Objectives: It is necessary to apply quantitative structure activity relationship (QSAR) for the various chemicals with insufficient toxicity data that are used in the workplace, based on the precautionary principle. This study aims to find application plan of QSAR software tool for predicting health hazards such as genetic toxicity, and carcinogenicity for some chemicals used in the electronics industries. Methods: Toxicity prediction of 21 chemicals such as 5-aminotetrazole, ethyl lactate, digallium trioxide, etc. used in electronics industries was assessed by Toxicity Prediction by Komputer Assisted Technology (TOPKAT). In order to identify the suitability and reliability of carcinogenicity prediction, 25 chemicals such as 4-aminobiphenyl, ethylene oxide, etc. which are classified as Group 1 carcinogens by the International Agency for Research on Cancer (IARC) were selected. Results: Among 21 chemicals, we obtained prediction results for 5 carcinogens, 8 non-carcinogens and 8 unpredictability chemicals. On the other hand, the carcinogenic potential of 5 carcinogens was found to be low by relevant research testing data and Oncologic TM tool. Seven of the 25 carcinogens (IARC Group 1) were wrongly predicted as non-carcinogens (false negative rate: 36.8%). We confirmed that the prediction error could be improved by combining genetic toxicity information such as mutagenicity. Conclusions: Some compounds, including inorganic chemicals and polymers, were still limited for applying toxicity prediction program. Carcinogenicity prediction may be further improved by conducting cross-validation of various toxicity prediction programs, or application of the theoretical molecular descriptors.
Cronin, Mark T.D.;Enoch, Steven J.;Mellor, Claire L.;Przybylak, Katarzyna R.;Richarz, Andrea-Nicole;Madden, Judith C.
Toxicological Research
/
제33권3호
/
pp.173-182
/
2017
In silico methods to predict toxicity include the use of (Quantitative) Structure-Activity Relationships ((Q)SARs) as well as grouping (category formation) allowing for read-across. A challenging area for in silico modelling is the prediction of chronic toxicity and the No Observed (Adverse) Effect Level (NO(A)EL) in particular. A proposed solution to the prediction of chronic toxicity is to consider organ level effects, as opposed to modelling the NO(A)EL itself. This review has focussed on the use of structural alerts to identify potential liver toxicants. In silico profilers, or groups of structural alerts, have been developed based on mechanisms of action and informed by current knowledge of Adverse Outcome Pathways. These profilers are robust and can be coded computationally to allow for prediction. However, they do not cover all mechanisms or modes of liver toxicity and recommendations for the improvement of these approaches are given.
Objectives: Quantitative structure-activity relationship (QSAR) is one of the effective alternatives to animal testing, but its credibility in terms of toxicity prediction has been questionable. Thus, this work aims to evaluate its predictive capacity and find ways of improving its credibility. Methods: Using $TOPKAT^{(R)}$, OECD toolbox, and $Derek^{(R)}$, all of which have been applied world-wide in the research, industrial, and regulatory fields, an analysis of prediction credibility markers including accuracy (A), sensitivity (S), specificity (SP), false negative (FN), and false positive (FP) was conducted. Results: The multi-application of QSARs elevated the precision credibility relative to individual applications of QSARs. Moreover, we found that the type of chemical structure affects the credibility of markers significantly. Conclusions: The credibility of individual QSAR is insufficient for both the prediction of chemical toxicity and regulation of hazardous chemicals. Thus, to increase the credibility, multi-QSAR application, and compensation of the prediction deviation by chemical structure are required.
Background: A quantitative structure-activity relationship (QSAR) model was adopted in the Registration, Evaluation, Authorization, and Restriction of Chemicals (REACH, EU) regulations as well as the Act on Registration, Evaluation, etc. of Chemicals (AREC, Republic of Korea). It has been previously used in the registration of chemicals. Objectives: In this study, we investigated the correlation between the predicted data provided by three prediction programs using a QSAR model and actual experimental results (acute fish, daphnia magna toxicity). Through this approach, we aimed to effectively conjecture on the performance and determine the most applicable programs when designating toxic substances through the AREC. Methods: Chemicals that had been registered and evaluated in the Toxic Chemicals Control Act (TCCA, Republic of Korea) were selected for this study. Two prediction programs developed and operated by the U.S. EPA - the Ecological Structure-Activity Relationship (ECOSAR) and Toxicity Estimation Software Tool (T.E.S.T.) models - were utilized along with the TOPKAT (Toxicity Prediction by Komputer Assisted Technology) commercial program. The applicability of these three programs was evaluated according to three parameters: accuracy, sensitivity, and specificity. Results: The prediction analysis on fish and daphnia magna in the three programs showed that the TOPKAT program had better sensitivity than the others. Conclusions: Although the predictive performance of the TOPKAT program when using a single predictive program was found to perform well in toxic substance designation, using a single program involves many restrictions. It is necessary to validate the reliability of predictions by utilizing multiple methods when applying the prediction program to the regulation of chemicals.
Objectives For successful adoption of legislation controlling registration and assessment of chemical substances, it is important to obtain sufficient toxicological experimental evidence and other related information. It is also essential to obtain a sufficient number of predicted risk and toxicity results. Particularly, methods used in predicting toxicities of chemical substances during acquisition of required data, ultimately become an economic method for future dealings with new substances. Although the need for such methods is gradually increasing, the-required information about reliability and applicability range has not been systematically provided. Methods There are various representative environmental and human toxicity models based on quantitative structure-activity relationships (QSAR). Here, we secured the 10 representative QSAR-based prediction models and its information that can make predictions about substances that are expected to be regulated. We used models that predict and confirm usability of the information expected to be collected and submitted according to the legislation. After collecting and evaluating each predictive model and relevant data, we prepared methods quantifying the scientific validity and reliability, which are essential conditions for using predictive models. Results We calculated predicted values for the models. Furthermore, we deduced and compared adequacies of the models using the Alternative non-testing method assessed for Registration, Evaluation, Authorization, and Restriction of Chemicals Substances scoring system, and deduced the applicability domains for each model. Additionally, we calculated and compared inclusion rates of substances expected to be regulated, to confirm the applicability. Conclusions We evaluated and compared the data, adequacy, and applicability of our selected QSAR-based toxicity prediction models, and included them in a database. Based on this data, we aimed to construct a system that can be used with predicted toxicity results. Furthermore, by presenting the suitability of individual predicted results, we aimed to provide a foundation that could be used in actual assessments and regulations.
In, Young-Yong;Lee, Sung-Kwang;Kim, Pil-Je;No, Kyoung-Tai
Bulletin of the Korean Chemical Society
/
제33권2호
/
pp.613-619
/
2012
We applied several machine learning methods for developing QSAR models for prediction of acute toxicity to fathead minnow. The multiple linear regression (MLR) and artificial neural network (ANN) method were applied to predict 96 h $LC_{50}$ (median lethal concentration) of 555 chemical compounds. Molecular descriptors based on 2D chemical structure were calculated by PreADMET program. The recursive partitioning (RP) model was used for grouping of mode of actions as reactive or narcosis, followed by MLR method of chemicals within the same mode of action. The MLR, ANN, and two RP-MLR models possessed correlation coefficients ($R^2$) as 0.553, 0.618, 0.632, and 0.605 on test set, respectively. The consensus model of ANN and two RP-MLR models was used as the best model on training set and showed good predictivity ($R^2$=0.663) on the test set.
Objectives: Inhalation toxicity testing of chemical substances to identify carcinogenicity requires a long time and considerable cost, so the selection of test candidates is a very important aspect. This study was performed to determine optimal procedures for selecting carcinogenic inhalation toxicity test substances as conducted by the Occupational Safety and Health Research Institute (OSHRI). Methods: At the beginning, a database was constructed containing complex information such as usage amount, hazard, carcinogenicity prediction, and testability in order to select chemicals requiring carcinogenicity testing. Selection of test substances was carried out with priority given to usage, carcinogenicity, and testability. Results: Chemicals used in large quantities in industrial fields and strongly suspected of carcinogenicity were winnowed down to 12 substances, and these substances were scheduled for future testing by OSHRI. Conclusions: For the stable and reliable operation of carcinogenicity tests as conducted by OSHRI, this study standardized the procedures for selecting carcinogenicity test substances and suggested the introduction of various carcinogenicity prediction techniques.
기존의 방류수 모니터링에서는 개별 오염물질들의 농도를 기준으로 독성을 평가하였다. 그러나 많은 연구자들에 의해서 오염물질들이 공존하는 상황에서 나타나는 독성은 그들 간의 상호작용을 통해서 혼합독성의 형태로 나타난다고 보고되고 있다. 본 연구에서는 GC/MS 분석을 통해 방류수 중에 존재하는 주요 독성 기여 오염 물질들을 분석하고, Independent Action(IA), Concentration Addition(CA), Effect Summation(ES) 모델을 사용하여 방류수의 혼합독성을 상호 비교 평가하였다. GC/MS로 분석된 오염물질을 대상으로 D. magna 기준 독성 평가를 실시하였고, 10가지의 주요 독성 기여 오염물질을 선별하였다. Chloroneb, butylbenzylphthalate, pendimethaline, di-n-butylphthalate, di-iso-butylphthalate, diazinon, isofenphos, 2-chlorophenol, 2,4,6-trichlorophenol 과 p-octylphenol을 주요 오염물질로 선정하여 혼합독성 평가를 실시하였다. 혼합독성 평가 결과는 IA 예측모델과 매우 높은 상관성($r^2\;=\;0.8475$)을 나타내었다. ES와 CA 모델은 IA 모델과 비교하여 혼합독성 결과와 매우 낮은 상관성을 나타내었으며, 특히 ES는 실측값을 5배나 과도하게 예측하였다. 이러한 결과를 통해서 전남지역 방류수에 존재하는 주요 오염물질들의 혼합독성은 IA 모델을 통해 예측이 가능할 것으로 판단된다.
Objectives: An adverse outcome pathway is a biological pathway that disturbs homeostasis and causes toxicity. It is a conceptual framework for organizing existing biological knowledge and consists of the molecular initiating event, key event, and adverse output. The AOP concept provides intuitive risk identification that can be helpful in evaluating the carcinogenicity of chemicals and in the prevention of cancer through the assessment of chemical carcinogenicity predictions. Methods: We reviewed various papers and books related to the application of AOPs for the prevention of occupational cancer. We mainly used the internet to search for the necessary research data and information, such as via Google scholar(http://scholar.google.com), ScienceDirect(www.sciencedirect.com), Scopus(www.scopus. com), NDSL(http: //www.ndsl.kr/index.do) and PubMed(http://www.ncbi.nlm.nih.gov/pubmed). The key terms searched were "adverse outcome pathway," "toxicology," "risk assessment," "human exposure," "worker," "nanoparticle," "applications," and "occupational safety and health," among others. Results: Since it focused on the current state of AOP for the prediction of toxicity from chemical exposure at work and prospects for industrial health in the context of the AOP concept, respiratory and nanomaterial hazard assessments. AOP provides an intuitive understanding of the toxicity of chemicals as a conceptual means, and it works toward accurately predicting chemical toxicity. The AOP technique has emerged as a future-oriented alternative to the existing paradigm of chemical hazard and risk assessment. AOP can be applied to the assessment of chemical carcinogenicity along with efforts to understand the effects of chronic toxic chemicals in workplaces. Based on these predictive tools, it could be possible to bring about a breakthrough in the prevention of occupational and environmental cancer. Conclusions: The AOP tool has emerged as a future-oriented alternative to the existing paradigm of chemical hazard and risk assessment and has been widely used in the field of chemical risk assessment and the evaluation of carcinogenicity at work. It will be a useful tool for prediction, and it is possible that it can help bring about a breakthrough in the prevention of occupational and environmental cancer.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.