CC BY
6
© КОЛЛЕКТИВ АВТОРОВ, 2005 УДК 614.774
Н. А. Санягина, А. К. Осипов, А. Н. Сунин, Б. В. Сульдин СОРБЦИЯ БИС-(ТРИБУТИЛОВОГО) ОКСИДА ПОЧВОЙ
Мордовский государственный университет им. Н. П. Огарева, Саранск
Бис-(трибутиловий)оксид (ТБТО) проявляет биоцид-ную активность, входит в состав химических средств защиты растений [7], средств защиты древесины [9], ингибиторов коррозии морских судов и гидротехнических сооружений [4]. В результате длительного применения ТБТО попадает в водоемы, поглощается донными отложениями. В морской воде содержание кремнезема находится в пределах 2—12 мг/л [1]. Взаимодействие ионов металлов и других химических загрязнителей с кремнеземом можно рассматривать как процесс равновесной сорбции.
ПДК ТБТО в почве 1—2 мг/кг [5], а в воде — 0,2 мкг/л
[б].
Цель настоящей работы — изучение сорбции ТБТО почвой.
Исследование сорбции ТБТО почвой проводили в статических условиях по следующей методике.
Образцы почвы для анализа готовили, как описано 3. Г. Ильковской, А. С. Коноваловой [3]. Далее к навескам почвы массой по 10 г каждая прибавляли 57, 114, 171, 228 мг свежеперегнанного ТБТО, приливали по 100 мл дистиллированной воды, встряхивали в течение 1 ч для установления сорбционного равновесия. Далее почвенную суспензию фильтровали. Из фильтрата кремневой кислоты отбирали по 10 мл раствора и анализировали на содержание олова (IV) фотоколориметрическим методом с использованием 2,3,7-триоксифенилфлуорона |2, 8]. По содержанию олова (IV) в воде рассчитывали содержание ТБТО. Содержание ТБТО в почве после контакта с водой рассчитывали по разности между его исходным содержанием и найденным количеством в воде. Зная величину этой разности, определяли степень сорбции ТБТО почвой по формуле:
где g, — количество ТБТО, поглощенного почвой (в мг/г), g0 — количество ТБТО, введенного в почву (в мг/г).
Результаты определения степени сорбции ТБТО почвой приведены в таблице.
Из приведенных данных видно, что в широком интервале вводимых в почву количеств ТБТО практически полностью происходит его сорбция. Однако содержание ТБТО в водной фазе выше ПДК (0,2 мкг/л).
Таким образом, полученные нами результаты могут подтвердить целесообразность запрещения оловооргани-ческих соединений в качестве добавок к антикоррозионным краскам, используемым в морских технологиях [10].
Степень сорбции ТБТО почвой в пересчете на воздушно-сухую пробу
Введено ТБТО в почву, мг/г Найдено ТБТО в воде, контактирующей с почвой, мкг/л Количество ТБТО в почве после контакта с водой, мг/г Степень сорбции, %
5,7 7 5,69 99,8
11,4 7,3 11,39 99,9
17,1 13 17,09 99,9
22,8 26 22,77 99,9
Применение ог.овоорганических биоцидов в качестве средств защиты растений и древесины остается проблематичным в связи с их практически полной сорбцией почвой.
Литература
1. Айлер Р. Химия кремнезема. — М., 1982. — Т. I. — С. 24.
2. Дымов А. М., Иванов И. Г., Романцева Г. И. // Журн. аналит. химии. - 1971. - Т. 26, № 12. - С. 2360-2365.
3. Ильковская 3. Г., Коновалова А. С. // Агрохимические методы исследования почв. — М., 1975. — С. 5.
4. Конкин Д. А., Азербаев И. Н. Олово и свинецоргани-ческие мономеры и полимеры. — Алма-Ата, 1968.
5. Олово и оловоорганические соединения. — Женева, 1984.
6. СанПин 2.1.4.1074—01. Предельно-допустимые концентрации химических веществ в воде. — М.
7. Санягина Н. А., Макин Г. И., Фещенко А. Г. и др. // Агрохимия. - 1993. - № 1. - С. 101-109.
8. Чврнорукова 3. Г., Заботин К. П. // Физико-химиче-ские методы анализа: Межвузовский сборник. — Горький, 1978. - С. 95.
9. Becker Н. // Seifen Ole Fette Wachse. - 1988. - Bel 14, N 1. - S. 61-63.
10. Comment. Grond for Cocen by Andy Smith, Ship Boat, International, July/August, 1999. — P. 2.
Поступила 10.03.04
Summary. A statistical method was used to study the sorption of bis-(tributyltin) oxide (TBTO) by liquid versus solid soil phases. The concentration of TBTO was studied for its effect on the rate of soil sorption. The soil sorption of TBTO was found to be 99.9% of its administered amount that was in the range of 5.7-22.8 mg/g.
© КОЛЛЕКТИВ АВТОРОЕ, 2005 УДК 615.31:547.2/.9].099
О. В. Тюрина', Л. А. Тюрина2, Т. Р. Зулькарнаев1, С. А. Кирлан2, И. Б. Бетелина2
КОМПЬЮТЕРНАЯ СИСТЕМА ПРОГНОЗА ОСТРОЙ ТОКСИЧНОСТИ ХИМИЧЕСКИХ СОЕДИНЕНИЙ
'Башкирский государственный медицинский университет, 2Научно-исследовательскнй технологический институт гербицидов и регуляторов роста растений АН Республики Башкортостан, Уфа
Прогресс синтетической органической химии за последние десятилетия привел к тому, что ежегодно синтезируются тысячи новых соединений. Для значительной части из них отсутствуют сведения о важнейших токсикологических характеристиках воздействия на организм человека и окружающую среду.
С учетом значительности накопленного объема информации о токсических свойствах существующих химических соединений (ХС), используемых в различных отраслях народного хозяйства, наиболее реальным и эффективным подходом к оценке вновь синтезированных ХС является прогноз их токсичности на основе математических моде-
Некоторые наиболее информативные признаки решающего набора модели М1
Содержание признака
Информативность, г
CH2-0-P(S)
O-P(S) & сн2-о & с=с-с=с P(S) & сн2 & с=с О-Р =(S)-0 СН3-СН2 & СН2-0
S-P(S) V CH3-N=C V сн2-с=с
Het V
V
V
( /—Ч ' N — N
-О v-rO V Л X
S
0,407 0,389 0,378 0,378 0,293 0,264
-0,255 -0,202
NH
—Vj V NH-C=0 VCH-C=0 -0,201
N=C-S V NH—^ XN VCH3-0 -0,197
/—ч N —N
-N OV/XV
S
N
> NH
-0,162
Примечание. & — знак конъюнкции, V — знак дизъюнкции.
лей, сформированных по результатам исследований связи между строением и биологическими свойствами ХС.
В качестве ведущего показателя токсичности химических веществ используется величина среднесмертельной доз (LDS0) при пероральном пути введения экспериментальным животным. Диапазон экспериментальных значений LDJ0, как правило, широк — от 0,1 до 28 000 мг/кг и более. Необходимо учесть, что для LD^ характерен значительный разброс значений при проведении биологических опытов (от 150 до 300%). Кроме того, на практике часто оперируют различными интервальными характеристиками (классы опасности и токсичности, коэффи-
циенты кумуляции и пр.). Поэтому многим задачам теоретической и практической токсикологии вполне адекватно прогнозирование не количественных, а интервальных значений среднесмертельных доз. Обращение к интервальным значениям токсичности ХС дает возможность использовать наиболее корректные в этих условиях методы теории распознавания образов (ТРО).
В наших исследованиях для изучения связи структура—токсичность и формирования индивидуальных математических моделей прогноза LDJ0 использована компьютерная система SARD [4]. Исходной информацией для системы SARD служат данные о строении и свойствах исследуемых ХС: молекулярные структурные формулы и результаты биологических испытаний. Используемые математические методы: методы ТРО, методы теории игр, теории графов. При формировании моделей методами ТРО используется дихотомическая процедура. Для этого исследуемая группа химических веществ разделяется на две группы, альтернативные по своим свойствам. SARD включает аналитический блок, блок конструирования и блок прогноза. В данном случае использован аналитический блок, назначение которого — оценка влияния разнообразных структурных параметров на исследуемые свойства и формирование математических моделей распознавания и прогноза, а также блок прогноза.
При определении задач работы мы исходили из того, что при прогнозе токсических свойств конкретных соединений прогнозируемые диапазоны значений LDJ0 могут оказаться весьма широкими, что часто приводит к недостаточной точности результатов прогноза. Поэтому было принято решение формировать не одну модель или "веер" равнозначных моделей, а иерархические прогнозные комплексы, в которых по ходу логической схемы прогноза получаются более узкие интервалы. Общее число моделей комплекса, каждая из которых дает возможность классифицировать вещества в пределах своего интервала, зависит от выбранного исследователем диапазона значений LD50, границ альтернативных классов и допустимых интервалов, в целом удовлетворяюших условиям задачи.
Ранее для прогноза токсичности нами был разработан прогнозный комплекс [3] с использованием жестко фиксированных границ интервалов LD50, ориентированный на 4 класса токсичности в соответствии с ГОСТ 12.1.007— 76 [1] и разряды токсичности [2]. Однако использование этого комплекса на практике показало, что на основе сформированных моделей оцениваются широкие интервалы значений, а при использовании классификации по разрядам токсичности нет четкого разграничения по моделям прогноза, ориентированным на классы токсичности. Кроме того, при формировании комплекса на основе расширенной информационной базы, включающей 352 химических вещества, произошли качественные и количественные изменения признакового пространства, вследствие чего по многим моделям иерархического комплекса наблюдалось снижение уровня распознавания.
Таблица 2
Состав и характеристики ЭПК (R)
ЭПК
Интервал, число соединений
Характеристики моделей (R)
1 (0,1 -150-5000); N = (51/253)
2 (0,1-5000-15 000); N = (304/48)
3 (0,1-400-15 000); N = (99/253)
4 (0,1-500-15 000); N = (116/236)
5 (0,1-600-15 000); N = (128/176)
6 (60-4000-15 000); N = (159/67)
7 (600-1500-4000); N = (63/93)
8 (600-2500-15 000); N = (117/107)
9 (150-1000-4000); N = ( 109/124)
10 (0,1-50-150); N = (21/30)
R: Ml - (1), (82/80%); M2 -R: M4 - (1), (84/85%); M5 -R: M7 - (1), (76/77%); M8 -R: M10 — (2), (79/78%); Mil R: M13 - (1), (74/74%); M14 R: M16 - (1), (79/73%); M17 R: M19 - (1), (79/77%); M20 R: M22 - (1), (76/74%); M23 R: M25 - (2), (74/71%); M26 R: M28 - (1), (95/97%); M29
(1), (83/83%); M3 - (2), (80/82%)
(2), (72/88%); M6 - (2), (73/83%) (1), (77/77%); M9 - (2), (74/75%)
- (2), (77/82%); M12 - (1), (77/83%)
- (2), (73/74%); M15 - (1), (76/81%)
- (1,83/70%); M18 - (2), (73/70%)
- (2), (73/72%); M21 - (1), (78/77%)
- (2), (74/71%); M24 - (1), (78/77%)
- (2), (72/74%); M27 - (1), (79/79%)
- (2), (91/93%); M30 - (2), (91/90%)
Примечание. Приведены нижняя граница интервала, граница разделения на альтернативные группы и верхняя граница; для R указаны номер модели, тип алгоритма, распознавание альтернативных групп, %.
Результаты оценки интервальных значении острой токсичности экзаменационных соединений но комплексу 1
Структурная формула
Значения мг/кг (крысы, внутрижслудочное введение)
экспериментальные
расчетные
/Л
ОР(3)(ОС2Н5)2
N-Ы-СН2ЗР(3)(ОСН3)2
н,со—1к- ^=0 3 э
^^ОР(3)(|р2Н5)2
н3с-
N-N4 О
ГЛ
С1
М N
V- ЗСН.,МНС(0)МНСН25 —<
-Б Э
Ыу_сн2-<^Л н-а. ын ^^
/
СН28С05СН2
ын
N
|| ынын2
N4
-<м)0 ЫН ^^
Ой
-ын
-о
сн
=сн—со \
N-N
Я,С—}— ЫЙСОМ(СН3)СН2СН(ОСН3
25-48
82
126
400
310
160
1177
600
2100
0-50
0-50
50-150
50-150
150-400
150-400
150-400
400-1500
400-1500
1500-2500
СН.,
-ч СН,
чсн33
ЫН-NN
8=^5
О. /С, Ч-N
С1-Л..1
сг V О
С1
ЭН
1450
1200
1220
1875
400-1500
400-1500
400-1500
400-1500
ЫН — СОЫНСН2СН(СН3)2
2500
> 2500
/-ЫН
<С>=0
*—ын
5000
400-1500
Структурная формула
Знамения мг/кг (крысы, внутрижелудочное введение)
экспериментальные
расчетные
N
\—Б —СО—С с И
Ь N
N.
о-сн.
20000
> 2500
В связи с изложенным установление прогнозируемых интервалов ЬО50 не априори с фиксированными границами, а по оптимальным результатам распознавания соединений обучающего массива представляется более корректным [5]. Нами разработан метод прогноза интервальных значений ЬО50 с использованием формируемых иерархических прогнозных комплексов. Сущность метода заключается в последовательном ступенчатом сужении прогнозируемых интервалов токсичности исследуемых веществ по мере продвижения в рамках комплекса. Прохождение информации о структуре соединений по этому комплексу определяется задаваемой логической схемой, по ходу которой обозначаются более узкие интервалы ЬО50. Границы интервалов устанавливаются автоматически, путем оптимизации распознавания свойств соединений на стадии формирования моделей (распознающих наборов признаков — РНП), а также алгоритмов прогноза. При этом соблюдается определенное ограничение: число структур, входящих в класс, не должно быть менее 20, а уровень распознавания не должен быть ниже 70%.
Отбор соединений в альтернативные группы проводится автоматически по значениям их ЬО50 из сформированного общего банка данных согласно начальным границам интервалов. Поиск оптимальных интервалов осуществляется также автоматически путем перебора границ начальных интервалов с различным шагом в пределах 50—150 мг/кг, формирования математических моделей распознавания этих интервалов на каждом шаге и оценки получаемых моделей.
Для создания прогнозирующего иерархического комплекса автоматически формируется банк всех возможных моделей (М1...Мз), отвечающих заданным интервалам. Далее отбираются оптимальные по числу признаков и уровню распознавания РНП, общие или индивидуальные для двух алгоритмов (геометрического подхода и метода голосования). Они представляют собой рабочие модели. При формировании РНП каждой модели генерируются и оцениваются сотни тысяч разнообразных сложных и логических сочетаний фрагментов химических структур, на основе которых и формируется РНП.
Для создания автоматизированной системы полученные модели группируются в элементы прогнозирующих комплексов (ЭПК). Для каждого создаваемого ЭПК в соответствии с задачей нахождения оптимальных уровней распознавания токсичности определены индивидуальные интервалы и образованы соответствующие альтернативные группы.
В результате создания ЭПК отнесение соединений к одной из групп токсичности проводится по нескольким моделям, образующим отдельные ЭПК. Для более корректного распознавания соединений в каждом ЭПК предусмотрена процедура голосования решений, принимаемых по
каждой составляющей его модели. Поэтому число моделей в ЭПК должно быть (2л + 1), где п — целое положительное число. Таким образом, выбор решения на каждом шаге проводится минимум из 3 моделей ЭПК, различающихся по следующим критериям: алгоритму распознавания, уровню (в %) правильного распознавания соединений обучения в альтернативных группах. Каждая из (2л + 1)-моделей ЭПК отбирается автоматически в процессе расчета из множества, включающего до 1000 моделей с различными уровнями распознавания. Основное требование к моделям ЭПК — максимально возможное распознавание токсичности соединений каждой из альтернативных групп массива обучения, которые организовались для индивидуальных ЭПК.
При организации прогнозирующих комплексов на основе ЭПК можно учесть сходство в строении соединений хотя бы на уровне принадлежности к химической группе, но это требование не обязательное. Тем не менее надежность при сходстве повышается, так как не учитываются "чужие" признаки.
Все ЭПК организуются в иерархические комплексы, прохождение структурной информации по которым определяется задаваемой логической схемой. Решение на каждом этапе логической схемы по направлению исследуемой структуры соединения на следующие ЭПК принимается автоматически в зависимости от результатов, полученных на предшествующих ЭПК. Таким образом, по ходу схемы обозначаются более узкие интервалы значений Ш50.
С использованием этого подхода сформирована прогнозирующая система для оценки ЬО^ (крысы, внутри-желудочное введение [5]) различных классов химических веществ. Для создания этой системы сформировано 30 моделей прогноза острой токсичности разнообразных азот-, кислород-, серосодержащих гетероциклических
Ввод информации о строении новых соединений в иерархическую систему прогноза
В
ЭПК1
-г
В
ЭПКЗ-ЭПК5
150-500 мг/кг
эпкз В ЭПК4 в ЭПК8 В
А А >2500 мг/кг
■ г
ЭПК6
эпкю
В
50-150 мг/кг
В
ЭПК7
А
0-50 мг/кг
>4000 мг/кг
В
1500-2500 мг/кг
500-1500 мг/кг
Рис. 1. Иерархический комплекс 1 для прогноза ЬО50 гетероциклических соединений.
Здесь и на рис. 2: буквы А и В около стрелок отражают отнесение прогнозируемого химического вещества к одной из альтернативных групп — к А или В.
50-150 мг/кг
Рис. 2. Иерархический комплекс 2 для прогноза ЬБ50 карбоциклических соединений.
соединений, а также отдельно для карбоциклических соединений. При формировании каждой модели из всей совокупности признаков отобраны признаки, наиболее корректно отражающие (распознающие) токсичность веществ альтернативных групп анализируемого интервала. Так, в решающий набор рабочей модели М1 вошло 38 сложных комбинаций структурных фрагментов (табл. 1). Аналогичные наборы параметров получены для всех 30 моделей.
Оценка достоверности 30 сформированных моделей, проведенная на 352 веществах обучающего массива, показала, что уровень распознавания высокий — от 73 до 97%, т. е. эти модели вполне могут быть использованы для прогноза Ь05С. Однако в таком виде они не имеют однозначных логических схем прохождения, неудобны для прогноза, сложны для интерпретации отнесения по группам токсичности.
Для формирования распознающей системы на основе полученных 30 математических моделей организовано 10 ЭПК, каждый из которых распознает определенный интервал Ь05(| (табл. 2).
Д™ определения оптимального набора моделей в каждом ЭПК все модели проверены на экзаменационной выборке из 27 соединений (табл. 3, 4). Структурный код каждого экзаменационного соединения, полученного на основе структурного пространства исходного обучающего массива, проходил через все ЭПК.
При анализе полученных результатов отбирались устойчивые к изменению вводимой структурной информации модели, т. е. те, по которым наблюдается удовлетворительный уровень распознавания. Всего отобрано 18 моделей: М1-МЗ (ЭПК1), М7-М9 (ЭПКЗ), М19-М21 (ЭПК7), М22-М24 (ЭПК8), М25-М27 (ЭПК9) и М28-М30 (ЭПК10). На основе отобранных моделей сформирован прогностический комплекс с иерархической структурой, в котором на выходе, по ходу логической схемы прохождения соединений, обозначаются более узкие конечные интервалы токсичности (рис. 1). Комплекс включает в общей сложности 27 моделей, из них 15 индивидуальных, входящих в 5 ЭПК — 1, 3, 7, 8, 9 и 12 моделей дублируются на разных уровнях. Эти модели образуют 9 ЭПК с 6 конечными прогнозируемыми интервалами ЬО50. Проверка этого комплекса на карбоциклических соединениях показала, что распознавание недостаточное (ниже 70%). Поэтому был разработан комплекс 2, в который для повышения достоверности прогноза были включены дополнительные модели, включающие 4 ЭПК — 4, 5, 6, 10, а ЭПК9 был исключен. В общей сложности
комплекс 2 включает 30 моделей — 24 индивидуальных (ЭПК1, 3—8, 10) и 6 дублирующих.
Апробация системы прогноза острой токсичности. Апробация созданных прогнозирующих комплексов, проведенная на том же экзаменационном массиве из 27 соединений, показала, что их уровень распознавания достаточно высокий, особенно для гетероциклических соединений. Из 17 соединений, предназначенных для проверки достоверности комплекса 1, правильно распознаются 88% (см. табл. 3), из 10 соединений, предназначенных для проверки достоверности комплекса 2, — 70% (см. табл. 4).
Полученные результаты апробации свидетельствуют, что с помощью разработанных систем моделей прогноза, организованных в ЭПК и прогнозирующие иерархические комплексы, вполне достоверно определена токсичность 379 соединений массива обучения и экзаменационного массива. Это свидетельствует о возможности прогнозирования токсичности исследуемых соединений на основе созданных комплексов.
Анализ влияния структурных фрагментов на токсичность. При исследовании связи структура—токсичность нами проанализировано признаковое пространство, характерное для групп токсичных и малотоксичных соединений.
При анализе, ориентируясь на взаимное влияние фрагментов, можно выделить несколько основных моментов. Для чрезвычайно и высокотоксичных соединений характерным является наличие следующих фрагментов:
— групп Р = Б и Р = О, влияние которых сохраняется в признаках двойного и тройного окружения. Это такие группы, как О-Р = Б, Б-Р = Б, О-Р = Б-О, N = С-О-Р = Б. Присутствие этих групп не обнаружено в признаках умеренно и малотоксичных соединений, что подтверждает их явное "токсофорное" влияние;
— групп СН3 и СН2Ие1 в составе признаков СН3-СН211е1, СЬ^еЮ, СН^еМЧ, 1Ч-СН211е1-5, СН3-Ы-СН3. Их характер изменяется при следующем окружении: СН2Ье1-СН, СН3-СН, СН3-С, СН3-А'= С-С = С, СН2Ье1-0-СН2Ие1, что характерно для умеренно и малотоксичных соединений.
Для малотоксичных соединений наличие групп 1ЧН и N = С также характерно только при определенном окружении, во фрагментах ЫН-С = О-И, ЫН-Ы = С-Ы = С, С = О-МН-С = С, СН-Ы = С- и в присутствии группы СН3. Однако их наличие в признаках N = С-Ы = С-Б, МН-Б-Ы — Сив сочетании с 1,3,5-замещенным триази-ном характерно для умеренно токсичных соединений. Также изменяется характер их влияния на токсичность в присутствии групп -О-, Р = Б, С = С, что характерно для высокотоксичных соединений. Присутствие группы -ОН в признаке двойного окружения С = О-ОН отмечено только для малотоксичных соединений.
Выявление наиболее устойчивых и характерных признаков может быть очень полезным. При невозможности обратиться к полной системе прогноза по полученным моделям результаты анализа характера влияния фрагментов могут служить предпосылкой для отнесения азотсодержащих гетероциклических соединений к определенному классу токсичности.
Таким образом, сформированная система моделей прогноза ЬО50 позволяет достоверно прогнозировать токсичность гетероорганических соединений. Апроба-
Результаты прогнозирования острой токсичности карбоцикличс-ских соединений по комплексам 1 и 2
Значения LD^, мг/кг
Структурная формула экспе- расчетные
риментальные комплекс 1 комплекс 2
С(СН3)3
4350 > 2500 > 2500
(СН3)3С ОН СН,
4900 > 2500 > 2500
(СН3)3С О
С(СН3)3
(CH3)2NCH2 ОН ОН CH2N(CH3)2
сн3
^-C(CH3)3 (СН3)3С он
2050 > 2500 > 2500
620 50-150 50-150
5800 > 2500 > 2500
СН,
СН
СН.
м
10250 > 2500 > 2500
(СН3)3С ОН НО С(СН3)3 (СН3)3С ОН НО С(СН3)3
(СН3)С
15000 > 2500 > 2500
С(СН3)3
1650 > 2500 > 2500
CH2N(CH3)2
ОН
> 30000 4j jQQ > 2500
> 30000 > 2500
Br
ция на соединениях разнообразных химических классов показала, что сформировать один комплекс моделей с устойчивой прогностической способностью для разных структурных групп сложно.
Таким образом, разработана система распознавания и прогноза интервальных значений острой токсичности LD50 разнообразных гетероорганических соединений. Она основана на двух сформированных прогностических комплексах — для гетероциклических и карбоцикличе-ских соединений, включающих в общей сложности 30 математических моделей. Для каждого комплекса разработаны логические схемы прохождения прогнозируемых соединений в соответствии с иерархической организацией входящих ЭПК. Достоверность прогноза составляет 70-88%.
Для повышения надежности прогноза химических веществ, в значительной мере структурно отличающихся от соединений, заложенных в основу системы прогноза, для прогнозируемой группы соединений предлагается выделять группу эталонов из числа экзаменационных, имеющихся в прогнозирующей системе, затем дополнительно выявить оптимальные модели и сформировать соответствующую логическую схему. Такой подход с учетом эталонов представляется достаточно корректным, имитирующим в определенной степени поведение исследователя. Он учитывает качественный и количественный состав веществ в системе прогноза и обеспечивает надежное распознавание острой токсичности соединений разнообразного строения.
Литература
1. ГОСТ 12.1.007—76. Система стандартов безопасности труда. Вредные вещества. Классификация и общие требования безопасности. — М., 1976.
2. Экспрессные методы определения токсичности и опасности химических веществ / Заугсльников С. Д., Кочанов М. М., Лойт А. О., Ставчанский И. И. - Л., 1978.
3. Зулькарнаев Т. Р. и др. // Гиг. и сан. — 1999. — № 3. - С. 54-61.
4. Машинный поиск химических препаратов с заданными свойствами / Кадыров Ч. LLL, Тюрина Л. А., Симонов В. Д., Семенов В. А. — Ташкент, 1989.
5. Кирлан С. А., Тюрина О. В., Кирлан А. В. и др. // Ре-актив-2000. Химические реактивы, реагенты и процессы малотоннажной химии: Тезисы XIII Международной науч.-техн. конференции. — Тула, 2000. — С. 233.
Поступила 22.01.04
S u m in а г у. A method lias been proposed to recognize and predict the range values of acute toxicity (LDS0) and for this a system has been developed. The essence of the method is to gradually decrease the predictable toxicity ranges for the test substances in a stepwise manner while advancing within the formed predictive complexes. The transmission of information on the structure of compounds along this complex is determined by the preset logistic scheme along which narrower LD50 ranges are designated. The intervals are automatically set, by optimizing the recognition of the properties of compounds at the stage of formation of models (that recognize the set of signs). The predicting system includes two predicting complexes and contains a total of 30 mathematical models: for heterocyclic and carbocyclic compounds. Logistic schemes for passage of predictable compounds have been developed for each complex in accordance with the hierarchic organization of the elements that are constituents of the complex. The prediction significance is 70-90%.
