La toxicité relative

La toxicité relative

La toxicité relative à 48 anilines et 95 phénols utilisant les caractéristiques de croissance de la population de Tetrahymena pyriformis (concentration causant 50% d’inhibition de croissance), disponible dans la littérature, a été étudiée. Au début, l’ensemble des données a été divisé au hasard en un ensemble de calibrage (31 produits chimiques pour les anilines et 62 pour les phénols) utilisé pour établir le modèle QSAR, et un ensemble de validation (17 produits chimiques pour les anilines et 33 pour les phénols) pour la validation statistique externe. Concernant les anilines, un modèle biparamétrique a été développé en utilisant, comme variables indépendantes, des descripteurs théoriques 3D dérivés du logiciel DRAGON qui sont R v3  et RGyr . Le modèle de moindres carrés ordinaires (MCO), en sélectionnant les sous-ensembles de variables par algorithmes génétiques (GA-VSS), a été examiné pour la robustesse (validation croisée 2 QLOO , Randomisation de Y), et pour la capacité prédictive par les méthodes de validation interne (validation croisée 2 QLMO , bootstrap) et externe ( 2 Qext ). Les descripteurs inclus dans le modèle QSAR indiquent que la toxicité est liée, à la taille et à la forme moléculaire, et à l’interaction de la molécule avec son milieu environnant ou sa cible. De plus, le domaine d’applicabilité du modèle a été discuté. Le modèle QSAR proposé dans ce travail est stable, robuste, avec de bonnes performances d’ajustement, et de prédiction. Le modèle obtenu et discuté est meilleur et que celui de Schultz et al. basé sur le log P et  statistiquement parlant, et qui est en plus entaché de plusieurs anomalies qui limitent sont utilisation. L’absence de validation externe indispensable dans les études QSAR, et les différents points influents et aberrants qui appariassent en adoptant une approche QSAR standard en utilisant les descripteurs originaux sont parmi les plus importantes anomalies remarquées. Pour les phénols, un modèle avec deux variables électrotopologiques explicatives a été construit.Ce modèle donne de bon résultats tant en calibrage qu’en validation 2 2 ( 91,15%, 91,84%) R Q   EXT et, la comparaison avec le modèle orignal basé comme pour les anilines sur le log P et  est en faveur de ce dernier seulement après utilisation d’une approche QSAR usuelle et seulement en ce qui concerne la validation statistique externe. L’amélioration que nous apportons à l’approche de Schultz et al. Concerne la validation statistique externe et interne et l’approche des leviers pour définir le domaine d’application. 

Structures des composés anilines 

Inhibition of Microbial Growth by Anilines: A QSAR Study 

Introduction Recently computational methods have been used to solve complex problems in many aspects of science. One particularly useful method—the development of QSARs (quantitative structure-activity relationships) has found application in environmental chemistry and ecotoxicology [1-5]. QSAR approach systematization which has to be associated to the work of Hansch and Fujita in 1964 [6] is based on the assumption that the structure of a molecule must contain the features responsible for its physical, chemical and biological properties and on the possibility of representing a molecule by numerical descriptors. The underlying hypothesis for QSAR models is that all molecules interact with the receptor in same or similar mode of action [7]. Corresponding author: Leila Lourici, Ph.D., main research field: environmental chemistry. E-mail: leilalourici@yahoo.fr. The descriptors most used in the early QSAR analyses are the octanol/water partition coefficient (logP), the Hammett  constant [8, 9] acting as an electronic effect descriptor and the lipophilicity parameter  , which is defined by analogy to the electronic descriptor. Together with these empirical descriptors, the classical models employ other physical-chemical properties as parameters; some of them derived from quantum chemical calculations, namely: partial charges, HOMO/LUMO energies, etc.. An important topic in environmental chemistry and ecotoxicology consists of the effect of toxic agents on the growth of microbial species. The population growth of protozoa, in particuliar of ciliates, in varied concentrations of toxic substances has been assessed by comparing a number of specific experimental values, including population density [10], growth rates [11], growth curves [12] and number of generations [13].