亚磷酸三苯酯预测，预测结果表明亚磷酸三苯酯属于反应型和麻醉型之间相对离散值较大的物质，QSAR模型并不能准确的对亚磷酸三苯酯进行预测。采用毒性数据LC₅₀＝9.83×10^-2mg/L，NOEC＝1×10^-2mg/L，TO＝9.83，lg TO＝1，取1作为麻醉型和过渡型边界值，可以有效的对这类离散值进行界定和保护。