Избирательность: Недопустимое название — Викисловарь

Селективность (избирательность) / КонсультантПлюс

11. Биоаналитическая методика должна обладать способностью дифференцировать анализируемое вещество и ВС от эндогенных компонентов матрицы и других компонентов образца. Селективность биоаналитической методики необходимо подтвердить, используя не менее 6 различных источников соответствующих холостых образцов, не содержащих анализируемого вещества (с экспериментальным подтверждением). В отношении редких разновидностей биологических образцов допустимо использовать меньшее количество источников. Отсутствие искажающего влияния компонентов холостого биологического образца, констатируется, как правило, если их сигнал по нижнему пределу количественного определения не превышает 20% для анализируемого вещества и 5% — для ВС.

В некоторых случаях может понадобиться исследование степени влияния метаболитов действующего вещества, а также продуктов деградации, образующихся при пробоподготовке, и одновременно применяемых лекарственных препаратов.

На этапе валидации биоаналитической методики или на этапе анализа конкретного исследования и анализируемого вещества необходимо принять во внимание лекарственные препараты, применявшиеся исследуемой популяцией как сопутствующие.

12. Если применимо (для нестабильных метаболитов, например, кислых метаболитов в эфире, нестабильных N-оксидов или глюкуронидов, соединений с лактонной структурой), необходимо оценить возможность обратного преобразования метаболита в исходное анализируемое вещество на различных этапах анализа (включая процедуры пробоподготовки или в извлечении для МС-анализа). Необходимо установить степень обратного преобразования и проанализировать его влияние на результаты исследования. На ранних этапах разработки нового химического соединения, пока его метаболизм еще не изучен, такую оценку осуществить невозможно. Тем не менее после получения в процессе разработки новых данных о метаболизме действующего вещества необходимо учитывать проблему обратного преобразования, что требует проведения частичной валидации.

В некоторых случаях достаточно сложно получить доступ к стандартным образцам исследуемых метаболитов. С другой стороны, обратное преобразование метаболита можно оценить, проводя повторный анализ активных образцов (образцов, содержащих анализируемые вещества, взятых от субъектов исследования или животных). Однако в этом случае нельзя исключить обратное преобразование в процессе пробоподготовки.

Открыть полный текст документа

Избирательная токсичность | справочник Пестициды.ru

О явлении избирательной токсичности говорят в медицине и животноводстве, однако чаще всего это понятие находит свое применение в растениеводстве, при определении свойств пестицидов, уничтожающих вредные организмы (бактерии, грибы, насекомые, сорняки и т.д.).

Избирательно токсичное вещество может оказывать действие тремя путями:

• Накапливаться во вредных организмах;
• Взаимодействовать с клеточными структурами, которые имеются только у вредного вида;
• Повреждать какую-нибудь жизненно важную химическую систему для вредного вида и не иметь большого значения для полезного растения. ^[2]

Для полезных растений, грибов, насекомых, человека и животных пестициды должны быть малотоксичны. В ряде случаев этого достичь очень трудно из-за схожей природы биохимико-физиологических процессов вредных и полезных организмов, или потому, что вредитель живет внутри защищаемого растения.^[2]

В данном случае избирательная токсичность может определяться особенностями применения токсического действующего вещества, морфологии и поведения организмов, а также процессами проникновения пестицида, его превращения и выведения. Данную токсичность можно частично регулировать приготовлением специальных препаративных форм (микрокапсулированные суспензии, гранулы), направленного применения пестицидов на растения.

[2]

Показатели селективности

Показатель селективности (ПС) или коэффициент избирательности (КИ) характеризуют, соответственно, степень выраженности селективности или избирательности. Показатель селективности определяется отношением среднетоксических доз (ЛД₅₀):

ПС = ЛД₅₀ одного организма / ЛД₅₀ другого организма

Избирательность действия пестицида зависит от величины этого показателя. Во время разработки защитных мероприятий необходимо максимально сохранить энтомофагов, поэтому очень важно знать избирательность широко используемых пестицидов по отношению к наиболее распространенным в агроценозе энтомофагам. Для этого нужно определение отношения ЛД

50 энтомофагов к ЛД₅₀ вредителей. Чем больше это отношение превышает единицу, тем более безопасен препарат для энтомофагов.^[3]

Препараты считаются для энтомофагов малоопасными, если они в течение десяти дней уменьшают их численность не выше, чем на 20%, умеренно опасными — на 20 – 50 %, опасными – более, чем на 50 % на протяжении 20 дней.^[3]

Причины избирательности

Причинами избирательности служат биохимические и топографические факторы.

Биохимическая избирательность обусловлена способностью организмов детоксицировать действующее вещество или образовывать с ним неактивные комплексы (конъюганты) до того, как пестицид проникнет к месту действия. ^[3]

Например:

• гербицид Атразин (производное симмтриазина) быстро детоксицируется после поступления из почвы в корни кукурузы. Он превращается в гидроксиформу, вследствие чего не проникает в неизменном виде в хлоропласты, где реализуется его токсичность. Только этим обусловлена устойчивость кукурузы к данному препарату;
  [3]
• гербициды — производные феноксиуксусной кислоты (2,4-Д), связываясь с белками и некоторыми другими продуктами метаболизма, подвергаются иммобилизации в устойчивых растениях. Образовавшиеся конъюганты остаются в месте нанесения пестицида и не могут достичь меристематических тканей, где проявляется их токсичность;
• инсектицид Малатион является малотоксичным для теплокровных, поскольку в их организме он детоксицируется, превращаясь при этом в водорастворимые продукты, которые выводятся из организма. Но в организме насекомых он окисляется, и при этом образуется продукт еще более токсичный, чем действующее вещество Карбофоса. ^[3]

Топографическая избирательность

обусловлена тем, что препарат по некоторым причинам не может проникнуть в организм или не попадает на устойчивый объект.^[3]

К примеру:

• устойчивость щитовки к инсектицидам объясняется тем, что она покрыта щитком, через который большинство препаратов не может проникнуть;
• древесница въедливая находится внутри одревесневших тканей, поэтому инсектициды на нее не попадают;
• ягодные кустарники и плодовые деревья имеют устойчивость ко многим гербицидам, потому что их корневая система залегает глубоко, куда гербициды почвенного действия не могут проникнуть.^[3]

Избирательность пестицидов

Избирательная токсичность может определяться особенностями применения токсического действующего вещества, морфологии и поведения организмов, а также процессами проникновения пестицида, его превращения и выведения. Данную токсичность можно частично регулировать приготовлением специальных препаративных форм (микрокапсулированные суспензии, гранулы), направленного применения пестицидов на растения.

^[1]

Сравнительно невысокая токсичность для человека некоторых фосфорорганических соединений (метатион, карбофос) обусловлена тем, что в организме млекопитающих эти вещества быстро разрушаются до нетоксичных веществ, а в организме насекомых этот процесс начинается с активации молекулы и идет медленнее.^[1]

Полезные и вредные организмы имеют ряд цитологических различий, которые являются основой избирательности. Например, яды, которые действуют на нервную систему, токсичны для животных, но малотоксичны для растений, у которых ее нет. Вещества, разрушающие хлоропласты, для животных по понятным причинам практически не ядовиты.^[1] Аналогичные примеры есть и при действии лекарственных препаратов на животных и человека. Например, большинство антибиотиков оказывает токсический эффект не только на микроорганизмы, но и на структуры нормальных клеток тела, и только средства из группы пенициллинов действуют исключительно на клеточные стенки бактерий, так как в организме человека и животных нет компонентов такого же строения.

Многие пестициды избирательно токсичны, поскольку воздействуют на биохимические процессы, жизненно важные или специфичные только для определенных организмов. К примеру, гербициды – производные мочевины и триазина и тиокарбонаты — малотоксичны для теплокровных животных и человека, поскольку избирательно нарушают процесс фотосинтеза, который присущ только растениям. Фосфорорганические соединения (инсектициды и акарициды) не угнетают развития и роста растений, так как действуют на процессы синаптической передачи нервных импульсов, которые растениям не присущи.^[1]

Избирательность гербицидов

Для характеристики избирательного действия гербицидов применяют показатель селективности и индекс селективности.

[2]

Показатель селективности представляет собой отношение показателя фитотоксичности одного препарата для разных видов растений. По нему можно установить, во сколько раз токсичность препарата больше для одного вида растения, чем для какого-то другого. Из двух сравниваемых объектов за первый принимается тот, у которого показатель больше, поэтому, чем сильнее показатель селективности превышает единицу, тем большей избирательностью характеризуется данный гербицид.^[1][2]

Индекс селективности (ИС) — это отношение дозы, при использовании которой урожай снижается лишь незначительно, к дозе, уничтожающей большую часть сорных растений. Иными словами, эта величина показывает, во сколько раз доза, вызывающая достаточное снижение засоренности, меньше, чем доза, токсически действующая на культурные растения. Достаточно избирательным может быть признан препарат, который, поражая 80 и более процентов сорняков, не уничтожает или слабо угнетает (не больше 20 %) культурные растения.

Отношение доз, вызывающих 20%-ное снижение урожая культурных растений и 80%-ную гибель сорняков, условно принимают за единицу. Следовательно, чем больше единицы ЕС, тем более высокой избирательностью характеризуется гербицид. Пользуясь понятием ИС, можно характеризовать, насколько избирательность одного препарата больше или меньше избирательности другого. ^[2]

Близкие статьи

Ссылки:

Все статьи о токсикологии в разделе: Основы токсикологии

 

Статья составлена с использованием следующих материалов:

Литературные источники:

1.

Ганиев М.М., Недорезков В.Д. Химические средства защиты растений. – М.: КолосС, 2006. – 248 с.

2.

Груздев Г.С. Химическая защита растений. Под редакцией Г.С. Груздева — 3-е изд., перераб. и доп. — М.: Агропромиздат, 1987. — 415 с.: ил.

3.

Зинченко В.А. Химическая защита растений: средства, технология и экологическая безопасность. – М.: «КолосС», 2012. – 127 с.

Свернуть Список всех источников

Тематика	Число статей
Аварийное восстановление	369
Авиационная медицина	25.624
Авиация	90. 750
Австралийское выражение	9.067
Австралия	12
Австрийское выражение	21
Австрия	2
Автоматика	93.915
Автоматическое регулирование	983
Автомобили	66.038
Авторское право	244
Агрономия	7
Агрохимия	10.624
Аддитивные технологии и 3D-печать	153
Административное деление	28
Административное право	359
Азартные игры	965
Айкидо	4
Аккумуляторы	84
Акридология	4
Акробатика	3
Активный отдых и экстремальный спорт	5
Акупунктура	9
Акустика  раздел физики	1. 712
Акушерство	459
Албанский язык	1
Алгебра	61
Алжир	7
Алкалоиды	132
Аллергология	164
Альпинизм	397
Альтернативное урегулирование споров	2.681
Алюминиевая промышленность	2.172
Американская фондовая биржа	13
Американский вариант английского языка	7
Американский футбол	48
Американское выражение  не вариант языка	28.477
Амфибии и рептилии	6.029
Анатомия	11. 977
Английский язык	224
Анестезиология	256
Антарктика	186
Антенны и волноводы	8.741
Антильские острова	3
Антимонопольное законодательство	9
Античность  кроме мифологии	443
Антропология	253
Арабский язык	661
Арагон	6
Аргентина	16
Арго	70
Артиллерия	6.940
Архаизм	1.353
Археология	1.180
Архивное дело	158
Архитектура	15. 262
Астрология	157
Астрометрия	29
Астрономия	7.876
Астроспектроскопия	8
Астрофизика	346
Атомная и термоядерная энергетика	13.426
Аудиотехника	13
Аудит	2.519
Африка	121
Африканское выражение	27
Аэрогидродинамика	17.514
Аэродинамика	245
Аэропорты и управление водзушным движением	197
Аэрофотосъемка и топография	29
Базы данных	1. 514
Бактериология	617
Балет	4
Баллистика	173
Банки и банковское дело	31.498
Баскетбол	711
Бейсбол	138
Беларусь	20
Бельгийское выражение	3
Бережливое производство	40
Бетон	164
Библиография	62
Библиотечное дело	208
Библия	2.818
Бизнес	73.455
Бильярд	414
Биоакустика	13
Биогеография	37
Биология	59. 850
Биометрия	98
Бионика	47
Биотехнология	3.724
Биофизика	218
Биохимия	5.880
Биоэнергетика	140
Биржевой термин	5.692
Благотворительные организации	31
Бодибилдинг	1
Боевые искусства и единоборства	17
Боеприпасы	13
Бокс	354
Бондарное производство	2
Борьба	113
Борьба с вредителями	324
Борьба с коррупцией	45
Ботаника	34. 868
Бразилия	16
Британский вариант английского языка	11
Британское выражение  не вариант языка	4.710
Бронетехника	20.866
Буддизм	20
Буквальное значение	291
Бурение	21.058
Бухгалтерский учет  кроме аудита	20.476
Бытовая техника	7.914
Валютный рынок  форекс	39
Вежливо	21
Вексельное право	231
Великобритания	113
Велосипеды  кроме спорта	1.810
Велоспорт	49
Венгерский язык	16
Венерология	27
Венесуэла	1
Вентиляция	319
Верлан	2
Вертолёты	244
Ветеринария	2. 925
Ветроэнергетика	5
Взрывчатые вещества	871
Вибромониторинг	361
Видеозапись	16
Виноградарство	191
Виноделие	1.029
Вирусология	693
Внешняя политика	1.102
Внешняя торговля	269
Водные лыжи	5
Водные ресурсы	523
Водоснабжение	3.323
Военная авиация	805
Военно-морской флот	1.491
Военный жаргон	1.484
Военный термин	307. 260
Возвышенное выражение	575
Воздухоплавание	812
Волейбол	20
Волочение	12
Восклицание	126
Восточное выражение	4
Всемирная торговая организация	224
Вулканология	113
Вульгаризм	315
Выборы	1.507
Высокопарно	321
Высокочастотная электроника	464
Выставки	132
Вьетнамский язык	6
Вяжущие вещества	1
Гавайский	29
Газовые турбины	3.346
Газоперерабатывающие заводы	4.972
Галантерея	314
Гальванотехника	48
Гандбол	5
Гастроэнтерология	374
Гватемала	1
Гельминтология	135
Гематология	1.152
Геммология	6
Генеалогия	24
Генетика	12.647
Генная инженерия	828
Геоботаника	12
География	15.256
Геодезия	1.510
Геология	67.969
Геометрия	368
Геомеханика	35
Геоморфология	187
Геофизика	16.893
Геохимия	165
Геохронология	27
Геральдика	326
Германия	56
Герпетология  вкл. с серпентологией	219
Гигиена	196
Гидравлика	449
Гидроакустика	89
Гидробиология	2.753
Гидрогеология	187
Гидрография	683
Гидрология	10.001
Гидрометрия	66
Гидромеханика	79
Гидропланы	1
Гидротехника	217
Гидроэлектростанции	333
Гимнастика	65
Гинекология	1.203
Гипсокартон и сис-мы сухого строительства	1
Гироскопы	2.333
Гистология	412
Гляциология	110
Голландский  нидерландский  язык	35
Голубиные гонки	1
Гольф	110
Гомеопатия	35
Гонки и автоспорт	11
Горное дело	47.425
Горные лыжи	145
Городская застройка	17
Горюче-смазочные материалы	448
ГОСТ	1.342
Гостиничное дело	1.127
Государственный аппарат и госуслуги	59
Гравиметрия	34
Гражданско-процессуальное право	42
Гражданское право	211
Грамматика	2.162
Гребной спорт	34
Греческий язык	1.067
Грубо	2.398
Грузовой транспорт	67
Гэльский  шотландский  язык	1
Дактилоскопия	84
Дамбы	4
Даосизм	1
Датский язык	21
Двигатели внутреннего сгорания	617
Дегустация	26
Деловая лексика	1.032
Делопроизводство	62
Демография	282
Дербетский диалект	1
Деревообработка	6.584
Дерматология	579
Детали машин	823
Детская речь	376
Дефектоскопия	124
Дзюдо	10
Диалектизм	8.995
Диетология	42
Дизайн	45
Дипломатия	33.425
Дистанционное зондирование Земли	20
Дистилляция	134
Договоры и контракты	39
Документооборот	150
Домашние животные	162
Доменное производство	27
Доминиканская Республика	1
Дорожное движение	689
Дорожное дело	13.320
Дорожное покрытие	136
Дорожное строительство	386
Дорожный знак	49
Дословно	4
Древнегреческая и древнеримская мифология	696
Древнегреческий язык	117
Древнееврейский язык	23
Европейский банк реконструкции и развития	24.924
Евросоюз	1.233
Египтология	601
Единицы измерений	583
Жаргон	4.134
Жаргон наркоманов	3.341
Железнодорожный термин	33.619
Жестяные изделия	11
Живопись	591
Животноводство	7.531
Журналистика  терминология	924
Заболевания	400
Занятость	399
Звукозапись	72
Звукоподражание	162
Звукорежиссура	9
Здравоохранение	1.805
Землеведение	9
Зенитная артиллерия	230
Значение 1	2
Значение 2	6
Золотодобыча	8.816
Зоология	8.542
Зоотехния	219
Зубная имплантология	4.505
Зубчатые передачи	936
Иврит	76
Игрушки	28
Игры  кроме спорта	24
Идиоматическое выражение	15.168
Идиш	178
Издательское дело	647
Измерительные приборы	3.492
Изоляция	68
ИКАО	2
Имена и фамилии	4.750
Иммиграция и гражданство	56
Иммунология	19.225
Имя	3
Имя собственное	8.129
Инвестиции	5.112
Индия	57
Индонезийское выражение	16
Инженерная геология	295
Инженерное дело	100
Иностранные дела	3.195
Инструменты	1.056
Интегральные схемы	90
Интернет	6.500
Информационная безопасность	1.101
Информационные технологии	99.691
Инфракрасная техника	8
Иран	3
Ирландский язык	367
Ирландское выражение	6
Ирония	1.699
Искусственный интеллект	3.530
Искусство	3.175
Ислам	206
Исландский язык	12
Испания	2
Испано-американский жаргон	40
Испанский язык	308
Исторические личности	8
История	13.012
Итальянский язык	845
Иудаизм	16
Ихтиология	20.453
Кабели и кабельное производство	10.426
Кадры	1.737
Казахстан	20
Калька	22
Каменные конструкции	21
Канада	454
Канадское выражение	17
Канализация и очистка сточных вод	153
Канцеляризм	1.570
Канцтовары	10
Карате	12
Карачаганак	2.991
Кардиология	4.459
Картография	12.547
Карточные игры	1.149
Карцинология	33
Карьерные работы	103
Каспий	8.758
Католицизм	1.861
Квантовая механика	1.328
Квантовая электроника	120
Керамика	130
Керамическая плитка	9
Кибернетика	184
Кинематограф	10.151
Киноосветительная аппаратура	19
Киносъёмочная аппаратура	25
Кинотехника	90
Кипр	6
Кирпич	3
Китай	19
Китайский язык	796
Классификация видов экон. деятельности	289
Классификация минералов	5
Климатология	516
Клинические исследования	4.266
Клише	823
Книжное/литературное выражение	4.384
Ковка	15
Кожевенная промышленность	1.149
Кокни  рифмованный сленг	2
Коллекционирование	5
Коллоидная химия	239
Колумбия	1
Комиксы	134
Коммунальное хозяйство	221
Компьютерная графика	690
Компьютерная защита	173
Компьютерная томография	21
Компьютерные игры	1.294
Компьютерные сети	17.474
Компьютерный жаргон	605
Компьютеры	22.502
Конвертерное производство	7
Кондитерские изделия	101
Кондиционеры	119
Коневодство	924
Конный спорт	281
Консалтинг	218
Консервирование	150
Контекстуальное значение	564
Контроль качества и стандартизация	14.176
Конькобежный спорт	14
Кораблевождение	1
Коран	4
Корейский язык	23
Корма	39
Короткие текстовые сообщения	11
Корпоративное управление	4.475
Косметика и косметология	1.779
Космонавтика	66.880
Космос	450
Коста-Рика	1
Кофе	22
Красители	255
Красота и здоровье	6
Крахмально-паточная промышленность	6
Крикет	1
Криминалистика	972
Криминология	7
Криптография	861
Кристаллография	674
Куба	1
Кулинария	10.621
Культурология	969
Культы и прочие духовные практики	1
Кыргызстан	30
Лабораторное оборудование	934
Лазерная медицина	946
Лазеры	2.437
Лакокрасочные материалы	509
Ландшафтный дизайн	68
Ласкательно	114
Латиноамериканский сленг	8
Латиноамериканское выражение	7
Латынь	3.096
ЛГБТ	41
Легкая атлетика	27
Лесоводство	39.215
Лесозаготовка	591
Лесосплав	66
Лесохимия	11
Лимнология	1
Лингвистика	15.948
Линии электропередач	15
Литейное производство	867
Литература	4.207
Литология	19
Лифты	143
Логика	643
Логистика	12.553
Логопедия	5
Ложный друг переводчика	7
Лыжный спорт	69
Льдообразование	267
Магнетизм	316
Магнитная запись изображения	5
Магнитнорезонансная томография	42
Майкрософт	25.979
Макаров	604.865
Малайский язык	15
Малакология	158
Малярное дело	98
Маммология	382
Мануальная терапия и остеопатия	1
Маори	197
Маркетинг	3.437
Маркшейдерское дело	9
Марокко	1
Мартеновское производство	11
Масложировая промышленность	43
Математика	124.309
Математический анализ	330
Материаловедение	2.053
Машиностроение	7.117
Машины и механизмы	909
Мебель	710
Медико-биологические науки	330
Медицина	251.095
Медицинская техника	5.065
Международная торговля	276
Международное право	1.078
Международное частное право	14
Международные отношения	1.109
Международные перевозки	433
Международный валютный фонд	10.600
Мексиканское выражение	17
Мелиорация	444
Менеджмент	3.880
Местное название	34
Металловедение	470
Металлообработка	64
Металлургия	47.851
Метеорология	7.869
Метрология	11.768
Метрополитен и скоростной транспорт	559
Механика	15.682
Механика грунтов	21
Микология	515
Микробиология	1.686
Микроскопия	377
Микроэлектроника	13.415
Минералогия	2.754
Мифология	1.435
Млекопитающие	9.396
Мобильная и сотовая связь	1.070
Мода	751
Молдавский язык	2
Молекулярная биология	2.567
Молекулярная генетика	853
Моликпак	2.428
Молодёжный сленг	91
Молочное производство	474
Монтажное дело	253
Морское право	18
Морской термин	98.194
Морфология	3
Мостостроение	2.082
Мотоциклы	268
Мрачно	10
Музеи	249
Музыка	11.200
Музыкальные инструменты	81
Мультимедиа	7
Мультфильмы и мультипликация	223
Мучное производство	69
Мясное производство	4.091
Навигация	414
Надёжность	61
Название компании	3
Название лекарственного средства	2.287
Название организации	4.006
Название произведения	11
Названия учебных предметов	105
Налоги	4.365
Нанотехнологии	56.809
Напитки	309
Народное выражение	185
НАСА	54
Наследственное право	66
Насосы	815
Настольные игры	11
Настольный теннис	144
НАТО	2.516
Научно-исследовательская деятельность	1.449
Научный термин	11.516
Неаполитанское выражение	1
Небесная механика	6
Неврология	1.457
Негритянский жаргон	158
Недвижимость	1.742
Нейролингвистика	6
Нейронные сети	653
Нейропсихология	99
Нейрохирургия	138
Нелинейная оптика	4
Немецкий язык	507
Неодобрительно	1.228
Неологизм	487
Неорганическая химия	841
Непрерывная разливка	5
Нефрология	174
Нефтегазовая техника	19.059
Нефтеперерабатывающие заводы	9.068
Нефтепромысловый	13.442
Нефть	95.314
Нефть и газ	60.203
Нидерланды	1
Новозеландское выражение	143
Норвежский язык	12
Нотариальная практика	10.526
Нумизматика	112
Нью-Йоркская фондовая биржа	9
Обмотки	9
Обогащение полезных ископаемых	708
Обработка данных	1.710
Обработка кинофотоматериалов	21
Образное выражение	4.251
Образование	12.905
Обувь	1.363
Общая лексика	1.512.414
Общее право  англосаксонская правовая система	96
Общественное питание	1.557
Общественные организации	652
Общественный транспорт	17
Обществоведение	135
Огнеупорные материалы	154
Одежда	3.256
Океанология  океанография	5.755
Окна	40
Окружающая среда	5.478
Онкология	3.038
ООН  Организация Объединенных Наций	7.024
Операционные системы	224
Оптика  раздел физики	1.573
Оптическое волокно	57
Оптометрия	4
Организационно-правовые формы компаний	91
Организация производства	1.151
Органическая химия	2.595
Оргтехника	605
Орнитология	16.866
Ортопедия	279
Оружие и оружейное производство	10.746
Оружие массового поражения	11.184
Осветительные приборы  кроме кино	793
Отопление	263
Официальный стиль	2.944
Офтальмология	2.112
Оффшоры	15
Охота и охотоведение	996
Охрана труда и техника безопасности	2.678
Ошибочное или неправильное	106
Паблик рилейшнз	757
Палеоботаника	32
Палеозоология	2
Палеонтология	949
Палинология	114
Панама	4
Паразитология	147
Парапланеризм	3
Парапсихология	108
Парикмахерское дело	474
Парусные суда	55
Парусный спорт	18
Парфюмерия	13.318
Паспорт безопасности вещества	383
Патенты	16.934
Патология	405
Педагогика	17
Педиатрия	392
Пенитенциарная система	7
Переключатели	99
Переносный смысл	31.267
Переплётное дело	44
Персидский язык  фарси	73
Перу	9
Петанк	7
Петрография	649
Печатные платы	374
Пивоварение	580
Письменная речь	10
Пишущие машинки, машинопись	6
Пищевая промышленность	23.286
Плавание	84
Планирование	346
Пластмассы	4.465
Поговорка	1.575
Погрузочное оборудование	366
Подводное плавание	982
Подводные лодки	425
Пожарное дело и системы пожаротушения	11.653
Полезные ископаемые	164
Полиграфия	31.712
Полимеры	29.549
Полинезийское выражение	4
Политика	26.206
Политэкономия	385
Полицейский жаргон	38
Полиция	2.321
Полупроводники	756
Польский язык	25
Порошковая металлургия	144
Португальский язык	43
Пословица	17.246
Почвоведение	993
Почта	474
Почтительно	13
Пошив одежды и швейная промышленность	1.169
Поэзия  терминология	471
Поэтический язык	2.716
Пояснительный вариант перевода	739
Права человека и правозащитная деят.	26
Правоохранительная деятельность	349
Православие	3
Прагматика	15
Превосходная степень	22
Презрительно	998
Пренебрежительно	447
Прессовое оборудование	62
Преступность	370
Приводы	156
Прикладная математика	644
Природные ресурсы и охрана природы	58
Программирование	133.063
Программное обеспечение	3.436
Проекторы	6
Проигрыватели виниловых дисков	37
Производственные помещения	559
Производство	20.213
Производство спирта	281
Производство электроэнергии	21
Прокат  металлургия	4.054
Промышленная гигиена	121
Промышленность	2.276
Просторечие	1.400
Противовоздушная оборона	204
Протистология	31
Профессиональный жаргон	1.240
Профсоюзы	2.561
Процессуальное право	106
Прыжки в высоту	1
Прыжки на батуте	1
Прыжки с парашютом	143
Прыжки с трамплина	12
Прядение	52
Прямой и переносный смысл	1.281
Психиатрия	4.668
Психогигиена	39
Психолингвистика	246
Психология	19.339
Психопатология	160
Психотерапия	1.031
Психофизиология	163
Птицеводство	396
Публицистический стиль	230
Публичное право	368
Пульмонология	619
Пуэрто-риканский диалект испанского языка	11
Пчеловодство	512
Радио	3.043
Радиоастрономия	32
Радиобиология	51
Радиогеодезия	12
Радиолокация	1.578
Разговорная лексика	148.765
Ракетная техника	1.456
Распределение энергии	4
Расстройства речи	5
Растениеводство	1.269
Расходометрия	205
Расширение файла	16
Реактивные двигатели	1
Регби	11
Региональные выражения  не варианты языка	113
Регулирование движения	85
Редко	8.576
Резиновая промышленность	380
Реклама	37.311
Релейная защита и автоматика	1.115
Религия	36.778
Рентгенография	232
Рентгенология	628
Риторика	4.562
Ритуал	2
Робототехника	10.253
Россия	268
Ругательство	1.618
Рудные месторождения	37
Рукоделие	240
Румынский язык	7
Русский язык	322
Рыбалка  хобби	241
Рыбоводство	10.750
Рыболовство  промысловое	2.751
Садоводство	793
Санитария	224
Санный спорт	2
Санскрит	48
Сантехника	272
Сарказм	63
Сахалин А	1.140
Сахалин Р	4.233
Сахалин Ю	1.474
Сахалин	31.188
Сахарное производство	85
Сварка	4.381
Связь	7.969
Северная Ирландия	2
Североамериканское выр.  США, Канада	34
Седиментология	1
Сейсмология	1.727
Сейсмостойкость сооружений	60
Секс и психосексуальные субкультуры	39
Сексопатология	258
Селекция	73
Сельское хозяйство	49.244
Сенситометрия	7
Сестринское дело	21
Сигнализация	197
Силикатная промышленность	11.106
Силовая электроника	168
Синтоизм	2
Система наряд-допусков	17
Систематика организмов	65
Системы безопасности	28.497
Сказки	162
Скандинавская мифология	123
Скачки	246
Складское дело	587
Скорая медицинская помощь	27
Скульптура	31
Славянское выражение	5
Сленг	63.553
Слоистые пластики	14
Слуховые аппараты	9
Снабжение	380
Сниженный регистр	549
Сноуборд	3
Собаководство  кинология	1.549
Собирательно	2.162
Советский термин или реалия	931
Современное выражение	296
Сокращение	9.781
Солнечная энергетика	3.847
Соматика	238
Сопротивление материалов	215
Социализм	291
Социальное обеспечение	914
Социальные сети	248
Социологический опрос	11
Социология	6.017
Союз-Аполлон	3.098
Спектроскопия	1.363
Спелеология	2
Специи	51
Спецслужбы и разведка	2.173
СПИД	10
Спичечное производство	63
Спорт	21.676
Спорттовары	18
Спутниковая связь	51
Средне-китайский	16
Средства индивидуальной защиты	33
Средства массовой информации	14.459
Станки	605
Старая орфография	1
Старомодное  выходит из употребления	28
Старофранцузский	3
Статистика	5.392
Стеклоделие	77
Стеклотарная промышленность	59
Стерео	8
Стилистика	95
Стоматология	26.701
Стратиграфия	58
Страхование	9.955
Стрелковый спорт	28
Стрельба из лука	28
Строительная техника	9
Строительные конструкции	992
Строительные материалы	1.867
Строительство	125.066
Студенческая речь	165
Суда на воздушной подушке	162
Суда на подводных крыльях	102
Судебная лексика	251
Судебная медицина	97
Судостроение	16.852
Сухопутные силы	70
Сценарное мастерство	11
США	1.449
Сыроварение	20
Табачная промышленность	452
Табуированная  обсценная  лексика	18.120
Тавромахия	1
Тагмемика	1
Тайвань	1
Тайский язык	12
Таможенное дело	936
Танцы	10
Татарский язык	3
Театр	2.559
Текстильная промышленность	46.827
Тектоника	108
Телевидение	3.879
Телеграфия	180
Телекоммуникации	90.620
Телемеханика	60
Телефония	1.586
Тенгизшевройл	7.532
Теннис	432
Теория права	65
Тепличные технологии	120
Теплообменные аппараты	189
Теплопередача	104
Теплотехника	14.693
Теплоэнергетика	66
Тератология	81
Термин времен ГДР	2
Термодинамика	86
Техника	545.536
Типографика	343
Ткачество	149
Токсикология	963
Топография	199
Топология	129
Топоним	272
Торговая марка	1.189
Торговля	3.813
Торговый флот	34
Торпеды	682
Травматология	219
Трансплантология	641
Транспорт	4.317
Трансформаторы	99
Трибология	371
Трикотаж	203
Трубопроводная арматура	176
Трубопроводы	4.802
Трудовое право	1.392
Туннелестроение и проходческие работы	32
Турбины	30
Турецкий язык	143
Туризм	3.716
Турция	1
Тюремный жаргон	321
Тюркские языки	11
Тяжёлая атлетика	12
Увеличительно	16
Уголовное право	1.956
Уголовный жаргон	303
Уголь	805
Удобрения	13
Узкоплёночное кино	4
Украина	57
Украинский язык	6
Украинское выражение	3
Ультразвук	14
Уменьшительно	461
Университет	826
Уничижительно	544
Упаковка	1.333
Управление проектами	1.227
Управление рисками	27
Управление скважиной	483
Уровнеметрия	154
Урология	607
Уругвайский диалект испанского языка	2
Устаревшее	37.773
Устная речь	39
Утилизация отходов	345
Уфология	68
Уэльс	9
Фалеристика	14
Фамилия	3
Фамильярное выражение	771
Фантастика, фэнтези	750
Фармакология	11.548
Фармация	5.985
Федеральное бюро расследований	14
Фелинология	4
Ферментация	4
Фехтование	97
Фигурное катание	193
Физика металлов	42
Физика твёрдого тела	249
Физика	10.086
Физиология	3.844
Физиотерапия	4
Физическая химия	979
Филателия	333
Филиппины	17
Филология	123
Философия	3.471
Финансы	24.766
Финский язык	53
Фитопатология	315
Фольклор	651
Фонетика	621
Фортификация	14
Фотографическая запись звука	1
Фотография	1.712
Фотометрия	2
Фразеологизм	10.219
Французский язык	2.209
Фундаментостроение	19
Футбол	2.394
Хакерство	39
Хальцидология	1
Химическая номенклатура	674
Химическая промышленность	720
Химические волокна	163
Химические соединения	967
Химия	66.066
Хинди	924
Хирургия	2.847
Хлеб и хлебопечение	342
Хобби, увлечения, досуг	194
Хозйственное  предпринимательское  право	135
Хозяйственные общества и товарищества	3
Хоккей	2.097
Холодильная техника	17.320
Хореография	37
Христианство	9.545
Хроматография	2.205
Цветная металлургия	157
Цветоводство	112
Целлюлозно-бумажная промышленность	2.115
Цемент	7.899
Ценные бумаги	1.024
Центральная Америка	2
Церковный термин	3.594
Цинкование	163
Цирк	69
Цитаты, афоризмы и крылатые выражения	2.029
Цитогенетика	40
Цитология	632
Цифровая обработка звука	14
Цифровые валюты, криптовалюты, блокчейн	60
Часовое дело	276
Чаты и интернет-жаргон	42
Черчение	190
Чешский язык	9
Чили	7
Шахматы	18.849
Шведский язык	7
Швейцарское выражение	47
Школьное выражение	591
Шотландия	593
Шотландское выражение	1.169
Шоу-бизнес  индустрия развлечений	254
Штамповка	23
Шутливо	2.898
Эволюция	68
Эвфемизм	927
Эзотерика	204
Эквадор	1
Экология	43.305
Эконометрика	1.188
Экономика	132.655
Экструзия	29
Электрические машины	612
Электричество	2.117
Электродвигатели	17
Электролиз	4
Электромедицина	30
Электрометаллургия	32
Электроника	49.923
Электронная почта	140
Электронная торговля	17
Электронно-лучевые трубки	39
Электротермия	18
Электротехника	25.200
Электротяга	12
Электрофорез	48
Электрохимия	7.362
Эмбриология	361
Эмоциональное выражение	707
Эндокринология	332
Энергетика	60.579
Энергосистемы	4.752
Энтомология	14.606
Эпидемиология	217
Эпистолярный жанр	1
Эскимосское выражение	3
Эсперанто	7
Эстонский язык	1
Этнография	678
Этнология	1.011
Этнопсихология	10
Этология	187
Ювелирное дело	616
Южная Америка	29
Южноафриканское выражение	139
Южнонидерландское выражение	1
Юридическая лексика	121.253
Ядерная физика	2.464
Ядерная химия	50
Ямайский английский	67
Япония	6
Японский язык	242
Яхтенный спорт	2.198
ASCII	118
Hi-Fi акустика	919
SAP технические термины	7.504
SAP финансы	4.392
SAP	7.233
Всего:	7.848.729

ХиМиК.ru — ИЗБИРАТЕЛЬНОСТЬ АНАЛИЗА — Химическая энциклопедия

ИЗБИРАТЕЛЬНОСТЬ АНАЛИЗА (селективность), возможность метода или методики определять или обнаруживать искомый компонент (молекулы, ионы, функц. группы и т. д.) в присут. др. сопутствующих компонентов. Реагенты и хим. р-ции, обеспечивающие высокую избирательность анализа, наз. высокоизбирательными. Избирательность анализа характеризуют числом сопутствующих компонентов, к-рые не мешают определению искомого компонента, и макс. отношениями содержаний каждого из сопутствующих и искомого компонентов, при к-рых еще возможно надежное определение или обнаружение последнего (т. наз. факторами селективности). Мерой избирательности количеств. анализа служат обратные величины численных значений парциальной чувствительности g_АК = (дg_A)/(дC_К), где g_A — аналит. сигнал искомого компонента А при заданных содержаниях искомого и сопутствующих компонентов, С_К — содержание сопутствующего компонента К. Избирательность многокомпонентной системы характеризуют матрицей парциальных чувствительностей (наз. также градуировочной матрицей данного способа анализа). Избирательность анализа зависит от избирательности отдельных стадий анализа и м. б. повышена маскированием мешающих компонентов или предварит. их отделением (концентрированием)с достаточно высоким коэф. разделения. В таких методах анализа, как полярография, эмиссионный спектральный анализ и др., избирательность анализа в конечной стадии определяется разрешающей способностью прибора, т. е. той миним. разностью между абсциссами сигналов искомого и сопутствующего компонентов на регистриреумой кривой (регистрограмме), при к-рой еще можно надежно обнаружить или измерить сигнал искомого компонента. Разрешающая способность прибора зависит от ширины сигнала. Наиб. высокой избирательностью анализа характеризуются методы многокомпонентного анализа — масс-спектрометрия, нейтронно-активац. анализ, газожидкостная хроматография и др.
===
Исп. литература для статьи «ИЗБИРАТЕЛЬНОСТЬ АНАЛИЗА»: Данцер К., Тан Э., Мольх Д., Аналитика, пер. с нем., М., 1981; Чарыков А. К., «Ж. аналит. химии», 1984, т. 39, № 9, с. 1708-14. Б. Я. Каплан.

Страница «ИЗБИРАТЕЛЬНОСТЬ АНАЛИЗА» подготовлена по материалам химической энциклопедии.

Медийная избирательность – Новости – Научно-образовательный портал IQ – Национальный исследовательский университет «Высшая школа экономики»

Большое количество жертв в результате массовой трагедии может быть недостаточным фактором для того, чтобы событие стало темой номер один в СМИ. Значимую роль играет его включенность в информационную повестку. Это подтвердилось в результате  исследования особенностей освещения в российских медиа трех трагедий, случившихся в один день в декабре 2016 года. Речь идет об убийстве российского посла в Турции, массовом отравлении «Боярышником» в Иркутске и террористической атаке в Берлине.  

Теория повестки дня

В ходе исследования ученые использовали данные компании «Медиалогия», которая охватывает 40 тысяч русскоязычных СМИ – 1 974 газеты, 11 федеральных телеканалов, 34,905 онлайн изданий и 2,574 блогов. Также авторы проводили анализ освещения трагедий на данных базы печатной прессы «Интегрум». Полученные результаты отдельно отражены в статье, опубликованной в журнале «Мониторинг общественного мнения: экономические и социальные перемены».

В качестве основы исследователи опирались на теорию повестки дня (аgenda-setting theory). Ее суть заключается в том, что СМИ оказывают значительное влияние на общественность подбором того, что они освещают. То есть новости – это не просто отображение реальности, а сконструированная, отредактированная реальность. СМИ могут выделять определенные события, темы и проблемы, акцентируя на них внимание и заставляя тем самым аудиторию воспринимать их как чрезвычайно важные.  

Два базисных предположения теории повестки дня лежат в основе большей части исследований:

1. Пресса и СМИ не отражают социальные проблемы: они конструируют их

2. Сконцентрированность СМИ на некоторых проблемах и предметах принуждает общественность рассматривать их как более важные по сравнению с другими.

Понятие повестки дня появилось в науке в конце 1960-х. Современные ученые используют также   сетевую модель установления повест­ки дня (network  agenda-setting model), допускающую возможность объединения разных повесток дня в «связки», когда обсуждение проблемы происходит в контексте других вопросов, связанных с ней тематически.

Почему «Боярышник» проиграл конкуренцию

Три трагических события – массовое отравление «Боярышником» (концентрат для принятия ванн) в Иркутске, убийство российского посла Андрея Карлова в Турции и теракт на рождественской ярмарке в Берлине произошли в один день – 19 декабря 2016 года. В результате отравления суррогатным алкоголем погибло 74 человека по данным на 23 декабря, в целом пострадавших – более 120. Это самое крупное массовое отравление на территории постсоветской России и бывших союзных республик. Теракт в Германии унес жизни 12 человек.    

Логично было бы ожидать, что большее внимание СМИ привлечет событие с максимальным числом жертв, произошедшее на территории страны, считают авторы. Есть данные, которые позволяют делать такие предположения. Большее число жертв (и вообще наличие жертв) повышает внимание к трагедии. Об этом свидетельствует ряд исследований особенностей освещения террористических атак. Внимание со стороны СМИ к трагедиям может варьироваться под влиянием различных факторов. Интенсивность дискуссии оказывается более высокой при наличии жертв, а также в случае некоторых специфических типов террористических действий (например, атаки на борту самолетов), комментирует Анастасия Казун. Также, как отмечает исследователь, события в стране привлекают привлекают большее внимание, чем то, что происходит у соседей.  

В случае терактов за рубежом на число сообщений в СМИ почти не влияет число жертв, важнее отношения между странами.

«В качестве факторов, определяющих число упоминаний страны в международных новостях, предлагается выделять характеристики страны (размер экономики, политическое влияние), ее взаимоотношения и связи с другими странами, а также уровень ее экономической и политической нестабильности.

К характеристикам страны, определяющим ее место в мировой новостной повестке, могут быть отнесены ее размер и влияние на политической арене. Так, значение имеют объемы экономики страны, ее военный потенциал и численность населения. Важным оказывается также наличие контактов, степень близости между странами. Так, например, наличие значительной географической или культурной дистанции будет снижать интерес к стране. Значение имеет и наличие двусторонних торговых отношений между странами: события в стране – торговом партнере будет освещаться с большей вероятностью, чем новости страны, торговые отношения с которой отсутствуют.

Впрочем, не все сводится к политическому влиянию и экономике страны, значение имеют и сами характеристики события. Исследователи отмечают, что СМИ в США с большей вероятностью обратят внимание на иностранные события, которые противоречат американским национальным ценностям».

 Анастасия Казун

В ходе анализа исследователи сравнили степень внимания к трем трагедиям в разных типах СМИ. Так, например, за пять дней с 19 по 23 декабря тема убийства посла на Первом канале освещалась  54 минуты, теракт в Берлине около 15 минут, отравление алкоголем около 12 минут. В передаче «Воскресное время» 25 декабря турецкий сюжет занял около 20 минут, а темы берлинского теракта и алкогольного отравления по девять минут.

Похожая диспропорция с онлайн-изданиями. Авторы проанализировали 34,905 онлайн изданий. Выяснилось, что за те же дни убийству посла было посвящено 40,694 статей, отравлению 16,933, а теракту в Берлине 14,803. В печатных СМИ разброс не настолько сильный.  И, как показали результаты анализа данных по базе «Интегрум», региональные газеты написали об иркутском инциденте наибольшее количество статей. Возможно, это связано с целевой аудиторией читателей, предполагают авторы.

Терроризм vs бедность и алкоголизм

Преступления в отношении дипломатов случаются редко. Последний раз российского посла убивали около 90 лет назад. Подобное событие касается не только России, но и всего мира, и оно связано с темой терроризма.

Напротив, гибель от алкогольной интоксикации – достаточно частое явление. Так за три квартала 2016 года в России было зафиксировано более 36 тысяч случаев алкогольного отравления, каждый четвертый из которых закончился летальным исходом.

То есть факт того, что инцидент с «Боярышником» в определенной мере остался «за кадром» на фоне других трагедий, может выглядеть как объяснимое явление. Тем не менее, согласно исследованиям, на степень внимания журналистов к тем или иным темам влияет множество факторов. Международная значимость – не главный, отмечают авторы. Например, лишение России права голоса в ПАСЕ было событием международного уровня, но не привлекло особого внимания СМИ и населения. Об этом, в том числе свидетельствуют данные социологических опросов.

Чтобы понять, почему алкогольное отравление проиграло «конкуренцию» в медиа,  авторы  проанализировали то, с какими особенностями освещались три трагедии. Подтвердилось, что характерной чертой дискуссии об убийстве посла оказалась ее встроенность в несколько других популярных сюжетов, среди которых и теракт в Берлине. Также тема соотносилась с вопросом действий России в Сирии и эпизодически упоминалась в дискуссии об ИГИЛ. Встречалась и совершенно неожиданная связка сюжета с открытием исторической сцены «Малого театра». Трагедия помешала В.Путину посетить торжественное мероприятие.

Отравление «Боярышником», напротив, освещалось как одиночное событие – без встроенности в актуальную повестку дня и, без связи с публикациями по проблеме бедности, вопросам социальной политики и алкоголизма. Основная дискуссия вокруг «Боярышника» сводилась к  тому, «кто виноват и что делать». «Спецоперация» по поимке виновных в отравлении концентратом органически перекликалось со спецоперациями по поиску исполнителей теракта в Берлине и расследованием убийства  посла. «Эти разные по своей сути трагедии подавались в рамках одного фрейма, при котором государство выступало в качестве сильной стороны, карающей виновных, а не слабой, допустившей трагедию», – отмечают авторы.  

Объединение нескольких значимых проблем в ситуации с убийством посла можно интерпретировать, как стремление к их дополнительной проблематизации, отмечается в исследовании. Что касается отравления суррогатным алкоголем, то в повестке дня, традиционно обсуждаемой российскими медиа, по мнению авторов, не нашлось тем, которые можно было бы органически связать с отравлением алкоголем. СМИ мало и нечасто говорят о бедности, социальном неравенстве, алкоголизме. Эти вопросы в итоге не конструируются как проблемные, отмечают ученые

В ходе проведенного исследования  модель сетевой повестки дня впервые применялась к дискуссиям в разных типах медиа на примере нескольких одновременных событий.  До этого были работы, где сравнивалась сетевая повестка по одному вопросу в СМИ разных стран. Подобные исследования позволяют дополнить понимание того, как может работать государственная цензура, считают авторы. IQ

Авторы исследования:

Анастасия Казун, младший научный сотрудник Лаборатории экономико-социологических исследований НИУ ВШЭ Антон Казун, научный сотрудник Международного центра изучения институтов и развития НИУ ВШЭ

---

Подпишись на IQ.HSE

СМИ указали на избирательность «культуры отмены» и привели в пример Панарина — Газета.Ru

Из-за антикремлевских взглядов хоккеиста Артемия Панарина не многие на Западе знают о «скелетах» в его шкафу, пишет издание The Greanville Post.

«Когда речь идет о сексуальном насилии, «культура отмены» становится очень интенсивной. Движение «#MeToo» положило конец карьере многих знаменитостей-мужчин, которые, как утверждается, плохо обращались с женщинами. Многие утверждали, что они невиновны, но массы в социальных сетях действуют по правилу «верь женщинам», и само обвинение считается доказательством вины», — пишет издание.

В то же время можно заметить, что ключевым союзникам внешней политики США каким-то образом удается уворачиваться от пули за пулей. Прекрасный пример — звезда хоккея Артемий Панарин, считает автор публикации.

Панарин, например, не фанат других рас и публично заявил, что единственное, чего он никогда не сможет сделать, — это заняться сексом с чернокожей женщиной.

Как сообщала телекомпания NBC, он был вынужден извиниться за неприятие всех женщин определенной расы, но, как пишет The Greanville Post, его «темное прошлое» на этом не заканчивается.

«В 2011 году Панарина привлекли к уголовной ответственности в Латвии за нападение на девушку. Он несколько раз ударил 18-летнюю жертву за отказ заняться с ним сексом, а затем попытался изнасиловать ее. К счастью, его вовремя остановила полиция», — пишут «Дни.ру».

Андрей Назаров, еще одна звезда российского хоккея и бывший тренер Панарина, говорит, что единственная причина, по которой обвинения были сняты, — это взятки. Назаров заявил российским СМИ: «Я должен был спасти Артемия, иначе он был бы привлечен к уголовной ответственности по всей строгости закона… Артемия пришлось спасать за взятку».

«Знаменитости в Соединенных Штатах были «повержены», и их карьера была разрушена за гораздо меньшую цену. Однако, похоже, Панарин не опасается, что с ним такое случится. Вместо того, чтобы публично позорить его карьеру, он получил контракт на 81,5 млн долларов на 7 лет с хоккейной командой «Нью-Йорк Рейнджерс», без возмущения, без резких обвинений, только с похвалой за его антироссийскую позицию», — пишет издание.

4. Избирательность | RadioUniverse

Избирательность по соседнему каналу. Сигналы различных станций, достигающие приемной антенны, наводят в ней э. д. с. той или иной величины, и из всей массы этих сигналов приемник должен выделить только один — создаваемый нужной станцией. О том, как справляется приемник с этой задачей, судят по его избирательности, т. е. избирательность характеризует способность приемника выделять сигналы нужной станции и не пропускать сигналов других, мешающих приему, станций.

Выполнение этой задачи связано с значительными трудностями, так как количество радиостанций, работающих одновременно, очень велико. Выделять определенные станции приемник может только благодаря тому, что разные станции работают на разных частотах (на волнах разной длины). По международным соглашениям частоты радиовещательных станций должны отличаться одна от другой не менее чем на 10 кгц. Следовательно, приемник должен обладать способностью не пропускать сигналов, частота которых отличается более чем на 10 кгц от частоты его настройки, и по тому, насколько хорошо он задерживает сигналы этих станций, оценивают избирательность приемника. Этот показатель называют избирательностью по соседнему каналу.

От чего же зависит избирательность приемника и какими элементами его схемы она обеспечивается?

В современных радиовещательных приемниках выделение сигналов нужной частоты основано на использовании принципа резонанса; поэтому все избирательные способности приемника зависят от того, насколько хорошо выражены резонансные свойства его колебательных контуров. Решающее значение в этом имеют качество и количество этих контуров. Чем лучше колебательные контуры, т. е. чем меньше всякого рода потери в них, и чем больше контуров, встречает сигнал на пути своего прохождения в приемнике, тем лучше отсеиваются, отфильтровываются все помехи и тем лучше будет, следовательно, избирательность приемника.

Наглядное представление об избирательности дает резонансная характеристика приемника, которая показывает, как изменяется чувствительность приемника от частоты подводимого сигнала при неизменной настройке его на одну и ту же частоту. Наибольшая чувствительность будет, естественно, получаться при настройке приемника в резонанс на принимаемый сигнал. По мере того как частота сигнала

будет отходить от частоты настройки, чувствительности приемника будет уменьшаться, т. е. для получения на выходе приемника одной и той же постоянной звуковой мощности (или напряжения) необходимо подводить к его входу все большее и большее напряжение сигнала.

Резонансная характеристика может быть изображена графически в «иде кривой, у которой по горизонтальной оси отложена частота сигнала, а по вертикальной — напряжение на выходе приемника. Такая характеристика может быть названа также характеристикой избирательности.

На фиг. 2 изображены две резонансные характеристики — одна (кривая а) для приемника с худшей и другая (кривая б) для приемника с лучшей избирательностью.

В первом случае сигнал мешающей станции, частота которой отличается на 10 кгц от частоты принимаемой станции, создает на выходе приемника напряжение всего лишь в два раза меньшее, чем полезный сигнал. Это значит, что если обе станции будут воздействовать на антенну одинаково, то, настроившись на нужную нам станцию (f_прин), мы одновременно будем слышать, хотя и значительно слабее, и передачу мешающей (соседней по частоте) станции.

Вторая кривая говорит о том, что сигналы мешающей станции будут ослаблены уже не в 2, а в 10 раз. Совершенно очевидно, что в этом случае действие помехи будет ощущаться значительно меньше. Это значит, что в первом случае чувствительность приемника для сигналов, отличающихся по частоте от принимаемого на 10 кгц, уменьшается в 2 раза, а во втором случае — в 10 раз.

По ГОСТ для избирательности установлены такие нормы: у приемников 1-го класса чувствительность при расстройке на 10 кгц должна уменьшаться не менее чем в 200 раз, у приемников 2-го класса — не менее чем в 20 раз и у приемников 3-го класса — не менее чем в 10 раз.

В приемниках супергетеродинного типа избирательность по соседнему каналу определяется главным образом контурами промежуточной частоты.

Избирательность по зеркальному каналу. Избирательность по соседнему каналу является параметром, одинаково важным для всех приемников независимо от того, по какому принципу они работают, по принципу прямого усиления или по супергетеродинному принципу. Но для супергетеродинных приемников необходимо учитывать еще помехи, обусловленные особенностями этого метода приема.

Дело в том, что в супергетеродине принимаемые сигналы любой станции, на которую настроен приемник, преобразуются в сигналы так называемой промежуточной частоты, которая остается неизменной независимо от частоты принимаемой станции. Этот процесс преобразования состоит в том, что на напряжение принятого сигнала накладывается напряжение другой частоты, создаваемое в самом приемнике вспомогательным гетеродином. В результате такого наложения двух колебаний разных частот и выделяются колебания новой промежуточной частоты. Эта частота равна разности частот накладываемых друг на друга колебаний.

Но в этом принципе таится скрытая опасность появления помехи. Из антенны в приемник могут попасть сигналы двух разных станций, каждая из которых отличается по частоте от гетеродина f_гem на одну и туже величину, но частота одной из этих станций, например принимаемой станции f_npин, будет меньше, а частота другой — мешающей станции f_меш — больше частоты гетеродина, как это показано условно на фиг. 3. Сигналы этих станций, взаимодействуя с колебаниями гетеродина, будут создавать два вида колебаний на одной и той же промежуточной частоте. Пусть, например, частота сигнала принимаемой станции f_сигн = 10 000 кгц, промежуточная частота f_пром = 465 кгц и частота гетеродина f_гет выше принимаемой на величину промежуточной частоты. Следовательно, f_гет = f_npин + f_npом = 10 000 + 465 = 10465 кгц. Но такая же промежуточная частота f_пром = 465 кгц получится и от мешающей станции, работающей на частоте f_меш = 10930 кгц, так как f_меш — f_гет = 10 930 — 10 465 = 465 кгц. Эти полученные в приемнике колебания будут создавать сильные взаимные помехи в виде свистов и искажений, нарушающие нормальный прием.

Из фиг. 3 видно, что по отношению к гетеродину частоты мешающего и принимаемого сигналов расположены симметрично (одна из них представляет как бы зеркальное изображение другой), поэтому помехи такого рода называются зеркальными или симметричными.

Избавиться от подобной помехи можно только, не пропуская в приемник, к его преобразователю, сигналов зеркального канала. Эту задачу могут выполнить лишь контуры приемника, находящиеся между антенной и преобразовательной лампой и настроенные на частоту принимаемого сигнала.

Поэтому в отличие от избирательности по соседнему каналу, которую обеспечивают контуры промежуточной частоты, избирательность по зеркальному каналу обеспечивают контуры высокой частоты. Чем лучше качество высокочастотных контуров и чем больше их, тем сильнее ослабляются помехи по зеркальному каналу.

Избирательность по зеркальному каналу для одного и того же приемника оказывается различной на разных диапазонах; меньше всего ощущаются помехи этого рода на длинных волнах и сильнее всего — на коротких. Кроме того, они зависят от величины промежуточной частоты: у приемников с низкой промежуточной частотой (110—115 кгц) зеркальные помехи выражены сильнее, чем у приемников с более высокой промежуточной частотой (465 кгц).

Согласно ГОСТ ослабление зеркального канала у приемников 1-го класса должно быть не менее 1 000 раз на длинных, не менее 300 раз на средних и не менее 18 раз на коротких волнах; у приемников 2-го класса — не менее 60 раз на длинных, не менее 30 раз на средних и не менее 4 раз на коротких волнах; у приемников 3-го класса — не менее 20 раз на длинных и не менее 10 раз на средних волнах.

Ослабление сигналов с частотой, равной промежуточной. Другим источником помех, характерных только для приемников супергетеродинного типа, являются сигналы станций, частота которых равна промежуточной частоте приемника. Такие сигналы, проникая в приемник, приводят к результатам, сходным с описанными выше зеркальными помехами: внешняя помеха, взаимодействуя с колебаниями промежуточной частоты, создаваемыми в самом приемнике, приведет к появлению искажений и свистов, нарушающих нормальный прием.

Для борьбы с помехами этого рода на входе приемника включают так называемые фильтры-пробки — контуры, настроенные на промежуточную частоту, которые закрывают доступ в приемник сигналам на этой частоте. Чем тщательнее подобран фильтр, тем лучше устраняются помехи этого вида.

ГОСТ устанавливает нормы на ослабление помех и этого рода для приемников разных классов. Сигналы с частотой, равной промежуточной, должны ослабляться на пути от антенны к преобразователю в приемниках 1-го класса не менее чем в 100 раз, в приемниках 2-го класса — не менее чем в 50 раз и в приемниках 3-го класса — не менее чем в 10 раз.

Избирательность — обзор | ScienceDirect Topics

2.34.5.3 Повышенная селективность

В настоящее время селективность ферментов становится мощным активом ферментно-опосредованного асимметричного синтеза из-за растущей потребности фармацевтической промышленности в оптически чистых промежуточных соединениях [109].

В общем, селективность ферментов включает [113]:

•

селективность субстрата — способность различать и воздействовать на подмножество соединений в более крупной группе химически родственных соединений;

•

стереоселективность — способность действовать исключительно на один энантиомер или диастереомер;

•

региоселективность — способность действовать исключительно на одно место в молекуле;

•

Селективность функциональной группы — способность действовать на одну функциональную группу избирательно в присутствии других в равной степени реакционноспособных или более реакционноспособных функциональных групп, например, селективное ацилирование аминоспиртов [114].

Хотя резкое изменение селективности фермента с помощью генной инженерии было прекрасно продемонстрировано [115], есть также множество привлекательных примеров, в которых селективность фермента была изменена различными методами иммобилизации, например ковалентным связыванием, захватом и т. Д. и простая адсорбция. В нескольких крайних случаях было продемонстрировано, что неселективный фермент, такой как хлоропероксидаза, трансформировался в стереоселективный фермент после иммобилизации [116]; S -селективная липаза также была преобразована в R -селективную CR липазу путем ковалентной иммобилизации [117].

В целом селективность, на которую могут влиять методы иммобилизации, можно разделить на следующие категории в зависимости от источника эффекта:

1.

Селективность, контролируемая носителем

•

селективность, контролируемая размером пор;

•

селективность, управляемая диффузией; и

•

селективность связывания, контролируемая химическим составом.

2.

избирательность, контролируемая конформацией

•

избирательность, контролируемая микросредой и

•

активная избирательность, контролируемая центром.

Влияние стерических затруднений на селективность фермента, например, карту продукта, наблюдали в 1970-х годах [118]. Было обнаружено, что на структуру продуктов расщепления белков, катализируемого субтилзином, иммобилизованным CPG, может влиять размер пор используемого носителя [119].Точно так же иммобилизованная аденозинтрифосфат (АТФ) дезаминаза, β-галактозидаза [121] и протеазы также имеют разные карты продуктов по сравнению с соответствующими нативными ферментами [120]. Ковалентно иммобилизованная на глиоксаль агарозе урокиназа имеет разную селективность [120]. α-Амилаза, иммобилизованная на диоксиде кремния [120] или ковалентно связанная с CNBr-активированной карбоксиметилцеллюлозой [118], дает продукты, состав которых отличается от состава природного фермента. Это во многом объяснялось тем, что размер пор, в которых расположены молекулы фермента, определяет доступность субстратов в зависимости от их размера.

Об энантиоселективности, контролируемой диффузией, недавно сообщалось после исследования энантиоселективности липазы CAL-B при переэтерификации в органических растворителях [123]. Впервые сообщалось, что диффузия может снижать энантиоселективность ферментов. Важным следствием этого открытия является то, что при скрининге фермента на разделение рацемических соединений важно гарантировать, что выбранный препарат фермента не имеет диффузионных ограничений; в противном случае реальный потенциал фермента может быть проигнорирован [122, 123].

Иммобилизация может не только изменить селективность (карту продукта или энантиоселективность), но наличие ограничений диффузии также может повлиять на селективность реакции между двумя реакциями, которые могут происходить параллельно в одной и той же реакционной системе. Одним из примеров является кинетически контролируемый синтез пептидов или β-лактамных антибиотиков, в котором один из реагентов, например сложный эфир или амид аминокислоты (или обычно называемый активным донором ацила), может быть интегрирован в желаемый продукт ( S ) или гидролизуется до нежелательной аминокислоты ( H ) [17].Таким образом, молярное соотношение S / H рассматривалось как критерий жизнеспособности соответствующего процесса [124].

Как и в случае селективности, контролируемой конформацией, часто бывает трудно отличить эффект микросреды от изменения конформации. Например, включение липазы Rhizopus miehei lipase (RML) в гелевое волокно из ацетата целлюлозы и TiO ₂ улучшило селективность гидролиза 1,2-диацетоксипропана по сравнению с таковыми нативных ферментов [125] и энантиоселективность пегилированной липазы. Липаза Pseudomonas cepacia (PCL) была увеличена в три раза за счет захвата гранул геля из альгината кальция [126].В таких случаях липазы могут принимать конформацию, отличную от конформации нативных ферментов, из-за взаимодействия между носителем и ферментом (изменение конформации фермента) или из-за влияния микроокружения (градиент pH).

Влияние микросреды на селективность фермента, однако, было ясно продемонстрировано для 1,2-α-маннозидазы, для которой был применен метод двойной иммобилизации, адсорбция на фарфоровой глине или целлюлозе DE-52 с последующим захватом альгинатными шариками. использовал; Полученный спектр продуктов зависел от носителя, используемого для адсорбции перед захватом в альгинате натрия [127], предполагая, что конформация фермента могла в значительной степени определяться носителем во время адсорбции.Точно так же селективность субстрата декстрансукреазы, адсорбированной на DEAE-целлюлозе, отличалась от селективности нативного фермента [120].

Наиболее поразительно то, что недавно было обнаружено, что энантиоселективность липазы Candida rugosa (CRL), иммобилизованной на кремнеземе, активированном 2,4,6-трихлор-1,3,5-триазином, была примерно в 7 раз выше, чем у растворимого фермент, тогда как CLR, иммобилизованный на агарозе, активированной тозилатом, был только в 4 раза более селективным, чем нативный фермент [128], подразумевая, что химическая модификация фермента активными носителями также может влиять на селективность фермента.

Аналогичным образом, недавно было обнаружено, что на активность и селективность фермента также может влиять природа боковых связывающих функциональностей или функциональных групп, которые фактически не являются частями, участвующими в связывании. Например, энантиоселективность алкилсульфатазы, иммобилизованной на анионообменниках, таких как DEAE-сефадекс, TEAE-целлюлоза и Ecetola-целлюлоза, сильно различается в зависимости от боковых ионных групп. Иммобилизация алкилсульфатазы на эцетола-целлюлозе в несколько раз повысила селективность гидролиза втор-алкилсульфатов.Что касается того факта, что TEAE-целлюлоза и целлюлоза Ecetola различаются в основном спейсером, селективность иммобилизованного фермента в основном определяется боковой цепью и спейсером связывающих функций. Повышение селективности можно объяснить тем фактом, что заряженные группы могут быть способны приближаться к определенным отрицательно заряженным доменам или сайтам на поверхности белка, что приводит к эффекту ориентации (например, к активным сайтам) [129].

Селективность, контролируемая конформацией, также недавно наблюдалась для так называемых методов молекулярного импринтинга (MIT), которые основаны на гипотезе о том, что конформация, индуцированная лигандом, может быть заморожена физическими или химическими средствами, такими как лиофилизация или сшивание. или молекулярное ограничение.Одно из возможных объяснений состоит в том, что популяция некоторых конформеров ферментов увеличивается за счет используемых селекторов конформеров и, следовательно, селективность ферментов по отношению к некоторым субстратам может быть улучшена, как это показано на примере так называемых MIT [85].

При улучшении селективности ферментов путем иммобилизации важно обращать внимание на инженерию среды, потому что селективность, контролируемая микросредой, связана не только с выбранным носителем, но и с используемой средой. Иммобилизация фермента часто приводит к изменению оптимального pH или температуры.Таким образом, характеристики фермента, такие как активность и селективность, которые тесно связаны с pH и температурой, могут быть соответственно изменены. Оптимальный pH для селективности экспрессии также может отличаться от pH природного фермента; это было показано недавним исследованием растворения метилового эфира ( R, S ) -миндальной кислоты, катализируемого иммобилизованной липазой CRL [126]. В этом процессе степень повышения селективности сильно зависела от pH используемой реакционной среды.

В целом улучшение энантиоселективности ферментов путем иммобилизации может быть привлекательным из-за его простоты и универсальности, а также из-за того, что оно обычно устраняет необходимость в подробной структурной информации.

Как обсуждалось выше, иммобилизацию фермента можно рассматривать как процесс модификации. Неудивительно, что эффективность иммобилизованного фермента зависит от модификации (например, условий иммобилизации) природы модификатора (т.е.е., выбранные перевозчики). и природа ферментов (источник, чистота и штамм), которые необходимо изменить.

Что касается сходства между иммобилизацией фермента и химической модификацией [47, 48], многие методы и принципы, которые широко используются в химической модификации ферментов для повышения функциональности фермента, также могут быть использованы для улучшения характеристик носителя. -связанные иммобилизованные ферменты.

Например, стабилизация ферментов химической модификацией обычно может быть достигнута с помощью двух основных подходов, а именно ригидизации ферментного каркаса с использованием бифункционального сшивающего агента и инженерии микроокружения путем введения новых функциональных групп, которые способствуют развитию гидрофобное взаимодействие (за счет гидрофобизации поверхности фермента) или гидрофилизация поверхности фермента (за счет смягчения неблагоприятного гидрофобного взаимодействия) или образование новых солевых мостиков или водородных связей (за счет введения полярных групп) [130, 131].Точно так же эти два принципа все чаще применялись для улучшения характеристик фермента, например, стабильности, селективности и активности [30; и цитированные там ссылки].

Синонимы избирательности, антонимы избирательности | Тезаурус Мерриам-Вебстера

Тезаурус

Синонимы и антонимы слова

selectivity как в дискриминация

Синонимы и близкие синонимы для селективности

Антонимы и близкие антонимы для избирательности

См. Определение словаря

Произошла ошибка при настройке пользовательского файла cookie

Этот сайт использует файлы cookie для повышения производительности.Если ваш браузер не принимает файлы cookie, вы не можете просматривать этот сайт.

---

Настройка вашего браузера для приема файлов cookie

Существует множество причин, по которым cookie не может быть установлен правильно. Ниже приведены наиболее частые причины:

• В вашем браузере отключены файлы cookie. Вам необходимо сбросить настройки своего браузера, чтобы он принимал файлы cookie, или чтобы спросить вас, хотите ли вы принимать файлы cookie.
• Ваш браузер спрашивает вас, хотите ли вы принимать файлы cookie, и вы отказались.Чтобы принять файлы cookie с этого сайта, нажмите кнопку «Назад» и примите файлы cookie.
• Ваш браузер не поддерживает файлы cookie. Если вы подозреваете это, попробуйте другой браузер.
• Дата на вашем компьютере в прошлом. Если часы вашего компьютера показывают дату до 1 января 1970 г., браузер автоматически забудет файл cookie. Чтобы исправить это, установите правильное время и дату на своем компьютере.
• Вы установили приложение, которое отслеживает или блокирует установку файлов cookie.Вы должны отключить приложение при входе в систему или проконсультироваться с системным администратором.

---

Почему этому сайту требуются файлы cookie?

Этот сайт использует файлы cookie для повышения производительности, запоминая, что вы вошли в систему, когда переходите со страницы на страницу. Чтобы предоставить доступ без файлов cookie потребует, чтобы сайт создавал новый сеанс для каждой посещаемой страницы, что замедляет работу системы до неприемлемого уровня.

---

Что сохраняется в файле cookie?

Этот сайт не хранит ничего, кроме автоматически сгенерированного идентификатора сеанса в cookie; никакая другая информация не фиксируется.

Как правило, в cookie-файлах может храниться только информация, которую вы предоставляете, или выбор, который вы делаете при посещении веб-сайта. Например, сайт не может определить ваше имя электронной почты, пока вы не введете его. Разрешение веб-сайту создавать файлы cookie не дает этому или любому другому сайту доступа к остальной части вашего компьютера, и только сайт, который создал файл cookie, может его прочитать.

Выборка сайта — Лекарства — Справочник Merck Версия для потребителей

Определенные природные вещества в организме, такие как нейротрансмиттеры и гормоны, воздействуют на специфические рецепторы на поверхности клеток.Когда эти вещества связываются с рецептором в клетке, они стимулируют этот рецептор выполнять свою функцию, которая заключается в том, чтобы производить или подавлять определенное действие в клетке. Лекарства также могут нацеливаться на эти рецепторы и связываться с ними. Некоторые лекарства действуют как агонисты, стимулируя рецептор таким же образом, как и естественные вещества организма. Другие действуют как антагонисты, блокируя действие природного вещества на рецептор. Каждый тип рецептора имеет множество подтипов, и лекарства могут действовать на один или несколько подтипов рецепторов.
			Препараты, нацеленные на рецептор
	Адреналин и норадреналин	Реакции «бей или беги»: сужение кровеносных сосудов кожи, пищеварительного тракта и мочевыводящих путей Расщепление глюкозы в печени (высвобождение энергии) Снижение активности желудка и кишечника Сокращение гладкой мускулатуры половых органов и мочевыводящих путей	Агонист: метоксамин и фенилэфрин Антагонист: доксазозин, празозин, тамсулозин и теразозин
	Адреналин и норадреналин	Снижение секреции инсулина, скопление тромбоцитов, сужение кровеносных сосудов кожи и кишечника и высвобождение норадреналина из нервов
	Адреналин и норадреналин	Повышение частоты сердечных сокращений, силы сердечных сокращений и секреции ренина (гормона, контролирующего кровяное давление)	Агонист: добутамин и изопротеренол Антагонист: бета-адреноблокаторы (используются для лечения гипертонии и болезней сердца), такие как атенолол и метопролол
	Адреналин и норадреналин	Расширение гладкой мускулатуры кровеносных сосудов, дыхательных путей, пищеварительного тракта и мочевыводящих путей Распад гликогена в скелетных мышцах (высвобождение глюкозы для получения энергии)	Агонист: альбутерол, изоэтарин и тербуталин
		Уменьшение частоты сердечных сокращений и силы сердечных сокращений Расширение кровеносных сосудов по всему телу Повышение активности желудка, кишечника, мочевого пузыря, слюнных, слезных и потовых желез	Агонист: Бетанехол и карбахол Антагонист: атропин, ипратропий и скополамин
		Сокращение скелетных мышц	Агонист: обычно не используется Антагонист: атракуриум, панкуроний и тубокурарин
		Производство аллергической реакции Сокращение мышц дыхательных путей и пищеварительного тракта Расширение мелких кровеносных сосудов	Агонист: обычно не используется Антагонист: цетиризин, хлорфенирамин, клемастин, дифенгидрамин, фексофенадин и лоратадин
		Стимуляция желудочного секрета	Агонист: обычно не используется Антагонист: Циметидин, фамотидин и низатидин
		Сужение кровеносных сосудов головного мозга Стимуляция активности (моторики) пищеварительного тракта Сокращение кровеносных сосудов Влияние на сон, память, сенсорное восприятие, регуляцию температуры, настроение, аппетит и секрецию гормонов	Частичный агонист: Буспирон Агонист *: Сумитриптан и золмитриптан Антагонист: Метизергид и ондансетрон
		Участие в движении, настроении, мышлении, обучении и поиске вознаграждения Также увеличивает приток крови к почкам, что способствует увеличению выведения мочи.	Агонист: прамипексол и ропинирол Антагонист: оланзапин и рисперидон

Селективность в аналитической химии (Рекомендации ИЮПАК 2001 г.)

_

Основные моменты теоретической и прикладной химии

_

Селективность в аналитической химии (Рекомендации ИЮПАК 2001 г.)

Дж.Вессман, Р.И. Стефан, Дж. Ф. ван Стаден, К. Данцер, В. Линднер, Д. Т. Бернс, А. Файгель, Х. Мюллер

Чистая и прикладная химия, Vol. 73, No. 8, pp. 1381-1386 01)

Селективность — одно из ключевых свойств аналитической химии. Однако определения в рамках ИЮПАК были довольно расплывчатыми. В аналитическом химическом сообществе также имелось досадное совпадение терминов «селективность» и «специфичность», что сбивало с толку. В качестве средства правовой защиты в 1999 г. в отделе аналитической химии ИЮПАК был начат проект, который был завершен в Брисбене 01.

В итоговом документе говорится, что термин «селективность» развился параллельно с развитием более чувствительных и различающих методов и что в процессе распознавания используются несколько видов взаимодействий.

Селективность в методе достигается комбинацией нескольких этапов создания селективности, как показано на примере ЖХ-МС-МС (с селективностью разделения и обнаружения) и с помощью массивов датчиков, где вводится вычислительная селективность.

Избирательность можно выразить качественно разными способами, но, что наиболее важно, избирательность — это то, что можно оценивать в отличие от специфичности, которая является абсолютной.С другой стороны, вычислить степень селективности непросто, и было сделано много попыток. Поэтому подход к расчетам, полезный для практикующего аналитика, по-прежнему желателен.

Рекомендация IUPAC 01 гласит, что следует поощрять избирательность, а специфичность не поощрять, поскольку последняя неверна. Метод либо конкретен, либо нет, мало, если какие-то конкретные методы. С семантической точки зрения было получено выражение, что «избирательность — это состояние или качество тщательного выбора».

Рекомендуемое определение селективности: Селективность относится к степени, в которой метод может быть использован для определения определенных аналитов в смесях или матрицах без вмешательства со стороны других компонентов с аналогичным поведением.

Опубликовано в Интернете: 2009-09-01

Опубликовано в печати: 2002-01

© 2014 by Walter de Gruyter GmbH & Co.

Количественное прогнозирование селективности между аденозиновыми рецепторами A 1 и A 2A | Journal of Cheminformatics

Наборы данных

Информация о межбелковых взаимодействиях (например,г. аффинность связывания и эффективность) собирали для A ₁ AR человека и A _2A AR. Общедоступные данные о биоактивности были взяты из ChEMBL версии 23 [16] и дополнены внутренними данными (см. Дополнительный файл 1). Поскольку соединения с рибозным каркасом часто связаны с агонистической активностью, а дицианопиридины — с частичным агонизмом, эти соединения были удалены для создания набора данных, ориентированного на антагонисты [17, 18]. Значения биологической активности были стандартизированы до pActivity (концептуально аналогичны значению pChEMBL, ансамблю из pK _i / IC ₅₀ / EC ₅₀ / K _d значений [19]) при одновременном объединении данных из разных лабораторий и анализы.Эти данные впоследствии были использованы для составления следующих наборов данных о соединениях: «Набор данных о биоактивности A ₁ AR» (содержащий биоактивность соединений на A ₁ AR), «Набор данных о биологической активности A _2A AR» (содержащий данные о биологической активности соединений на A _2A AR) и «A ₁ AR / A _2A AR dataset» (биоактивность соединений протестирована как на A ₁ AR, так и на A _2A AR). Последний набор данных включал информацию о селективности соединений.Соединения были названы «селективными», когда разница в активности между двумя белками была более чем 100-кратной (например, A _2A AR-селективным, когда pActivity A ₁ AR = 6,5 и pActivity A _2A AR ≥ 8,5) . Набор данных A ₁ AR / A _2A AR состоял из пяти классов: non-binder (pActivity A ₁ AR и A _2A AR <6.5), A ₁ AR-селективный (pActivity A ₁ AR ≥ 6,5 и селективность ≥ 100 раз), A _2A AR-селективный (pActivity A _2A AR ≥ 6.5 и селективность ≥ 100 раз) и двойное связующее (pActivity A ₁ AR и A _2A AR ≥ 6.5 и селективность ≤ десятикратная). Кроме того, соединения, биоактивность которых измерялась как для A ₁ AR, так и для A _2A AR, но не подходили ни к одному из классов набора данных A ₁ AR / A _2A AR, были названы «полу -селективные соединения. Соединения, у которых была измерена биоактивность только для одного рецептора и которые не присутствовали в наборе данных A ₁ AR / A _2A AR, но были включены либо в набор данных биоактивности A ₁ AR, либо в набор данных биоактивности A _2A AR, были называемые «одиночными точками».Распределение активности в разных наборах данных было сопоставимым (таблица 1) и нормально распределено как в A ₁ AR, так и в A _2A AR (рис. 1). Следует отметить, что общее количество A ₁ AR-селективных соединений примерно в три раза меньше, чем количество A _2A AR-селективных соединений (50 и 146 соединений соответственно).

Таблица 1 Характеристики набора данных: количество соединений, распределение активности и химическое сходство в наборе данных Рис.1

Распределение активности различных классов соединений для A ₁ AR ( a ) и A _2A AR ( b ). Соединения из наборов данных биоактивности A ₁ AR и A _2A AR, которые не принадлежали ни к одному из классов набора данных A ₁ AR / A _2A AR, называются «одиночными точками»

Моделирование A

₁ AR / A _2A Селективность подтипа AR с использованием классификационных моделей QSAR

Несколько моделей QSAR были созданы для изучения селективности.Во-первых, селективность подтипа для A ₁ AR и A _2A AR была смоделирована с использованием моделей классификации. Кроме того, моделировались неселективные соединения (двойные связующие) и несвязывающие. Были построены следующие четыре модели: модель 2-го класса (A ₁ AR-селективная / A _2A AR-селективная), две модели 3-го класса (A ₁ AR-селективная / A _2A AR- селективные / двойные ингибиторы с одной стороны, и A ₁ AR-селективные / A _2A AR-селективные / несвязывающие агенты, с другой стороны, и модель 4-го класса (A ₁ AR-селективные / A _2A AR-селективные / двойные / несвязывающие).Все модели были проверены с помощью пятикратной перекрестной проверки с использованием одних и тех же (химически сгруппированных) наборов тестов на итерацию для каждой модели (подробности см. В разделе «Методы»). Модель QSAR с двумя классами была наилучшей для прогнозирования селективности A ₁ AR и A _2A AR (рабочая характеристика приемника (ROC) 0,87 ± 0,06 и коэффициент корреляции Мэтьюза (MCC) 0,40 ± 0,13). Добавление двойных и не связанных классов снизило производительность модели. ROC снизился до 0,76 ± 0,06 и 0.64 ± 0,09 для АО A ₁ и до 0,62 ± 0,09 и 0,65 ± 0,09 для AR A _2A . Аналогично, MCC уменьшается до 0,22 ± 0,15 и 0,00 ± 0,07 для AR A ₁ и до 0,20 ± 0,17 и 0,36 ± 0,12 для AR A _2A (таблица 2). Это указывает на то, что 100-кратно селективные соединения A ₁ AR и A _2A AR достаточно химически отличаются друг от друга, чтобы их правильно предсказывала модель, и что они демонстрируют четкую взаимосвязь структура – ​​активность.И наоборот, предполагается, что двойные и несвязывающие вещества имеют химическое сходство с селективными классами A ₁ AR и A _2A AR, что усложняет модели дифференциацию между этими классами (рис. 2). Кроме того, чувствительность и прогностическая ценность положительного результата (PPV) были постоянно выше для соединений, селективных к A _2A , чем для соединений, селективных к A ₁ , тогда как специфичность и прогностическая ценность отрицательного результата (NPV) были выше для A ₁ AR-селективные соединения.

Таблица 2 Характеристики моделей классификации селективности Рис. 2

Химическое сходство соединений классов селективности A ₁ AR-селективный, A _2A AR-селективный, двойные и несвязывающие. Химическое сходство визуализируется с помощью t-SNE [20] на основе отпечатков пальцев FCFP4. a Используемые химические кластеры соединений: A ₁ AR-селективный, A _2A AR-селективный, двойные связующие и несвязывающие. b Кластеры на основе химического сходства; каждая комбинация цвета и символа представляет собой уникальный кластер (всего 136 кластеров)

Класс несвязующих веществ содержит соединения, неактивные по отношению к обоим рецепторам.Однако эти соединения не очень хорошо дифференцируются от активных классов (A ₁ AR-, A _2A AR-селективный и двойной), что наблюдается по низким MCC (0,15 ± 0,06) и плохим ROC (0,57 ± 0,07). ) для не связующего класса. В следующем разделе описывается моделирование биоактивности A ₁ AR и A _2A AR в попытке классифицировать несвязывающие вещества.

Моделирование Биоактивность A

₁ AR и A _2A AR с использованием моделей классификации и регрессии QSAR

Биоактивность соединений для A ₁ AR и A _2A AR была смоделирована с помощью моделей классификации и регрессии.В классификационных моделях соединения с использованием заранее определенного порога (здесь pActivity ≥ 6.5) классифицируются как «активные», а соединения ниже этого порога называются «неактивными». Модель обучается этим классам активности, а также предоставляет класс активности для тестируемых соединений. Напротив, регрессионные модели обучаются не по классам, а по числовым значениям биологической активности. Результатом регрессионной модели является значение биоактивности, которое впоследствии может быть отнесено к классу активности.Как можно увидеть в Таблице 1, где показана средняя pActivity для наборов, это значение (pActivity 6.5) применимо для этих наборов данных и ранее также было показано, что это соответствующий порог, ведущий к сбалансированным классам [15].

Классификация биологической активности и регрессионные модели QSAR были обучены на наборе данных A ₁ AR / A _2A AR, том же наборе данных, который использовался в моделях QSAR классификации селективности, описанных в предыдущем разделе. Кроме того, были добавлены полуселективные соединения для увеличения объема обучающих данных.Эти полуселективные соединения обладают экспериментальной активностью в отношении обоих рецепторов, но не соответствуют ни одному из четырех классов селективности (например, соединение с pActivity A ₁ AR = 7,0, pActivity A _2A AR = 8,1). Однако для моделирования биоактивности класс селективности не имеет значения, и поэтому эти соединения теперь были включены для повышения производительности модели. Кроме того, отдельные модели QSAR были обучены на наборах данных биоактивности A ₁ AR и A _2A AR.Наборы проверочных тестов были составлены на основе химических кластеров и биоактивности соединений; каждое подмножество содержало как активные, так и неактивные. Эти наборы для валидации не были равны вышеупомянутым наборам валидации (селективности), поскольку они использовались для другой цели: валидация моделей биоактивности вместо моделей селективности. Все модели биоактивности были проверены с использованием одних и тех же наборов тестов для перекрестной проверки, независимо от набора данных, который использовался при обучении (A ₁ AR / A _2A AR набор данных, A ₁ AR биоактивность или A _2A AR. биоактивность).Наборы данных о биоактивности A ₁ AR и A _2A AR содержали больше точек данных, чем набор данных A ₁ AR / A _2A AR, поскольку эти наборы также включали отдельные точки (биоактивность измерялась только для одного из двух рецепторов) . Единичные точки биоактивности были включены в обучение, но исключены из проверки, чтобы сохранить сопоставимость характеристик для различных моделей. Отдельные точки, которые принадлежали к тому же химическому кластеру, что и точки данных в тестовом наборе, также были исключены из обучения, чтобы предотвратить смещение.Модели регрессии показывают хорошее качество модели при обучении с высокими значениями R ² (≥ 0,98) и низкими значениями RMSE (≤ 0,14). К сожалению, при применении к набору проверки производительность ниже, чем ожидалось, исходя из производительности обучения (вероятно, из-за сложного набора тестов, основанного на химической кластеризации). Тем не менее, судя о производительности модели по метрикам проверки классификации, можно сделать реалистичную оценку прогнозной производительности моделей.

Средние характеристики всех моделей биоактивности (на основе пятикратной перекрестной проверки) были лучше для A _2A AR, чем для A ₁ AR, при средней разнице ROC 0.12 (таблица 3). Кроме того, модели классификации работают хуже, чем модели регрессии, на что указывают их более низкие значения для обогащения (ROC) и MCC: средняя разница в ROC для A ₁ AR = 0,20 и A _2A AR = 0,07, а также средняя разница в MCC для A ₁ AR = 0,07 и A _2A AR = 0,03. Более того, MCC и ROC для моделей классификации биоактивности A ₁ AR даже показали характеристики хуже, чем случайные (MCC <0 и ROC <0,5).Наиболее эффективные модели биоактивности были основаны на регрессии, которая достигла средней эффективности (оценка ROC 0,60–0,70) для прогнозирования биоактивности.

Таблица 3 Характеристики моделей классификации и регрессии биоактивности для A ₁ AR и A _2A AR

Моделирование A

₁ AR / A _2A Подтип селективности AR с использованием регрессионных моделей

Применение вышеуказанного Подход к модели биоактивности был протестирован при моделировании селективности соединений (т.е. моделирование аффинности соответствующих рецепторов и косвенное извлечение из этого селективности). Поскольку прогнозируемая биоактивность двух моделей биоактивности не коррелирует друг с другом, была проведена отдельная проверка, чтобы указать эффективность прогнозов селективности. Однако наборы перекрестной проверки моделей в таблице 3 были сгруппированы на основе биоактивности, а не классов селективности, поэтому модели биоактивности были переобучены с использованием разных составленных наборов перекрестной проверки, чтобы оправдать сравнение с обсуждавшейся позже моделью окна селективности.Были выбраны регрессионные модели биоактивности, поскольку они превосходили классификационные модели биоактивности. Более того, при моделировании селективности предпочтение было отдано регрессии, поскольку с помощью регрессии можно получить количественное значение селективности.

Таким образом, модели регрессии биоактивности использовали для прогнозирования активности соединения для A ₁ AR и A _2A AR. Модели были обучены на наборе данных A ₁ AR / A _2A AR, включая дополнительные «полуселективные» соединения. Разница в прогнозируемой биоактивности для двух рецепторов рассчитывалась как значение селективности.Впоследствии классы селективности (A ₁ AR-селективный, A _2A AR-селективный, двойной) были присвоены соединениям на основе предсказанной селективности в соответствии с теми же правилами категоризации, которые использовались при классификации ранее. Применение двух объединенных моделей биоактивности для определения селективности (двухступенчатая модель разности A ₁ AR-A _2A AR) привело к моделям со средней производительностью. Хотя оценка ROC была приличной (0,75 ± 0,09 и 0,72 ± 0,15), MCC была низкой (0.19 ± 0,16 и 0,28 * ± 0,12, * одна неудачная проверка) как для A ₁ AR, так и для A _2A AR, что указывает на то, что модели способны ранжировать соединения, но менее способны объяснить весь набор данных (Таблица 4 ).

Таблица 4 Характеристики моделирования селективности с использованием двухэтапной разностной модели A ₁ AR-A _2A AR или модели окна селективности

Продолжая наш подход единой модели для прогнозирования селективности, мы исследовали использование регрессии для модель окна избирательности, а не классификация.В отличие от двухэтапной разностной модели A ₁ AR-A _2A AR (регрессия), единственная модель для прогнозирования селективности между A ₁ AR и A _2A AR была основана на различии в аффинности. а не прогноз биологической активности и расчет результирующей селективности. Регрессионная модель была обучена непосредственно разнице в биоактивности для обоих рецепторов (pActivity A ₁ AR — pActivity A _2A AR = окно селективности) и предсказывает количественную оценку степени селективности соединения (разница в pActivity ).Положительная оценка указывает на A ₁ AR-селективность, отрицательная оценка A _2A AR-селективность, а оценка, близкая к нулю, указывает на двойное связывание. Модель оценивалась на основе показателя ROC и показателей классификации (MCC, чувствительность, специфичность, PPV и NPV). Правила классификации A ₁ AR-, A _2A AR-селективных и двойных связующих были выведены из пороговых значений, применяемых в моделях классификации селективности: A ₁ AR ≥ 100-кратная селективность равна разнице pActivity ≥ 2, A _2A AR ≥ 100-кратная селективность равна разнице pActivity ≤ — 2, а для двойных связующих (≤ 10-кратная селективность) разность pActivity ≥ -1 и ≤ 1.

Модель регрессии окна селективности была обучена на тех же данных (набор данных A ₁ AR / A _2A AR и полуселективные соединения), что и двухэтапная A ₁ AR-A _2A AR разница описанная выше модель, в которой селективность вычиталась из двух отдельных моделей биоактивности. Окно селективности превзошло двухступенчатую разностную модель A ₁ AR-A _2A AR с увеличенными значениями ROC для классов селективности A ₁ AR- и A _2A AR-селективный (увеличение ROC 0.07–0.13) (таблица 4).

На рисунке 3 показаны примеры соединений, которые были неправильно классифицированы с помощью двухэтапной разностной модели A ₁ AR-A _2A AR, но были правильно предсказаны с использованием модели окна селективности. Сходство (Tanimoto FCFP4) между неверно предсказанными соединениями с помощью двухэтапной модели разности A ₁ AR-A _2A AR составляло 0,25, тогда как сходство в пределах ошибочно предсказанных соединений с помощью модели окна селективности составляло 0,58. Это указывает на то, что двухэтапная модель различия A ₁ AR-A _2A AR подвергается сомнению из-за предсказания селективности более разнообразных соединений, а модель окна селективности неэффективна на определенных химических каркасах.Наиболее часто неверно предсказываемый скаффолд моделью окна селективности был N — (2- (фуран-2-ил) -6- (1 H -пиразол-1-ил) пиримидин-4-ил) -2- феноксиацетамид (см. дополнительный файл 2).

Рис. 3

Химические структуры соединений с предсказаниями с помощью различных моделей селективности. Соединения были ошибочно предсказаны с помощью двухэтапной модели A ₁ AR-A _2A AR и правильно предсказаны с помощью модели окна селективности. Прогнозы обозначены как: предсказанный A ₁ AR-селективный (A ₁ AR), A _2A AR-селективный (A _2A AR) и как двойное связующее (Dual) для лигандов CHEMBL260788 ( a ), CHEMBL3596506 ( b ) и CHEMBL201750 ( c )

Следует отметить, что для прогнозов A ₁ AR и A _2A AR не всегда можно было рассчитать MCC и PPV при перекрестной проверке, что приводит к неудачным сверткам перекрестной проверки или итерациям.Это объясняется отсутствием истинных / ложных положительных результатов в конкретном периоде перекрестной проверки: PPV не может быть рассчитан, если нет положительных результатов, MCC не может быть рассчитан без PPV.

Модель окна избирательности работает лучше, чем модель трехклассовой классификации избирательности, подтвержденная ранее (таблица 2). Было проверено, является ли эта повышенная производительность результатом увеличения объема данных, поскольку модель окна селективности включала дополнительные полуселективные соединения и несвязывающие вещества, которых в трехклассной модели классификации селективности обязательно не хватало, поскольку разница в аффинности была небольшой. достаточно, чтобы соответствовать отсечке классификации.Когда эти дополнительные точки данных были исключены из модели окна селективности, ROC упал с 0,78 до 0,67 (среднее по классам), что сопоставимо с ROC 0,65 трехклассовой модели классификации селективности. Это наблюдение четко подтверждает прямую связь между качеством модели и доступностью данных и показывает, что повышенная производительность модели окна избирательности объясняется дополнительными точками данных. Следовательно, при моделировании избирательности выгодно использовать непрерывные модели, поскольку в этом случае может быть включено больше данных.Помимо преимущества повышенной доступности данных, модели непрерывной селективности также предоставляют возможность вычислять коэффициент селективности, а не только класс. Это соотношение селективности указывает на степень селективности и, следовательно, не может только идентифицировать селективные соединения, но также может отличать высокоселективные соединения от слабо селективных соединений.

Примечательно, что показатели, основанные на классификации (MCC, чувствительность, специфичность, PPV и NPV) для модели окна селективности (без несвязывающих веществ и полуселективных соединений) (таблица 4) ниже для A ₁ AR -селективные соединения и двойные связующие, чем показатели модели 3-х классной классификации (оба обучены на одних и тех же данных) (таблица 2), тогда как оценки ROC сопоставимы или выше.Поэтому предсказания модели окна селективности сравнивались с экспериментально измеренными значениями селективности (рис. 4). Было обнаружено, что соединения, селективные к A ₁ AR, имеют постоянно более низкие предсказания окна селективности, чем экспериментальные значения селективности. В результате меньшее количество соединений достигло порога селективной классификации A ₁ AR, что резко снизило количество селективных положительных результатов A ₁ AR. Из 50 A ₁ AR-селективных соединений ни одно не достигло порогового значения.Из всех предсказаний только три соединения достигли порога селективности A ₁ AR, которые были двойными связующими вместо соединений, селективных к A ₁ AR. Этот недостаток предсказанных положительных результатов объясняет неудачные расчеты перекрестной проверки для класса A ₁ AR-селективного.

Рис. 4

Взаимосвязь между экспериментальной селективностью и предсказанной селективностью. Прогнозируемые значения селективности показаны для модели окна селективности. A ₁ AR-селективные пороги классификации показаны оранжевыми линиями (пунктирные = старый порог, сплошной = новый порог) селективность по A ₁ AR-селективным соединениям.Соединения считались A ₁ AR-селективными, когда окно селективности ≥ 0,5, A _2A AR-селективными, когда окно селективности ≤ — 2 (без изменений), и двойным связующим, когда окно селективности ≥ — 1 и < 0,5. При использовании новых пороговых значений значения метрик для прогнозов селективности AR A ₁ улучшились: MCC 0,31 ± 0,10, чувствительность 0,45 ± 0,12, специфичность 0,91 ± 0,02, PPV 0,32 ± 0,06 и NPV 0,95 ± 0,01, что указывает на то, что пересмотренный порог улучшает категоризацию соединений, селективных к A ₁ AR.Не все соединения, селективные к A ₁ AR, были правильно отнесены к категории, но пороговое значение, оптимизированное post hoc, было сочтено адекватным, так как снижение порога селективности A ₁ AR дополнительно повысило бы чувствительность (за счет классификации большего количества соединений как A ₁ AR -селективный), но также снизит PPV. Здесь правильность прогнозов была важнее количества прогнозируемых активных соединений; следовательно, PPV был важнее чувствительности.

Удаление несвязывающих веществ для повышения производительности

Хотя модель окна селективности различает A ₁ AR-, A _2A AR-селективные соединения и двойные связующие, модель не учитывает потенциальную неактивность соединений .Следовательно, не связующие не могут быть отфильтрованы с помощью этой модели. Поэтому был применен консенсусный подход статистического моделирования и стыковки на основе структуры для выявления и исключения несвязующих веществ.

Модели регрессии биоактивности, описанные выше для A ₁ AR и A _2A AR, были объединены с стыковкой набора данных A ₁ AR / A _2A AR и полуселективных соединений в кристаллические структуры обоих белков. Прогнозы биоактивности для A ₁ AR и A _2A AR и прогнозы окна селективности были получены для всего набора данных A ₁ AR / A _2A AR и полуселективных соединений путем объединения прогнозов, сделанных во время Пятикратная перекрестная проверка ранее обученных регрессионных моделей.Соединения были состыкованы с кристаллическими структурами AR A ₁ (PDB: 5UEN) [10] и A _2A AR (PDB: 5OLZ) [21], в результате чего были получены баллы стыковки для обоих рецепторов. Соединениям была присвоена отдельная метка биологической активности для A ₁ AR и A _2A AR: соединения в A ₁ AR были помечены как «активные», когда прогнозируемая pActivity ≥ 7 и оценка стыковки ≤ — 9. Соединения в A _2A AR были помечены как «активные», когда прогнозируемая pActivity ≥ 7 и оценка стыковки ≤ -10.

Соединения с прогнозируемым окном селективности ≥ 0,5 или ≤ — 2, соответствующие A ₁ AR- и A _2A AR-селективным, впоследствии были отфильтрованы с использованием фильтра согласованной биоактивности (рис. 5). PPV для соединений, селективных к A ₁ AR, резко возрастает с 0,13 до 0,39, когда предсказания окна селективности были отфильтрованы с использованием фильтра согласованной биоактивности для A ₁ AR. Фильтрация биоактивности A _2A AR также увеличивала PPV соединений, селективных к A _2A AR; здесь стыковочная и консенсусная фильтрация выполнялись одинаково хорошо (PPV A _2A AR-selected: 0.80).

Рис. 5

Положительная прогностическая ценность (PPV) соединений, которые, как предполагается, являются A ₁ AR- или A _2A AR-селективными. PPV отображает количество экспериментально подтвержденных селективных соединений, деленное на общее количество предсказанных селективных соединений. PPV отображаются при применении различных фильтров: без фильтра биоактивности, статистической биоактивности, биоактивности на основе оценки стыковки и согласованной биоактивности (статистической биоактивности и стыковки на основе структуры)

Несвязывающие вещества, которые не были удалены с использованием только статистического фильтра, но были отфильтрованы, когда использовался консенсусный подход, были проверены в кристаллической структуре A ₁ AR.Некоторые не связывающие вещества (например, CHEMBL1800792) не адаптировались к благоприятной конформации при стыковке с A ₁ AR (рис. 6). Более того, взаимодействие с карманным остатком Asn ^6.55 (нумерация Баллестероса-Вайнштейна) часто не наблюдалось. Это важный отсутствующий элемент, поскольку взаимодействие с этим остатком, как было показано, важно для связывания лиганда с AR A ₁ и AR A _2A [11, 22]. Однако некоторые не связывающие вещества смогли осуществить это взаимодействие (CHEMBL372580), но, тем не менее, имели оценку стыковки, которая не достигла установленного порога (оценка стыковки ≤ — 9).Положения несвязывающих веществ сравнивали с положениями соединения, селективного к A ₁ AR (CHEMBL207824) и соединения, селективного к A _2A AR (CHEMBL371436). Оба селективных соединения адаптируют конформацию, которая способна взаимодействовать с остатком Asn ^6.55 . Кроме того, позы также представляют собой те же ароматические взаимодействия (с Phe171 ^EL2 в A ₁ AR и с Phe168 ^EL2 и His250 ^6.52 в A _2A AR), что и сокристаллизованные лиганды, и адаптируются. аналогичная ориентация каркаса.Наконец, позы селективных лигандов имеют благоприятные оценки стыковки (-10,30 и -10,91, соответственно), подтверждая, что эти соединения являются связующими для A ₁ AR или A _2A AR.

Рис. 6

Пристыкованные позы соединений к их соответствующим целям. Позы двух несвязывающих веществ в A ₁ AR (CHEMBL1800792 в a и CHEMBL372580 в b ), A ₁ AR-селективного соединения (CHEMBL204780 в c ) и A _2A AR -селективное соединение (CHEMBL371436 в d ).Пристыкованные позы сравниваются с сокристаллизованными лигандами, показанными оранжевым цветом. Водородные связи между лигандами и Asn ^6,55 показаны желтым

Проверка модели окна селективности на внешнем наборе

Модель окна прогнозирующей селективности (обучена на A ₁ AR / A _2A AR наборе данных и полуселективные соединения) была поставлена ​​задача предсказать селективность соединений из набора внешней валидации. Этот набор содержал 1482 соединения, для которых величина биоактивности доза-ответ (K _i / IC ₅₀ / EC ₅₀ / K _d ) была известна по крайней мере для одного из двух рецепторов.Если для обоих рецепторов было доступно точное значение биоактивности, соединение классифицировалось в соответствии с предыдущими правилами, применявшимися в этом исследовании. Однако, если было известно точное значение биоактивности только для одного рецептора, использовалось менее точное измерение биоактивности (ингибирование как процентное смещение / эффективность / изменение) для определения неактивности отсутствующего рецептора. Низкая точность значений биоактивности делает эти данные менее подходящими для обучения модели количественной разнице между активностью на двух рецепторах, но подходящими для проверки классификации.Значение pChEMBL <4,5 или порог ингибирования ≤ 50% (при 10 мкМ) использовали для мечения неактивных соединений, тогда как значение pChEMBL ≥ 6,5 использовали для обозначения активных соединений. Модель окна селективности (см. Дополнительный файл 3) была применена к соединениям во внешнем наборе для проверки, предоставив им всем прогнозируемую оценку селективности и, впоследствии, класс селективности. Проверка охватывала все классы селективности: A ₁ AR- и A _2A AR-селективные соединения, двойные связующие и несвязывающие.Поскольку модель окна селективности не имеет порога для несвязующих, несвязующие всегда считались либо истинными, либо ложноотрицательными (никогда ложными / истинно положительными).

Без фильтрации неактивных веществ модель окна селективности показала среднее значение при прогнозировании A ₁ AR-селективных соединений (ROC 0,75) и A _2A AR-селективных соединений (ROC 0,66) во внешнем наборе для проверки (таблица 5). Однако применение фильтра согласованной биологической активности привело к увеличению классификационного обогащения A ₁ AR- и A _2A AR-селективных соединений.Хотя ROC для A ₁ AR-селективных соединений снизился после применения фильтра биоактивности, PPV и, следовательно, доля истинных A ₁ AR-селективных соединений по сравнению со всеми предсказанными соединениями A ₁ AR увеличилась с 0,12 до 0,21. Кроме того, MCC немного увеличился с 0,13 до 0,18. Проверка соединений показала, что все несвязывающие вещества были удалены после фильтрации прогнозов окна селективности с помощью фильтра согласованной биоактивности. Таким образом, снижение ROC для AR-селективного класса A ₁ было вызвано только наличием двойных связующих.Примечательно, что чувствительность для селективных соединений A ₁ AR и A _2A AR составляла 1,00 (100%), тогда как чувствительность для двойных связующих составляла 0,00 (0%). Хотя двойные соединения присутствовали в наборе, который был отфильтрован с помощью модели окна селективности, эти соединения были ошибочно отнесены к категории A ₁ AR- или A _2A AR-селективных. Прогнозируемые двойные связующие до фильтрации по биоактивности фактически не были связующими. Однако эти несвязывающие вещества были правильно отфильтрованы с использованием фильтра биоактивности, в результате чего класс двойных связующих веществ остался без соединений с положительным прогнозом.Обратите внимание, что результаты не указывают на двойное обогащение связующим, поскольку прогнозы биоактивности охватывают только соединения, которые, как предполагается, будут селективными по A ₁ AR или A _2A AR.

Таблица 5 Производительность модели окна селективности на внешнем наборе для проверки

Многовалентные слабые взаимодействия повышают селективность связывания между частицами

Значимость

Селективность связывания коллоидных частиц является важной темой исследований в области направленной доставки лекарств .Обширная теоретическая работа показала, что высокая селективность может быть получена при использовании многовалентных слабых взаимодействий. Здесь мы предоставляем исчерпывающие экспериментальные доказательства с использованием частиц, покрытых ДНК. Сродство лиганд-рецептор варьируется путем изменения количества комплементарных оснований, показывая, что меньшее количество комплементарных оснований дает более высокую селективность связывания. Экспериментальные данные и соответствующее численное моделирование демонстрируют масштабное поведение между молекулярной плотностью, молекулярным сродством и результирующей плотностной селективностью межчастичного связывания.Эти результаты важны для разработки новых систем адресной доставки лекарств в виде наночастиц.

Abstract

Адресная доставка лекарств в значительной степени зависит от селективности связывания коллоидных частиц, транспортирующих груз. Обширная теоретическая работа показала, что для достижения высокой селективности для пороговой плотности рецепторов необходимы два фактора: многовалентность и слабые взаимодействия. Здесь мы изучаем модельную систему покрытых ДНК частиц с многовалентными и слабыми взаимодействиями, которые имитируют взаимодействия лиганд-рецептор между частицами и клетками.Используя эксперимент с оптомагнитным кластером, измеряют скорость агрегации частиц как функцию плотности лиганда и рецептора. Измеренные скорости агрегации показывают, что связывание становится более селективным для более коротких пар ДНК-лиганд-рецептор, доказывая, что поливалентные слабые взаимодействия приводят к повышенной селективности межчастичного связывания. Моделирование подтверждает экспериментальные данные и показывает роль диссоциации лиганд-рецептор в селективности слабого поливалентного связывания.

Многовалентные взаимодействия повсеместно присутствуют в биологии, поскольку они обеспечивают сильные, обратимые и высокоселективные взаимодействия (1⇓ – 3).Множественные индивидуально слабые нековалентные взаимодействия кооперативно образуют высокоспецифичную поливалентную связь между биологическими объектами, которые могут иметь как молекулярные, так и клеточные размеры (4, 5).

Эти принципы также используются в наномедицине для разработки наночастиц, нацеленных на определенные типы клеток, с целью улучшения диагностики и лечения (6–8). Нацеливание основано на идентификации сигнатур мембранных рецепторов, уникальных для клетки-мишени. Однако при многих заболеваниях не рецепторы, а уровни экспрессии рецепторов отличаются для больных клеток по сравнению со здоровыми клетками (9, 10).Следовательно, частицы для доставки лекарств должны проявлять специфичность рецепторной плотности, то есть частицы должны связываться как можно более избирательно с клетками с рецепторной плотностью выше определенной пороговой плотности (рис. 1 A ).

Рис. 1.

Взаимодействие частица-частица имитирует взаимодействия ячейка-частица. ( A ) Многовалентное связывание покрытой лигандом частицы с рецепторами на клеточной мембране. ( B ) Частицы лиганда покрыты короткими конструкциями ДНК с одноцепочечным выступом, называемым лигандной ДНК.Рецепторные частицы покрыты короткими конструкциями ДНК с дополнительным одноцепочечным выступом, называемым рецепторной ДНК. Комплементарность выступа определяет силу взаимодействия лиганд-рецептор. Двухцепочечные нити ДНК-наполнители без одноцепочечных выступов вставляются для поддержания постоянной плотности поверхностного заряда. ( C ) Скорость агрегации измеряют как функцию плотности рецептора для постоянной плотности лиганда. Более слабые взаимодействия с меньшим количеством комплементарных нуклеотидов в одноцепочечном выступе рецепторной цепи вызывают более высокую селективность межчастичного связывания.( D ) Параметр селективности α рассчитывается из зависимости скорости агрегации от плотности рецептора. Слабые поливалентные взаимодействия обеспечивают повышенную селективность по сравнению с сильными поливалентными взаимодействиями.

Группа Френкеля в Кембридже провела обширную теоретическую работу по теме специфичности рецепторной плотности. Они разработали статистическую механическую модель, которая описывает взаимодействие между покрытыми лигандом гостевыми частицами и покрытым рецептором хозяйским субстратом (11).Модель дает долю связанных гостевых частиц θ в состоянии равновесия как функцию плотности рецептора. Селективность связывания гость-хозяин количественно оценивается параметром селективности α, который меньше 1, если связывание имеет сублинейную зависимость от плотности рецептора, и больше 1, если зависимость быстрее линейной (суперселективность). Работы Френкеля и других групп предсказывают, что специфичность высокой плотности рецепторов может быть достигнута с помощью частиц, которые поливалентно взаимодействуют с клеточной мембраной (11–15).Интересно, что селективность увеличивается, когда константа равновесной ассоциации Ka отдельной пары лиганд-рецептор уменьшается (11, 16, 17). Другими словами, многие слабые связи более избирательны, чем одинарная сильная связь.

Несколько экспериментальных исследований подтвердили часть теоретической работы Френкеля. Альбертацци и др. (18) показали суперселективность при самоорганизации супрамолекулярного полимера путем введения многовалентного связующего. Дубачева и др. (19) продемонстрировали суперселективное связывание для модельной системы связывания полимеров поливалентной гиалуроновой кислоты с функционализированной поверхностью.В этих экспериментах была доказана равновесная концепция суперселективности для связывания многовалентных полимеров. Однако в этих работах не изучались какие-либо кинетические аспекты, то есть как поливалентные системы изменяют свою кинетическую вероятность связывания в зависимости от числа рецепторов, а также не изучались свойства селективности биофункциональных коллоидных частиц.

Здесь мы изучаем, как скорость межчастичной кинетики зависит от количества взаимодействующих рецепторов, имитируя взаимодействия частица-клетка (рис.1 В ). Коллоидные частицы суспендированы в растворе, где половина частиц покрыта лигандами с поверхностной плотностью σL, называемыми частицами лиганда (L), а другая половина частиц покрыта рецепторами с поверхностной плотностью σR, называемыми рецепторами. частицы (R). Мы используем модельную систему ДНК, в которой ДНК лиганда и ДНК рецептора состоят из одноцепочечных выступов, экспонированных из двухцепочечных фрагментов ДНК длиной 20 пар оснований. Когда две частицы (R = 250 нм) находятся в непосредственной близости, могут образовываться множественные связи лиганд-рецептор, в зависимости от плотности связующего.Изменяя длину одноцепочечных выступов, то есть изменяя количество комплементарных оснований, можно регулировать силу индивидуальных связей лиганд-рецептор.

Чтобы количественно оценить связывание между лигандом и рецепторными частицами, мы измеряем скорость агрегации между частицами kagg, используя ранее разработанный эксперимент с оптомагнитным кластером (OMC) (20). Параметр kagg представляет скорость, с которой происходит биохимическая агрегация между частицами, для частиц, которые находятся в четко определенном состоянии близости.Вкратце, дисперсия суперпарамагнитных частиц подвергается воздействию внешнего магнитного поля. Магнитная сила притяжения между частицами приводит частицы в четко определенное проксимальное состояние, в котором могут образовываться межчастичные связи лиганд-рецептор. После фиксированного времени взаимодействия внешнее поле отключается. В этот момент несвязанные димеры частиц распадаются, и димеры, связанные по крайней мере одной связью лиганд-рецептор, остаются. Количество биохимически связанных димеров регистрируется как функция времени, что позволяет количественно оценить среднюю скорость агрегации между частицами kagg.Полное описание эксперимента OMC дано в SI Приложение , раздел S1.

В этой статье мы экспериментально изучаем, как кинетика связывания частицы с частицами зависит от плотности лигандов, плотности рецепторов и силы их взаимодействия. Параметр селективности количественно оценивается для длины комплементарной ДНК в диапазоне от 15 пар оснований до всего лишь 5 пар оснований, то есть от сильных до очень слабых взаимодействий. Кроме того, представлена ​​имитационная модель, которая поясняет, что повышенная селективность может быть получена только путем увеличения скорости диссоциации пар лиганд-рецептор.Статья завершается обсуждением того, как полученные результаты могут быть интерпретированы для приложений в адресной доставке лекарств.

Материалы и методы

Материалы.

Суперпарамагнитные гранулы Ademtech Masterbeads, покрытые стрептавидином, были приобретены у Ademtech (диаметр 528 нм, коэффициент вариации 25%). Биотинилированные цепи ДНК были приобретены у IDT (полный список использованных последовательностей ДНК см. SI, приложение , раздел S2). Таблетки с фосфатно-солевым буфером (PBS), бычьим сывороточным альбумином (BSA, чистота> 98%), пробирки с биотином-Atto655 и Protein LoBind Eppendorf были получены от Sigma-Aldrich.Кюветы из боросиликатного стекла 3.3 с внутренними размерами 1,00 ± 0,05 мм × 1,00 ± 0,05 мм, внешними размерами 1,23 ± 0,05 мм × 1,23 ± 0,05 мм и длиной 20 ± 1 мм были получены от Hilgenberg GmbH.

Функционализация частиц.

Частицы функционализировали аналогично тому, как это было представлено в предыдущей работе (21). Вкратце, покрытые стрептавидином Masterbeads Ademtech были функционализированы биотинилированным лигандом или цепями ДНК рецептора и цепями ДНК наполнителя путем последовательных стадий инкубации.Сначала 15 мкл исходного раствора частиц (10 мг / мл) смешивали с 285 мкл раствора лигандной ДНК или рецепторной ДНК в PBS и инкубировали в течение 60 мин в шейкере инкубатора (1200 об / мин, комнатная температура). Затем добавляли 2 мкл большого избытка ДНК-наполнителя для насыщения оставшихся стрептавидиновых групп ДНК и инкубировали в течение 60 мин в шейкере инкубатора (1200 об / мин, комнатная температура). Количество функционального лиганда ДНК или цепей ДНК рецептора на частице варьировалось на протяжении экспериментов.После второй стадии инкубации раствор частиц был промыт магнитом для удаления несвязанных цепей ДНК. Частицы повторно диспергировали в растворе BSA с концентрацией 10 мг / мл в PBS для подавления неспецифической агрегации частиц. Затем раствор частиц инкубировали в звуковой бане в течение 10 мин и раствор обрабатывали ультразвуком (10 × 0,5 с) для уменьшения количества фоновых кластеров в растворе.

Анализ супернатанта для количественной оценки покрытия стыковочной цепи ДНК.

Для количественного определения количества нитей ДНК на покрытых стрептавидином шариках Ademtech Masterbeads был проведен непрямой флуоресцентный анализ супернатанта, аналогичный тому, что использовался в нашей предыдущей работе (21).Во-первых, биотиновая способность частиц была определена количественно путем связывания возрастающих количеств биотина-atto655 (b-atto655) на частицах в течение 60 мин в шейкере инкубатора (1200 об / мин, комнатная температура). Самая низкая концентрация b-atto655, при которой еще остается b-atto655 в супернатанте после инкубации, была определена количественно с использованием Thermo Fischer Fluoroskan Ascent FL (λex = 646 нм, λem = 679 нм, спектральная ширина 5 нм) ( SI Приложение , рис. S3 A ). Емкость b-atto655 на частицу была равна Н _{b-atto 655} = (7.3 ± 0,6) ⋅ 10 ⁴ .

Затем к частицам добавляли возрастающие количества биотинилированной ДНК лиганда или рецептора и инкубировали в течение 60 мин в шейкере инкубатора (1200 об / мин, комнатная температура). После этого этапа инкубации раствор частиц был промыт магнитом для удаления несвязанных цепей ДНК. Затем добавляли b-atto655 в концентрации, которая немного превышала емкость частиц b-atto655, после чего следовала стадия инкубации в течение 60 минут в шейкере инкубатора (1200 об / мин, комнатная температура).Частицы, которые не были полностью покрыты цепями ДНК, связывают часть b-atto655 в растворе, в то время как полностью покрытые частицы больше не связывают какой-либо b-atto655. После инкубации растворы частиц промывали магнитом и измеряли флуоресценцию супернатанта. Количество b-atto655 в супернатанте для определенной концентрации ДНК, Is.n. ([ДНК]), связано с количеством ДНК на частице, NDNA, согласно уравнению. 1 : NDNA = I0-Is.n. ([ДНК]) I0-Is.n. ([DNA] = 0) ⋅Nb-atto655.[1]

Здесь I0 — интенсивность флуоресценции раствора b-atto655, добавляемого на втором этапе инкубации, а Is.n. ([DNA] = 0) — интенсивность флуоресценции супернатанта при добавлении нефункционализированного стрептавидина Ademtech Masterbeads. Для получения дополнительных сведений об анализе супернатанта см. SI Приложение , раздел S3.

Скорость агрегации как функция рецептора и плотности лиганда

Мы исследуем, как связывание между коллоидными частицами зависит от плотности лиганда и рецептора, используя модельную систему ДНК на рис.1 В . Покрытые стрептавидином гранулы Ademtech Masterbeads были функционализированы с помощью трех различных биотинилированных конструкций ДНК: ДНК лиганда, ДНК рецептора и ДНК наполнителя. Нити лигандной ДНК состоят из двухцепочечного спейсера ДНК длиной 20 п.н. с одноцепочечным выступом длиной 15 нуклеотидов. Нити рецепторной ДНК также состоят из двухцепочечного спейсера длиной 20 п.н., но они имеют одноцепочечный выступ, который варьируется от 5 до 15 нуклеотидов. Наполнитель ДНК состоит только из двухцепочечного спейсера длиной 20 пар оснований и используется для насыщения частицы ДНК, так что поверхностный заряд частицы остается постоянным на протяжении всего эксперимента.

Покрытые стрептавидином частицы последовательно инкубировали в течение 1 ч, сначала с определенной концентрацией лиганда или рецепторной ДНК для получения определенного покрытия лиганда или рецептора, а затем с избытком ДНК-наполнителя для насыщения поверхности частицы (полное описание процесса функционализации приведено в Материалы и методы ). Чтобы количественно определить количество функциональных цепей ДНК, которые связываются с частицами во время 1-часовой инкубации, был проведен анализ супернатанта (анализ супернатанта подробно описан в SI Приложение , раздел S3). SI Приложение , рис. S3 B показывает зависимость поверхностной плотности связанной ДНК как функцию от инкубированной поверхностной плотности ДНК, рассчитанную путем деления концентрации ДНК на концентрацию частиц. Измеренная кривая следует линейной зависимости до тех пор, пока не будет достигнуто плато. Поверхностная плотность ДНК этого плато представляет собой емкость ДНК частицы: σDNA, max = (2,2 ± 0,5) 104 мкм − 2. Полученное соотношение между покрытием инкубированной ДНК и покрытием связанной ДНК используется в оставшейся части этой статьи, так что плотность лиганда σL или плотность рецептора σR всегда представляют собой связанные поверхностные плотности.

Для количественной оценки связывания между частицами лиганда и частицами рецептора их смешивали в соотношении 1: 1 и измеряли скорость агрегации с использованием эксперимента OMC (20). Фиг. 2 A показывает измеренную скорость агрегации как функцию плотности рецепторов для системы из 15 дополнительных пар оснований. Точка данных при нулевой плотности рецептора количественно определяет неспецифическое взаимодействие между частицами, покрытыми ДНК: kagg, ns = (5 ± 2) 10-3 с-1. При низких плотностях рецепторов (σR≈101 мкм − 2) в агрегации преобладают неспецифические взаимодействия между частицами.Для плотностей лигандов σL> 103 мкм − 2 и плотностей рецепторов σR ≈102 мкм − 2 измеренная скорость агрегации значительно превышает скорость неспецифической агрегации и увеличивается почти линейно с увеличением плотности рецептора.

Рис. 2.

Скорость агрегации как функция плотности рецептора ( σ _R ), плотности лиганда ( σ _L ) и сродства лиганд-рецептор (п.о.): ( A ) 15 пар оснований, ( B ) 12 оснований, ( C ) 9 оснований, ( D ) 8 оснований, ( E ) 7 оснований и ( F ) 5 оснований комплементарен лиганду и рецептору.

Для плотностей рецепторов σR> 103 мкм − 2 плато достигается при скорости агрегации немного выше kagg = 0,05 с − 1. Это самая высокая скорость агрегации, наблюдаемая для данной системы в эксперименте OMC. Половина магнитных димеров, которые образуются во время срабатывания, состоят из лигандной частицы и рецепторной частицы, что делает возможной специфическую гибридизацию ДНК. Другая половина магнитных димеров состоит либо из двух лигандных частиц, либо из двух рецепторных частиц, не допускающих специфического связывания. SI Приложение , рис. S4 показывает, что скорость неспецифической агрегации низкая и не зависит от плотности рецепторов или от длины одноцепочечного выступа.

Рис. 2 B и C показывают аналогичные кривые для системы ДНК с комплементарностью 12 и 9 пар оснований соответственно. Измеренные кривые для всех плотностей лигандов напоминают кривые системы 15 п.н. Это можно понять из сходных скоростей ассоциации и медленной диссоциации относительно экспериментального времени.В эксперименте OMC димеры частиц формируются магнитным путем, и частицы удерживаются в непосредственной близости в течение приложенного времени взаимодействия. Из литературы известно, что скорость ассоциации kon коротких цепей ДНК в растворе очень слабо зависит от числа комплементарных оснований (22⇓ – 24). Таким образом, в эксперименте ожидается, что примерно такое же количество связей лиганд-рецептор будет образовано для систем из 15, 12 и 9 п.н. Затем поле выключают на время ожидания twait = 40 с, позволяя частицам повторно диспергироваться в растворе.После фазы ожидания измеряется количество связанных димеров частиц и рассчитывается скорость агрегации. Диссоциация димера во время фазы ожидания приводит к более низкой скорости агрегации. Однако во всех случаях (комплементарность 15, 12 или 9 пар оснований) время диссоциации одной молекулы (25–27) значительно превышает время ожидания 40 с, поэтому диссоциация димера в OMC не ожидается. эксперимент. Таким образом, мы объясняем сходство кривых на рис. 2 B и C для 15-, 12- и 9-нуклеотидной ДНК с их сходными скоростями ассоциации и медленной диссоциацией по отношению к экспериментальному времени.

Результаты сильно различаются для систем с 8, 7 и 5 п.н. Фиг.2 D — F показывают скорость агрегации как функцию поверхностной плотности рецептора. Кривые резко зависят от плотности рецептора, что означает более высокий параметр селективности, чем для взаимодействий с высоким сродством (15/12/9 п.н.). Начало плотности рецепторов, то есть порог, при котором происходит агрегация, увеличивается с уменьшением плотности лиганда и с уменьшением количества комплементарных оснований.Это качественно согласуется с теоретическими предсказаниями Ванга и Дормидонтовой (17). Обратите внимание, что агрегация частиц наблюдается даже для взаимодействия 5 пар оснований, для которого время диссоциации одной молекулы (27) составляет около 1 с, что намного короче, чем время ожидания 40 с в эксперименте OMC. Тем не менее, агрегация частиц четко наблюдается при высоких плотностях рецепторов, что, следовательно, должно быть связано с наличием многовалентных связей между частицами в димере.

Повышенная селективность для слабых поливалентных взаимодействий

Для количественной оценки и сравнения селективности связывания лиганд-рецептор для различной длины ДНК кривые скорости агрегации для плотности лиганда σL = (2.2 ± 0,5) 104 мкм − 2 для всех длин ДНК подобраны и нанесены на один график (рис. 3 A ). Измеренные кривые аппроксимируются с помощью сигмовидной кривой. Подробную информацию о фитинге можно найти в приложении SI , раздел S5.

Рис. 3.

Повышенная селективность для слабых поливалентных взаимодействий. ( A ) Измеренные скорости агрегации как функция плотности рецептора для постоянной плотности лиганда σ _L = (2,2 ± 0,5) 10 ⁴ мкм ^-2 для всех сил взаимодействия.Слева от пунктирной линии в зоне взаимодействия в среднем присутствует менее одного рецептора; справа от пунктирной линии в среднем присутствует более одного рецептора. Данные с 15, 12 и 9 п.н. подбираются с помощью экспоненциальной функции, а данные с 8, 7 и 5 п.о. подбираются с помощью сигмоидальной функции. Подробную информацию о фитинге можно найти в приложении SI , раздел S4. ( B ) Расчетный параметр селективности с использованием уравнения. 2 , с параметрами подгонки, полученными из А.Слабые взаимодействия лиганд-рецептор (5/7/8 п.н.) обеспечивают повышенную селективность по сравнению с сильными взаимодействиями лиганд-рецептор (9/12/15 п.н.).

На рис. 3 A серая пунктирная линия указывает плотность рецептора, выше которой возможно образование множественных связей. Оценка основана на радиусе частицы, длине связи лиганд-рецептор и расстоянии между частицами (для полного расчета см. SI Приложение , раздел S6). При плотностях рецепторов слева от пунктирной линии в зоне взаимодействия присутствует в среднем не более одного рецептора, который представляет собой область на рецепторной частице, которая находится на расстоянии от частицы лиганда не более длины связи (Lbond ~ 20 нм).Для длин ДНК, для которых одинарная связь стабильна во временных масштабах времени ожидания — 15, 12 и 9 п.н. — существует значительная специфическая агрегация при плотностях рецепторов в моновалентном режиме. Для более слабого взаимодействия — 8, 7 и 5 пар оснований — необходимы более высокие плотности рецепторов, чтобы обеспечить агрегацию частиц за счет поливалентного связывания.

Параметр селективности α определяется Martinez-Veracoechea и Frenkel (11) как относительное изменение количества связанных частиц Nbound, образующихся в равновесии, как функция числа рецепторов на клетке nR: α = d⁡ln ⁡Nboundd⁡ln⁡nR.В эксперименте OMC мы измерили скорость связывания между частицами kagg, которая представляет количество связанных димеров, деленное на среднее время взаимодействия, как функцию плотности рецепторов σR, которая представляет собой количество рецепторов, деленное на площадь частицы. Поскольку α описывает относительное изменение числа связанных частиц с числом рецепторов, мы можем умножить Nbound и nR на любую ненулевую константу, не изменяя α. Таким образом, мы можем заменить Nbound и nR на kagg 〈tint〉 и σRAparticle соответственно, чтобы получить следующее выражение: α = d⁡ln⁡Nboundd⁡ln⁡nR = d⁡ln (kagg⋅ 〈tint〉) d⁡ln ( σR⋅Aчастица).[2] С помощью этого уравнения и подобранных кривых на рис. 3 A рассчитывается параметр селективности как функция плотности рецептора (рис. 3 B ). Заштрихованные полосы вокруг сплошных кривых получены из ошибок аппроксимации и представляют интервал неопределенности параметра селективности. Измеренные кривые агрегации имеют S-образную форму. При низких скоростях агрегации (в диапазоне kagg <0,01 с-1) в процессе агрегации преобладают неспецифические взаимодействия между частицами; здесь скорость не зависит от плотности рецепторов, и экспериментально определенная селективность равна нулю.Для увеличения плотности рецепторов параметр селективности α достигает 1 на изгибе кривой и возвращается к нулю, когда скорость агрегации достигает насыщения. Измеренная селективность для взаимодействий 15, 12 и 9 пар оснований находится в диапазоне от нуля до единицы, что означает, что измеренная скорость агрегации увеличивается не более чем линейно с плотностью рецептора. Напротив, селективности для взаимодействий 8, 7 и 5 пар оснований достигают почти значения 2, что означает, что измеренная скорость агрегации возрастает вплоть до квадратичной зависимости с плотностью рецептора.Это доказывает, что многовалентные слабые взаимодействия приводят к повышенной селективности межчастичного связывания.

Моделирование скорости агрегации

Для дальнейшего исследования экспериментально измеренной избирательности связывания было разработано кинетическое моделирование методом Монте-Карло, которое имитирует связывание частиц, индуцированное лигандом и рецептором. Цель моделирования — понять происхождение повышенной селективности для слабых поливалентных взаимодействий и оценить актуальность результатов для условий, выходящих за рамки эксперимента.

В моделировании частицы имеют либо плотность лиганда σL, либо плотность рецептора σR. Во время такта срабатывания магнитного поля димеры частиц образуются с постоянной скоростью kdimmag. Здесь не учитываются истощение мономера и образование более крупных кластеров (см. Приложение SI, раздел S5 ссылки 20). Внутри магнитных димеров нетривиально моделировать расстояние от поверхности до поверхности частиц, потому что расстояние между частицами является результатом суммы нескольких межчастичных сил с разными знаками и диапазонами длин, например, сила Гамакера, электростатические силы, магнитная сила, энтропийные силы, такие как гидрофобный эффект и стерическое отталкивание, и сила истощения; кроме того, может иметь значение шероховатость поверхности (28).Чтобы сделать возможным расчет, исходя из основных уравнений силы, необходимо знать основные параметры частицы с высокой точностью, что не относится к частицам, используемым в этом исследовании. Поэтому необходим подход с ограниченным числом параметров, чтобы можно было провести сравнение с экспериментальными результатами.

Из экспериментов мы знаем, что плотность ДНК на каждой частице одинакова, потому что ДНК лиганда и рецептора были дополнены ДНК наполнителя. Это означает, что заряд и стерически индуцированное межчастичное отталкивание могут быть аппроксимированы постоянными в экспериментах.Кроме того, магнитная сила может считаться постоянной, поскольку магнитное поле срабатывания было постоянным. Образование одномолекулярных связей может добавлять как притягивающие, так и отталкивающие вклады в межчастичный потенциал, например, из-за конечной длины связи (20 нм) и механической жесткости гибридизированной конструкции. Однако каждая гибридизированная конструкция имеет четыре точки шарнира, а именно два шарнира в точках прикрепления к частицам и два шарнира в начальных основаниях одноцепочечных выступов, что делает связи между частицами довольно гибкими.Кроме того, количество связей намного меньше, чем общее количество молекул ДНК в области межчастичного взаимодействия (по оценкам, около 1000, включая молекулы-наполнители ДНК), что ограничивает влияние конструкций на общий межчастичный потенциал. Таким образом, расстояние между частицами априори неизвестно, но мы предполагаем, что частицы имеют минимум своего потенциала взаимодействия на эффективном расстоянии между частицами Δ x , которое остается постоянным в течение времени срабатывания.Расстояние между частицами — это параметр, который определяет геометрическое перекрытие между молекулами лиганда и рецептора, поэтому интересно смоделировать, как скорость агрегации частиц будет масштабироваться с различными значениями расстояния между частицами.

Мы моделируем частицы как сферы с радиусом R , из которых выступают молекулы лигандной или рецепторной ДНК. Вероятность того, что димер состоит из рецепторной частицы и лигандной частицы, составляет 50%. Каждый димер имеет индивидуальный оттенок времени взаимодействия, равный времени между моментом образования димера и окончанием времени срабатывания.В течение этого времени взаимодействия частицы в димере могут образовывать одну или несколько связей лиганд-рецептор, в зависимости от числа геометрически перекрывающихся молекул лиганда и рецептора и их эффективных скоростей ассоциации и диссоциации.

Собственная скорость связывания kLR [мкм2 с-1] определяется как скорость, с которой лиганд-рецепторные связи образуются между частицей с единичной плотностью лиганда σL и частицей с единичной плотностью рецептора σR. Поскольку поверхности частиц изогнуты и взаимодействие лиганд-рецептор зависит от расстояния, kLR представляет собой среднюю скорость связывания по всем возможным расстояниям лиганд-рецептор.Максимальное расстояние, на котором может быть образована связь, — это длина связи лиганд-рецептор. Плотность связи лиганд-рецептор σLR может быть рассчитана численно в соответствии с формулой. 3 : dσLRdt = kLRσLσR-koffσLR. [3] Здесь koff [с-1] — скорость, с которой диссоциируют связи лиганд-рецептор. Чтобы рассчитать общее количество межчастичных связей, которые образуются во время взаимодействия, сначала численно рассчитывается плотность связи, а затем общее количество связей определяется с помощью уравнения. 4 : NLR = σLRAint. [4] Здесь Aint — это площадь взаимодействия на частицах, которая определяется как площадь на частицах, где расстояние между двумя частицами меньше, чем длина гибридизированной конструкции ДНК Lbond≈20 нм, так что могут образовываться связи ДНК – ДНК. Размер области взаимодействия зависит от расстояния между частицами Δx, потому что большее расстояние между частицами уменьшает область, в которой молекулы лиганда и рецептора перекрываются; более подробную информацию можно найти в приложении SI , рис.S6.

Если за время взаимодействия образовалась хотя бы одна связь лиганд-рецептор, димер называется агрегированным. Впоследствии, в течение времени ожидания twait, уже сформированные связи лиганд-рецептор могут диссоциировать, но одновременно могут образовываться новые связи, поскольку частицы все еще удерживаются в непосредственной близости уже сформированными связями. Однако, когда все связи лиганд-рецептор в какой-то момент времени диссоциируют, димер больше не агрегируется и не может образовываться снова, поскольку оба критерия удержания частиц (за счет магнитного притяжения или за счет молекулярных связей) исчезают.По истечении времени ожидания остаются только димеры с сильными межчастичными связями, то есть димеры с эффективными временами диссоциации, превышающими время ожидания. Таким образом, параметр селективности является репрезентативным для этих прочных связей. Конечное количество связей лиганд-рецептор внутри димера рассчитывается по формулам. 3 и 4 . В конечном итоге определенная часть димеров агрегируется одной или несколькими связями лиганд-рецептор. Также принимаются во внимание неспецифические взаимодействия, включая скорость неспецифического взаимодействия kns [с-1].Из общей доли агрегированных димеров, скорость агрегации kagg рассчитывается в соответствии с SI Приложение , уравнение. С1 . Полный просмотр параметров моделирования приведен в приложении SI , раздел S7. Смоделированные кривые воспроизводят S-образную форму, как видно из измерений; скорость агрегации увеличивается, а кривые смещаются в сторону более низкой концентрации рецептора в случае уменьшения расстояния между частицами, увеличения собственной скорости связывания, увеличения плотности лиганда и уменьшения скорости диссоциации.

Рис. 4 связывает результаты моделирования с экспериментально измеренными скоростями агрегации. Экспериментальные результаты для взаимодействий с высоким сродством (15/12/9 п.н.) очень похожи, и поэтому эти данные усреднены и представлены оранжевыми точками данных на рис. 4 A . Как упоминалось выше, диссоциацией молекул можно пренебречь из-за такого высокого сродства, поэтому скорость диссоциации может быть установлена ​​равной нулю, а неизвестными параметрами моделирования являются Δx и kLR. Остальные параметры моделирования остаются постоянными ( SI Приложение , Таблица S8).Рис. 4 B, и SI Приложение , рис. S8 показывают, что существует несколько комбинаций Δx и kLR, для которых смоделированная скорость агрегации совпадает с измеренной скоростью агрегации. Небольшие расстояния между частицами (Δx≤8 нм) и высокие скорости связывания лиганд-рецептор (kLR≥10-5 мкм2⋅с-1) необходимы для согласования моделирования с экспериментом. Уменьшение расстояния между частицами ниже 8 нм (для высокого kLR) или увеличение скорости связывания лиганд-рецептор выше 10-5 мкм2 · с-1 (для низкого Δx) не изменяет моделируемую кривую.В этих диапазонах параметров одного лиганда и одного рецептора в области взаимодействия достаточно для образования связи за заданное время срабатывания, поэтому скорость связывания определяется исключительно плотностью молекул. По той же причине форма оранжевой кривой на рис. 4 A определяется исключительно вероятностью присутствия хотя бы одной рецепторной молекулы в области межчастичного взаимодействия.

Рис. 4.

Результаты моделирования в сравнении с экспериментальными данными. ( A ) Точки экспериментальных данных, сопровождаемые смоделированными кривыми скорости агрегации для расстояния между частицами Δ x = 4 нм и скорости связывания лиганд-рецептор k _LR = 10 ⁻⁴ мкм ² с ⁻¹ .Экспериментальные данные для 15-, 12- и 9-нуклеотидной ДНК усредняются, поскольку эти данные очень похожи. Смоделированные кривые скорости агрегации для других комбинаций Δ x и k _LR показаны в приложении SI , рис. S8. ( B ) Тепловая карта, показывающая возможные комбинации Δ x и k _LR , для которых моделирование воспроизводит экспериментальные данные. Малое межчастичное расстояние и высокая скорость связывания рецептора лиганда приводят к совпадению между моделированием и экспериментом.Красная точка показывает конкретную комбинацию Δ x и k _LR для имитационных кривых в A.

Далее экспериментальные данные для взаимодействия ДНК с 8, 7 и 5 п.н. воспроизведен с помощью моделирования. Для каждой подходящей комбинации Δx и kLR моделирование выполняется с изменяющейся ненулевой скоростью диссоциации. Рис. 4 A показывает смоделированные кривые скорости агрегации для Δx = 4 нм и kLR = 10-4 мкм2 · с-1 (красная точка на рис. 4 B ), сопровождаемые экспериментальными данными.Моделирование может воспроизводить измеренные данные для каждой длины ДНК. Это указывает на то, что повышенная селективность связывания при слабом сродстве может быть получена путем изменения только скорости диссоциации взаимодействия лиганд-рецептор.

Таблица 1 дает обзор смоделированных скоростей диссоциации, которые приводят к совпадению между моделированием и экспериментом, для всех подходящих комбинаций Δx и kLR. Баланс между Δx и kLR определяет процесс ассоциации частиц. Увеличение расстояния между частицами Δx приводит к меньшему количеству взаимодействующих лигандов и рецепторов, но может быть компенсировано более высокой скоростью связывания лиганд-рецептор kLR.Диссоциация димеров частиц представляет собой баланс между, с одной стороны, количеством лигандов и рецепторов и их скоростью связывания (определяемой Δx и kLR), а с другой стороны, скоростью диссоциации отдельных связей лиганд-рецептор koff. Для определенного Δx возможны несколько значений kLR, которые варьируются в пределах порядков. Оказывается, что для 10-кратной скорости связывания соответствующая скорость диссоциации, которая следует из моделирования, также в 10 раз выше.

Таблица 1.

Обзор результатов моделирования

Эффективная константа сродства равновесия K∼a (единицы квадратных микрометров) может быть рассчитана по формуле. 5 для каждого моделирования в Таблице 1: K∼a = kLRkoff. [5] Рассчитанная эффективная константа сродства K∼a описывает баланс между ассоциацией и диссоциацией межчастичных связей. Данные таблицы 1 показывают, что K∼a практически не зависит от подгоночных параметров kLR и Δx. Основная причина заключается в том, что константа сродства связана с положением наклона S-образной кривой, то есть значением оси x точки перегиба кривой. Масштабирование констант сродства является ожидаемым: для более коротких длин ДНК полученная константа сродства уменьшается, что соответствует сдвигу кривой агрегации в сторону более высоких плотностей рецепторов.

Полученные эффективные константы сродства K∼a определены в терминах поверхностей, но могут быть преобразованы в константы объемного сродства Ka и затем сравнены с константами объемного сродства, рассчитанными для последовательностей ДНК в растворе (подробности см. В приложении SI , раздел S9) .

SI Приложение , таблица S9 показывает, что Ka, полученная из K∼a, слабее, чем константа объемного сродства, рассчитанная на основе последовательности ДНК. Например, для ДНК длиной 7 п.н. экспериментально полученное значение Ka = 4⋅101 M − 1 значительно ниже, чем рассчитанная константа сродства Ka = 8⋅107 M − 1.Можно выделить несколько факторов, которые могут быть ответственны за это более низкое сродство. Наиболее вероятная причина заключается в том, что пониженная молекулярная подвижность и доступность на поверхности дает гораздо меньшую разницу свободной энергии для гибридизации на поверхности, чем для гибридизации в растворе, как теоретически рассматривали Varilly et al. (29). Кроме того, гибридизации на поверхности может препятствовать отрицательный электростатический заряд, вызванный высокой плотностью молекул ДНК на частицах.

Параметр селективности можно извлечь из результатов моделирования (таблица 1). Значения селективности увеличиваются с уменьшением длины ДНК. Это согласуется с экспериментальным наблюдением, согласно которому селективность увеличивается с уменьшением сродства лиганд-рецептор. Параметры селективности напоминают измеренные значения, показанные на фиг. 3 B для всех длин ДНК, за исключением ДНК длиной 5 пар оснований. Однако расхождение для ДНК длиной 5 п.н., вероятно, связано с ограниченными точками данных на переднем крае экспериментальной кривой.

В этой статье мы измерили скорость агрегации покрытых ДНК частиц, чтобы имитировать связывание клеток с частицами. В эксперименте OMC частицы квазинепрерывно удерживаются в непосредственной близости (〈tint〉 = 10 с). Время взаимодействия достаточно велико для образования нескольких слабых связей лиганд-рецептор, которые вместе образуют стабильную связь между частицами. Однако, когда идентичные частицы свободно диспергировались в растворе, время сближения было бы намного короче. Если время близости короче, чем типичное время для образования единственной связи лиганд-рецептор, агрегация частиц очень маловероятна.

Мы вычисляем время взаимодействия для частиц, находящихся в свободном состоянии в растворе, используя коэффициент диффузии частиц. Для частиц с радиусом R = 0,25 мкм в водном растворе с вязкостью η = 1 мПа⋅с типичное время, в течение которого частица диффундирует на расстояние, равное длине связи лиганд-рецептор Lbond = 0,02 мкм, рассчитывается по формуле. 6 : τprox = πηRLbond2kBT. [6] Это дает время приближения τprox = 0,1 мс. В эксперименте OMC такое короткое время срабатывания невозможно применить, но мы можем рассчитать количество связей лиганд-рецептор, которые будут образованы в течение этого времени близости, используя уравнения. 3 и 4 . Для самых высоких плотностей лигандов и рецепторов, которые были экспериментально оценены в этом исследовании, σL = σR = 2,2⋅104 мкм − 2, а типичная скорость ассоциации лиганд-рецептор в растворе составляет 105 М − 1 с − 1, что соответствует kLR = 10. −2 мкм2⋅с − 1, в сочетании со скоростью диссоциации koff = 103 с − 1, мы получаем в среднем пять связей на димер. Это означает, что во время столкновения отдельных частиц с частицами в принципе между частицами будет образовываться стабильная многовалентная связь, даже для связующих с низким сродством.Эти расчеты показывают, что сверхселективное связывание частиц также можно измерить для частиц, свободных в растворе, без применения каких-либо магнитных сил. Однако анализы без магнитной силы потребуют гораздо большего времени инкубации, чем анализы с магнитной силой (20).

Заключение

В этой статье изучалась селективность поливалентного связывания между покрытыми ДНК коллоидными частицами, количественно определяемая скоростью агрегации, наблюдаемой в эксперименте OMC. Скорость агрегации измеряли для широкого диапазона плотностей рецепторов и лигандов, показывая, как увеличение плотности приводит к увеличению скорости агрегации.Параметр селективности определяется как относительное увеличение количества димеров частиц в зависимости от плотности рецепторов на частицах, где процесс селективного связывания характеризуется параметром селективности, превышающим 1. Для рецепторов ДНК с различным количеством комплементарных оснований, от 15 до 5 пн были получены следующие параметры селективности: α15bp = 0,9 ± 01, α12bp = 0,7 ± 0,1, α9bp = 1,0 ± 0,2, α8bp = 1,7 ± 0,3, α7bp = 1,9 ± 0,5, α5bp = 1,8 ± 0,5. Эти результаты доказывают, что более слабое сродство лиганд-рецептор приводит к более высоким параметрам селективности.Этот экспериментальный набор данных демонстрирует масштабное поведение между молекулярным сродством и плотностной селективностью специфического связывания между коллоидными частицами.

Кинетическое моделирование методом Монте-Карло было разработано на основе геометрического перекрытия между молекулами лиганда и рецептора на частицах, с расстоянием между частицами и внутренними скоростями связывания и развязывания в качестве параметров. Смоделированные кривые воспроизводят формы экспериментально измеренных кривых, и эффективные константы сродства к равновесному связыванию могут быть извлечены для различных длин гибридизации.Моделирование показывает, что повышенная селективность для более слабого сродства лиганд-рецептор может быть объяснена только увеличением скорости диссоциации лиганда и рецептора. Результаты моделирования показывают важность времени близости частиц для возможности образования многовалентных связей. Результаты описанных экспериментов и модели доказывают наличие сверхселективности в скорости кинетического связывания многовалентных взаимодействий частица-частица. Эта работа выходит за рамки исследований равновесия, поскольку позволяет получить представление о кинетических свойствах, которые имеют отношение к разработке систем доставки лекарств с точки зрения размера частиц, плотности лиганда и сродства лиганд-рецептор.

Доступность данных.

Все данные исследования включены в документ и приложение SI .

Благодарности

Авторы благодарят программу Peri-Operative IMPULS за финансовую поддержку.

Сноски

• Вклад авторов: M.R.W.S., L.J.v.IJ. и M.W.J.P. спланированное исследование; M.R.W.S. проведенное исследование; M.R.W.S. проанализированные данные; и M.R.W.S., L.J.v.IJ. и M.W.J.P. написал газету.

• Авторы заявляют об отсутствии конкурирующей заинтересованности.

• Эта статья представляет собой прямое представление PNAS.

• См. В Интернете сопутствующее содержание, например комментарии.

• Эта статья содержит вспомогательную информацию в Интернете по адресу https://www.