Toksikofor adalah zat kimia atau bagian dari suatu struktur (misalnya gugus fungsi) yang terkait dengan sifat toksik suatu zat kimia. Toksikofor dapat bekerja secara langsung (misalnya dioksin) atau memerlukan aktivasi metabolik (misalnya, nitrosamin spesifik tembakau).
Sebagian besar zat toksik mengerahkan toksisitasnya melalui beberapa interaksi (misalnya ikatan kovalen, oksidasi) dengan makromolekul seluler seperti protein atau DNA. Interaksi ini menyebabkan perubahan dalam biokimia dan fisiologi seluler normal serta efek toksik hilir. Terkadang toksikofor memerlukan bioaktivasi yang dimediasi oleh enzim, untuk menghasilkan metabolit yang lebih reaktif dan lebih toksik. Misalnya, nitrosamina spesifik tembakau diaktifkan oleh enzim sitokrom P450 untuk membentuk zat yang lebih reaktif yang dapat berikatan secara kovalen dengan DNA, menyebabkan mutasi yang jika tidak diperbaiki dapat menyebabkan kanker. Umumnya, senyawa kimia berbeda yang mengandung toksikofor yang sama menimbulkan efek toksik yang serupa pada lokasi toksisitas yang sama.[1]
Ahli kimia medisinal dan ahli biologi struktur mempelajari toksikofor untuk memprediksi (dan diharapkan dapat menghindari) senyawa yang berpotensi toksik di awal proses pengembangan obat. Toksikofor juga dapat diidentifikasi dalam senyawa timbal dan dihilangkan atau diganti nanti dalam proses tersebut dengan bagian yang kurang toksik.[2] Kedua teknik yakni in silico (prediktif) dan a posteriori (eksperimental), merupakan area aktif penelitian dan pengembangan informatika kimia, dalam bidang yang dikenal sebagai "Toksikologi Komputasional".[3] Misalnya, di Amerika Serikat, Pusat Nasional Toksikologi Komputasional EPA[4] mensponsori beberapa pangkalan data toksisitas[5][6][7][8] berdasarkan pemodelan prediktif serta metode eksperimen penyaringan throughput tinggi.
Referensi
- ↑ Williams, D.P.; Naisbitt, D.J. (2002). "Toxicophores: Groups and Metabolic Routes Associated with Increased Safety Risk". Current Opinion in Drug Discovery & Development. 5 (1). Curr. Opin. Drug. Discov. Devel.: 104–115. PMID 11865664.
- ↑ Seal, Abhik; Passi, Anurag; Jaleel, Abdul; Wild, David J (Mei 2012). "In-silico predictive mutagenicity model generation using supervised learning approaches" (PDF). Journal of Cheminformatics. 4 (1): 10. doi:10.1186/1758-2946-4-10. PMC 3542175. PMID 22587596.
{{cite journal}}: Pemeliharaan CS1: Tanggal diterjemahkan otomatis (link) - ↑ "Computational Toxicology: Superfund Research Program". National Institute of Environmental Health Sciences. 2009.
- ↑ "About the National Center for Computational Toxicology (NCCT)". Research Triangle Park, NC. 2005.
{{cite web}}: Pemeliharaan CS1: layanan pengarsipan yang sudah usang (link) - ↑ "ToxCast: Advancing the next generation of chemical safety evaluation". Diakses tanggal Maret 10, 2014.
{{cite web}}: Pemeliharaan CS1: Tanggal diterjemahkan otomatis (link) Pemeliharaan CS1: layanan pengarsipan yang sudah usang (link) - ↑ "ACToR: Aggregated Computational Toxicology Resource". Diakses tanggal Maret 10, 2014.
{{cite web}}: Pemeliharaan CS1: Tanggal diterjemahkan otomatis (link) Pemeliharaan CS1: layanan pengarsipan yang sudah usang (link) - ↑ "CompTox Chemistry Dashboard". Diakses tanggal Januari 5, 2017.
{{cite web}}: Pemeliharaan CS1: Tanggal diterjemahkan otomatis (link) Pemeliharaan CS1: layanan pengarsipan yang sudah usang (link) - ↑ "Distributed Structure-Searchable Toxicity (DSSTox) Database Network". Diakses tanggal Maret 10, 2014.
{{cite web}}: Pemeliharaan CS1: Tanggal diterjemahkan otomatis (link) Pemeliharaan CS1: layanan pengarsipan yang sudah usang (link)