基本理论及数据处理方法.PDFVIP

第三章第三章 基本理論及數據處理方法基本理論及數據處理方法 第三章第三章 基本理論及數據處理方法基本理論及數據處理方法 3.1 毒性物質劑量毒性物質劑量-反應模式反應模式 毒性物質劑量毒性物質劑量反應模式反應模式 生物受到毒性物質作用時 ，其所受的影響或者是死亡情況，會隨著毒 性物質的濃度成 S 型的關係曲線如圖 3.1.1 ，此曲線我們稱之劑量反應關 係，當在此曲線中 ，受測生物體受毒性物質影響，而造成百分之十的抑制 情形 ，所對應的濃度，則稱之為EC10 為了方便求得 EC10值，便藉由數學關係式將 S型轉為直線型 ，圖3.1.1 所示 ，而此種數學轉換模式便稱為劑量反應關係模式，而不同的數學轉換 的模式 ，所根據的的基礎理論是有所不同，因此同一組數據經由不同的模 式轉換過後 ，獲得的結果可能會有所差異 ；以生物試驗來說，不同的生物 種類甚至不同的觀測參數 (Endpoint)對毒性物質的容忍度不盡相同 ，若以不 適當的反應模式來計算 ，會造成實驗點與理論之間的變異過大，特別是在 結果須經外插法而求得的情況下 ，例如:低影響濃度的求得 (EC10或 NOEC) ，其波動就更加明顯了。不同的測試物種對於不同的毒性物質有不 同的斜率大小的劑量反應關係如圖 3.1.2所示 。因此，在數據的處理程序 時往往需做適當的分析 ，判斷最適合的使用模式，以減少實驗值與理論值 之見的差異 。 常見的毒性劑量反應模式有三種 ，分別為Logit 、Weibull及 Probit 三 種。表 3.1.1 針對Weibull 、Probit 與 Logit 三種模式的容忍度分布公式 。 下列為常用模式之解釋 : I. Probit ：為最常用的劑量-反應 (dose-response)模式 ，其假設生物對毒性 19 物質的容忍度分布為常態分布(Log-normal distribution) ，因此以常態分 佈函數來表示毒物對生物抑制率 P 對毒物濃度 （劑量）Z的濃度 （劑 量）反應曲線 。在Probit轉換式中 ，毒性物質之S型濃度反應曲線先 轉換成 NED （Normal Equivalent Deviation ）scale 之直線 ，其中50 ﹪ 抑制率 （P ）對應至NED scale 上時為 0 ，而84.1﹪則對應為 1 ，而NED scale的座標值加上 5即為 Probit 座標之概率單位Y值（ Y ＝NED + 5 ）， 當 Y ＝5時表示一半的測試生物受到毒性物質抑制 ，此時對應的毒物 濃度就是 EC50 。 II. Logit ：由人口成長研究所發展而出的另一種模式 ，描述毒性反應中 的某種酵素反應 ( Enzyme Reaction ），適用於自催化 ( autocatalysis ) 之 化學反應 。 III. Weibull ：為機率-反應機制基礎 （Mechanistic-Probability basis ）模式 ， 發展根據毒性物質分子與受測試生物之受體分子間化學鍵關係所推演 而來 。與logit模式相同 ，毒性物質在生物體內產生某種化學鍵結，其 對參與生化反應之反應性有機物質及重金屬具有一重要之特殊涵義 。 20 Fig 3.1.1 劑量-反應曲線 (dose-response curve) 示意圖 100 High slope Low slope 50 EC50 NOEC NOEC 0 Concentration of test chemical Fig 3.1.2 不同斜率的劑量反應關係