Predicting the Metal Mixture Toxicity with a Toxicokinetic–Toxicodynamic Model Considering the Time-Dependent Adverse Outcome Pathways

毒物动力学 毒物动力学 不良结局途径 毒性 结果(博弈论) 不利影响 药理学 化学 医学 计算生物学 生物 数学 有机化学 数理经济学
作者
Lan Yang,Jing Zeng,Ning Gao,Lin Zhu,Jianfeng Feng
出处
期刊:Environmental Science & Technology [American Chemical Society]
卷期号:58 (8): 3714-3725 被引量:2
标识
DOI:10.1021/acs.est.3c09857
摘要

Chemicals mainly exist in ecosystems as mixtures, and understanding and predicting their effects are major challenges in ecotoxicology. While the adverse outcome pathway (AOP) and toxicokinetic–toxicodynamic (TK–TD) models show promise as mechanistic approaches in chemical risk assessment, there is still a lack of methodology to incorporate the AOP into a TK–TD model. Here, we describe a novel approach that integrates the AOP and TK–TD models to predict mixture toxicity using metal mixtures (specifically Cd–Cu) as a case study. We preliminarily constructed an AOP of the metal mixture through temporal transcriptome analysis together with confirmatory bioassays. The AOP revealed that prolonged exposure time activated more key events and adverse outcomes, indicating different modes of action over time. We selected a potential key event as a proxy for damage and used it as a measurable parameter to replace the theoretical parameter (scaled damage) in the TK–TD model. This refined model, which connects molecular responses to organism outcomes, effectively predicts Cd–Cu mixture toxicity over time and can be extended to other metal mixtures and even multicomponent mixtures. Overall, our results contribute to a better understanding of metal mixture toxicity and provide insights for integrating the AOP and TK–TD models to improve risk assessment for chemical mixtures.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
无限的猕猴桃完成签到,获得积分10
1秒前
充电宝应助raoxray采纳,获得10
6秒前
6秒前
tttt完成签到 ,获得积分10
8秒前
彩色夜阑完成签到,获得积分10
12秒前
17秒前
耳东陈完成签到 ,获得积分10
20秒前
21秒前
洛洛完成签到,获得积分10
21秒前
AllenZ发布了新的文献求助10
22秒前
万能图书馆应助wnll采纳,获得10
24秒前
张平发布了新的文献求助10
27秒前
28秒前
唠叨的天亦完成签到 ,获得积分10
28秒前
29秒前
淀粉肠发布了新的文献求助10
32秒前
33秒前
款款发布了新的文献求助10
34秒前
干净的向真完成签到,获得积分10
34秒前
44关注了科研通微信公众号
36秒前
款款完成签到 ,获得积分10
40秒前
复杂的洋葱完成签到,获得积分10
40秒前
42秒前
kudoukoumei发布了新的文献求助30
45秒前
sje发布了新的文献求助10
49秒前
52秒前
lhh0529yt完成签到,获得积分10
54秒前
树酱完成签到,获得积分20
54秒前
54秒前
今后应助杨九采纳,获得10
1分钟前
自觉的白易完成签到 ,获得积分10
1分钟前
1分钟前
酷波er应助科研进化中采纳,获得10
1分钟前
再生极强的-涡虫完成签到,获得积分10
1分钟前
1分钟前
树酱关注了科研通微信公众号
1分钟前
1分钟前
好运波函数完成签到 ,获得积分10
1分钟前
桐桐应助单薄千青采纳,获得10
1分钟前
1分钟前
高分求助中
Sustainability in Tides Chemistry 2800
Kinetics of the Esterification Between 2-[(4-hydroxybutoxy)carbonyl] Benzoic Acid with 1,4-Butanediol: Tetrabutyl Orthotitanate as Catalyst 1000
The Young builders of New china : the visit of the delegation of the WFDY to the Chinese People's Republic 1000
Rechtsphilosophie 1000
Bayesian Models of Cognition:Reverse Engineering the Mind 888
Very-high-order BVD Schemes Using β-variable THINC Method 568
Chen Hansheng: China’s Last Romantic Revolutionary 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3138556
求助须知:如何正确求助?哪些是违规求助? 2789483
关于积分的说明 7791467
捐赠科研通 2445886
什么是DOI,文献DOI怎么找? 1300693
科研通“疑难数据库(出版商)”最低求助积分说明 626058
版权声明 601079