In der vorliegenden Arbeit sollte die Eignung von T. pyriformis GL für den Nachweis von Botulinumneurotoxinen als biologische Alternative zum Maus-Bioassay untersucht werden. Dazu wurden funktionelle Tests für die Quantifizierung der mutmaßlich SNARE-abhängigen Prozesse Phagozytose und Exozytose entwickelt. Die Botulinumneurotoxine wurden durch Kultivierung der C. botulinum-Toxovare A bis G in einem Caseinpepton-Glukose-Hefeextrakt-Medium mit und ohne Zusatz von Trypsin herge-stellt. Die Neurotoxinkonzentrationen wurden mit Hilfe des Maus-Bioassays bestimmt. Für den Phagozytosetest wurde E. coli K12 als Beutekeim gewählt. Es konnte gezeigt werden, dass die KbE/ml von E. coli K12 allein durch die Phagozytoseaktivität von T. pyriformis reduziert wurde. Für den Exozytosetest wurde die saure Phosphatase als Leitenzym gewählt. Die neurotoxinhaltigen Kulturüberstände wurden mit Neurotoxinendkonzentrationen von 1,50E+02 MLD/ml (Maus letale Dosis/ml) bei den trypsinisierten und nicht trypsinisierten Ansätzen der Toxovare A bis D, F und G bzw. von 1,50E+00 MLD/ml bei dem trypsinisierten Ansatz des Toxovars E in den entwickelten Tests eingesetzt und auf ihren Einfluss untersucht. Die eingesetzten Neurotoxinkonzentrationen erwiesen sich als nicht ausreichend. Zudem wurde eine erhebliche Anfälligkeit der Phagozytose- und Exozytoseleistung von T. pyriformis gegen die Proteinkonzentrationen der eingesetzten Kulturüberstände nachgewiesen. Aufgrund dessen ist die Eignung von T. pyriformis im Rahmen der entwickelten Tests für den Nachweis von Botulinumneurotoxinen aus Proben wie biologischen Substraten oder mit ähnlichen, komplexen Matrizes nicht gegeben.

no / Predictive toxicology is concerned with the development of models that are able to predict the toxicity of chemicals. A reliable prediction of toxic effects of chemicals in living systems is highly desirable in cosmetics, drug design or food protection to speed up the process of chemical compound discovery while reducing the need for lab tests. There is an extensive literature associated with the best practice of model generation and data integration but management and automated identification of relevant models from available collections of models is still an open problem. Currently, the decision on which model should be used for a new chemical compound is left to users. This paper intends to initiate the discussion on automated model identification. We present an algorithm, based on Pareto optimality, which mines model collections and identifies a model that offers a reliable prediction for a new chemical compound. The performance of this new approach is verified for two endpoints: IGC50 and LogP. The results show a great potential for automated model identification methods in predictive toxicology.

Zur Bestimmung der toxizitätsrelevanten Thiolreaktivität wurde ein Chemoassay mit dem Modellnukleophil 4-Nitrothiophenol (NBT) entwickelt. Es wurden die Reaktionsgeschwindigkeitskonstanten kNBT für insgesamt 145 Verbindungen aus verschiedenen Stoffklassen bestimmt. Ein Modell zur Berücksichtigung der Flüchtigkeit der Elektrophile bei der Berechnung von kNBT wurde entwickelt. Außerdem wurde der Einfluss des pH-Werts auf die Thiolreaktivität unter reaktionsmechanistischen Gesichtspunkten diskutiert. Die NBT-Reaktivität wurde mit der Reaktivität gegenüber anderen toxizitätsrelevanten Nukleophilen verglichen. Zur Einordnung der Thiolreaktivität in den toxikologischen Zusammenhang wurden die Korrelationen zwischen kNBT und ausgewählten toxikologischen Endpunkten betrachtet. Am Beispiel der aquatischen Toxizität im Bioassay mit Tetrahymena pyriformis konnten stoffklassenspezifische Modelle zur Beschreibung der absoluten Toxizität log EC50 und der Toxizitätserhöhung log Te mit guter bis sehr guter Vorhersagekraft abgeleitet werden.