Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Informe Ecotoxicologico PDF
Informe Ecotoxicologico PDF
0
RESUMEN EJECUTIVO
1
Con el objeto de aplicar la metodología para cada tipo de sustancia, se comparó la
lista preliminar del Inventario Nacional de Sustancias Químicas de México, que
consta de 4,663 sustancias, con la lista del inventario de sustancias de Canadá
(Domestic Substance List). Como resultado de esta comparación se identificaron
2,810 sustancias en común. De estas sustancias, 480 cumplieron con los criterios
de persistencia, bioacumulación y toxicidad (PBT), por lo que éstas constituyen la
primera lista de sustancias prioritarias en el país.
De estas 480:
a) 130 sustancias son orgánicas, de las cuales 69 son persistentes y tóxicas, 38
son bioacumulables y tóxicas, 23 son persistentes, bioacumulables y tóxicas y 6
se encuentran también en la lista de la PROFEPA.
b) 211 sustancias son inorgánicas, persistentes y tóxicas y 20 de ellas se
encuentran involucradas en las emergencias químicas reportadas a la PROFEPA.
c) 21 sustancias son organometálicas, de las cuales 1 es persistente,
bioacumulable y tóxica, 19 son persistentes y tóxicas, 1 es bioacumulable y tóxica,
ninguna de ellas ha sido listada por la PROFEPA.
d) 26 sustancias son sales metal orgánicas, todas ellas son persistentes y tóxicas
y 1 ha sido listada por la PROFEPA.
e) 25 sustancias son polímeros (1 es UVCB-polímero y otro está en la lista FDA),
todos son persistentes y tóxicas.
f) 39 sustancias son UVCB-orgánicas, de las cuales 9 son persistentes,
bioacumulables y tóxicas, 12 son persistentes y tóxicas, 18 son bioacumulables y
tóxicas y 7 se encuentran involucradas en las emergencias químicas reportadas a
la PROFEPA.
g) 14 son UVCB-inorgánicas persistentes y tóxicas y 1 se encuentra involucrada
en las emergencias químicas reportadas a la PROFEPA.
h) 7 son UVCB-sales metal orgánicas y persistentes y tóxicas
i) 6 UVCB-biológicas, de las cuales 1 es persistente y tóxica y 5 son
bioacumulables y tóxicas.
j) 1 UVCB-organometálica persistente y tóxica
RESUMEN EJECUTIVO 1
Contenido 3
Lista de figuras y cuadros 7
Lista de apéndices y anexos 8
Acrónimos y abreviaturas 9
I INTRODUCCIÖN 12
1.1 JUSTIFICACIÓN 12
1.2 OBJETIVO 13
1.3 ALCANCES 13
1.4 MARCO TEÓRICO 14
1.4.1 Sustancias químicas y sus propiedades fisicoquímicas y ecotoxicológicas 14
1.4.1.1 Persistencia (P) 15
1.4.1.2 Bioacumulación (B) 15
1.4.1.3 Toxicidad/ Ecotoxicidad (T) 16
1.4.2 Definición, propósito y ejemplos de categorización de sustancias químicas 20
1.4.2.1 Procedimiento de categorización para el “Desarrollo del listado de sustancias 20
sujetas a reporte de registro de emisiones y transferencias de contaminantes
(RETC) con base en datos 2004”, de México (PUMA-DGGCARETC)
1.4.2.1.1 Estrategia general 21
1.4.2.2 Procedimiento de categorización en Canadá 22
1.4.2.2.1 Categorización con base en criterios ambientales (categorización ecológica) 23
1.4.2.2.2 Categorización con base en criterios de salud humana 24
1.4.2.3 Programa de sustancias químicas con altos volúmenes de producción de la 24
Organización para la Cooperación y el Desarrollo Económico (OCDE)
II IDENTIFICACIÓN Y SELECCIÓN DE CRITERIOS PARA LA CATEGORIZACIÓN 26
ECOLÓGICA DE SUSTANCIAS QUÍMICAS
2.1 CONSULTA CON EXPERTOS 30
2.1.1 Primera consulta con expertos 30
2.1.1.1 Reporte de la primera consulta con expertos 32
2.1.2 Segunda consulta con expertos 37
2.1.2.1 Reporte de la segunda consulta con expertos 39
2.2 CRITERIOS PROPUESTOS PARA LA CATEGORIZACIÓN ECOLÓGICA DE 43
SUSTANCIAS EN COMERCIO EN EL PAÍS
2.2.1 Valores criterio de categorización para persistencia, bioacumulación y toxicidad 45
III ESTRATEGIA GENERAL PARA LA CATEGORIZACIÓN 47
3.1 RESULTADOS DE LA CATEGORIZACIÓN UTILIZANDO LAS BASES DE DATOS 47
DE CANADÁ
IV PROCEDIMIENTO PARA LA CATEGORIZACIÓN DE SUSTANCIAS QUÍMICAS 52
EN CANADÁ
4.1 INTRODUCCIÓN 52
4.2 CRITERIOS PROPUESTOS PARA LA CATEGORIZACIÓN ECOLÓGICA DE 52
SUSTANCIAS
4.3 VALORES CRITERIO DE CATEGORIZACIÓN PARA PERSISTENCIA, 53
BIOACUMULACION Y TOXICIDAD
4.4 CARACTERIZACIÓN DE LA INCERTIDUMBRE 53
4.5 SUSTANCIAS IDENTIFICADAS EN LA DSL 54
4.6 SUSTANCIAS ORGÁNICAS 55
4.6.1 Colecta y generación de datos 55
4.6.1.1 Datos experimentales 55
4.6.1.2 Datos análogos 56
4.6.1.3 Predicciones por modelos 57
4.6.1.4 Información adicional 58
4.6.2 REVISIONES CRÍTICAS 58
4.6.2.1 Validación de los datos 58
4.6.2.2 Calidad de los datos 59
4.6.2.2.1 Calidad de los datos experimentales 59
4.6.2.2.1.1 Antecedentes 59
4.6.2.2.1.2 Estrategia general para la evaluación de la calidad de los datos experimentales 59
3
4.6.2.2.2 Calidad de las predicciones por modelos 62
4.6.2.3 Peso de la evidencia 62
4.6.2.3.1 Preferencia de los datos 63
4.6.2.4 Selección de valores representativos 64
4.6.3 Persistencia 65
4.6.3.1 Determinación de la distribución ambiental 68
4.6.3.1.1 Determinación de la “presencia real 68
4.6.3.1.2 Combinación del medio específico y la vida media 69
4.6.3.2 Uso de datos experimentales y predicciones por modelos 70
4.6.3.2.1 Biodegradación 70
4.6.3.2.1.1 Datos experimentales 70
4.6.3.2.1.2 Biodegradación por modelos 71
4.6.3.2.2 Hidrólisis 72
4.6.3.2.2.1 Datos experimentales 72
4.6.3.2.2..2 Hidrólisis por modelos 73
4.6.3.2.3 Fotólisis 73
4.6.3.2.3.1 Datos experimentales 73
4.6.3.2.3.2 Fotólisis por modelos 74
4.6.3.3 Sustancias difíciles de modelar 74
4.6.3.4 Desarrollo de análisis cualitativos 74
4.6.3.5 Transporte de Largo Alcance (Long Range Transport) 75
4.6.3.6 Productos de degradación 76
4.6.4. Bioacumulación 76
4.6.4.1 Estrategia general 76
4.6.4.1.1 Preferencia de los datos de bioacumulación 78
4.6.4.1.2 Uso de especies de niveles tróficos superiores 78
4.6.4.2 Uso de datos experimentales 78
4.6.4.3 Utilización de modelos para predicciones de BCF y BAF 79
4.6.4.3.1 Modelos para predicciones de BCF 79
4.6.4.3.2 Modelos para Predicciones de BAF 80
4.6.4.3.3 Otras consideraciones 80
4.6.4.3.3.1 Ionización 80
4.6.4.3.3.2 Metabolismo 81
4.6.4.4 Análisis Cualitativo 81
4.6.5 Toxicidad 82
4.6.5.1 Datos experimentales 82
4.6.5.2 Utilización de modelos 83
4.6.5.2.1 Selección del modelo apropiado 84
4.6.5.2.2 Cálculo de ecotoxicidad de sustancias no reactivas (narcóticas) 85
4.6.5.2.3 Cálculo de ecotoxicidad de sustancias reactivas 85
4.6.5.3 Análisis cualitativo 86
4.7 SUSTANCIAS INORGÁNICAS 86
4.7.1 Estrategia para categorizar sustancias inorgánicas 87
4.7.2 Fracción de interés y procedimiento para el ión común 88
4.7.2.1 Fracción de interés 88
4.7.2.2 Procedimiento del ión común 91
4.7.2.3 Valencia 92
4.7.2.4 Productos de transformación y reacciones reversibles 92
4.7.3 Fisicoquímicos 92
4.7.3.1 Colecta de los datos fisicoquímicos 92
4.7.3.1.1 Condiciones ambientales 93
4.7.3.1.2 Colecta de parámetros 93
4.7.3.2 Solubilidad en Agua 94
4.7.3.2.1 Biodisponibilidad 94
4.7.3.2.2 Especies en solución 94
4.7.3.2.3 Valor umbral para solubilidad 95
4.7.3.2.4 Fuentes de datos para solubilidad 95
4.7.3.2.5 Métodos para estimar solubilidad 96
4.7.3.2.6 Modelos de especiación 97
4.7.3.2.7 Cálculos usando datos termodinámicos 98
4.7.3.3 Revisión crítica 98
4.7.3.3.1 Validación de los datos 98
4
4.7.3.3.2 Selección del valor representativo de solubilidad 99
4.7.4 Toxicidad 99
4.7.4.1 Toxicidad en organismos no humanos 99
4.7.4.2 Colecta de datos 99
4.7.4.2.1 Datos experimentales contra predicciones 99
4.7.4.2.2 Datos experimentales 100
4.7.4.2.3 Datos de literatura 101
4.7.4.3 Revisión crítica 101
4.74.3.1 Validación de datos 101
4.7.4.3.1.1 Elaboración de diagramas de frecuencia acumuladas 102
4.7.4.3.1.2 Estimación de la confianza 102
4.7.4.3.2 Selección del valor representativo para toxicidad 103
4.7.4.4 Otras Consideraciones 103
4.7.4.4.1 Sustancias naturales 103
4.7.4.4.2 Elementos esenciales 103
4.7.4.4.3 Ácidos 104
4.7.4.4.4 Fracción orgánica 104
4.7.5 Persistencia 104
4.7.5.1 Iones en forma elemental 104
4.7.5.2 Iones complejos 104
4.7.5.2.1 Vida media 104
4.7.5.2.2 Juicio profesional 105
4.7.5.3 Colecta de datos 105
4.7.5.4 Revisión crítica 105
4.7.5.4.1 Validación de los datos 105
4.7.5.4.2 Selección del valor representativo de persistencia 105
4.7.6 Bioacumulación 106
4.8 SUSTANCIAS ORGANOMETÁLICAS 106
4.8.1 Fundamento y enfoque general 106
4.8.2 Descripción del proceso de categorización 107
4.8.3 Colecta generación y preferencia de datos 108
4.8.4 Revisión crítica y estimaciones de confianza 109
4.9 POLÍMEROS 111
4.9.1 Fundamento 111
4.9.2 Apreciación global de las sustancias poliméricas 111
4.9.2.1 ¿Qué son los polímeros? 111
4.9.2.2 Particularidades de las sustancias poliméricas 111
4.9.2.3 Información fácilmente disponible para la categorización de los polímeros 111
4.9.3 Estrategia para categorizar polímeros 112
4.9.3.1 Persistencia 112
4.9.3.2 Bioacumulación 112
4.9.4 Estrategia para determinar la toxicidad a organismos no humanos 113
4.9.4.1 Determinación de Grupos Funcionales Reactivos 114
4.9.4.1.1 Usando monómeros, reactantes y/o prepolímeros 114
4.9.4.1.2 Enfoque para los polímeros inciertos 114
4.9.4.1.2.1 Investigación de bases de datos 114
4.9.4.1.2.2 Invitación a la industria para proporcionar información 114
4.9.4.1.2.3 Fabricación de las decisiones de categorización para los polímeros que 116
permanecen inciertos
4.9.4.2 Enfoque para toxicidad en organismos no humanos 116
4.9.4.2.1 Polímeros de bajo interés ecotoxicológico 116
4.9.4.2.1.1 Poliésteres de bajo interés ecotoxicológico 116
4.9.4.2.1.2 Grupos funcionales poliméricos de bajo interés ecotoxicológico 117
4.9.4.2.2 Polímeros bajo revisión para PBT (“alto interés ecotoxicológico”) 118
4.10 SUSTANCIAS DE COMPOSICIÓN VARIABLE O INDEFINIDA Y PRODUCTOS 123
DE REACCIONES COMPLEJAS Y MATERIALES BIOLÓGICOS (UVCB o CVIB)
4.10.1 Fundamento 123
4.10.2 Estrategia global para la categorización de sustancias UVCB 123
4.10.2.1 UVCB Orgánicas 126
4.10.2.2 UVCB Inorgánicas 126
4.10.2.3 UVCB Organometálicas 127
4.10.2.4 UVCB Biológicas 130
5
4.10.2.5 UVCB Sales metal orgánicas 130
4.10.2.6 UVCB Polímeros 131
4.10.3 Persistencia y bioacumulación para UVCB 131
4.10.3.1 Persistencia y bioacumulación para UVCB orgánicas, sales metal orgánicas y 131
biológicas
4.10.4 Incertidumbre 132
V EJERCICIO DE CATEGORIZACIÓN ECOLÓGICA PARA LAS SUSTANCIAS EN 133
COMERCIO EN MÉXICO Y SUS RESULTADOS
5.I INTRODUCCIÓN 133
5.2 INFORMACIÓN NECESARIA PARA EL EJERCICIO DE CATEGORIZACIÓN 134
ECOLÓGICA DE SUSTANCIAS ORGÁNICAS
5.2.1 Datos de identidad química de la sustancia (Nomenclatura) 134
5.2.2 Datos Fisicoquímicos 135
5.2.3 Persistencia (P) 135
5.2.4 Bioacumulación (B) 138
5.2.5 Toxicidad (T) 142
5.2.6 Categoría 144
5.2.7 Otra información 144
5.3 INFORMACIÓN NECESARIA PARA EL EJERCICIO DE CATEGORIZACIÓN 145
ECOLÓGICA DE SUSTANCIAS INORGÁNICAS, ORGANOMETÁLICAS, SALES
METAL ORGÁNICAS, POLÍMEROS Y UVCBs O CVIBs
5.3.1 Fracción de interés/ionización/especiación/productos de transformació 145
5.3.2 Compuestos análogos 146
5.3.3 Relación Toxicidad (T)/Solubilidad 146
5.3.4 Persistencia (P) 146
5.3.5 Bioacumulación (B) 147
5.4 RESULTADOS 147
VI CONCLUSIONES 149
VII RECOMENDACIONES 151
VIII RECONOCIMIENTOS 152
IX BIBLIOGRAFÍA 153
6
Lista de figuras y cuadros
Figura 3-1 Estrategia general para la categorización ecológica de las sustancias del 49
Inventario Nacional de Sustancias Químicas
Figura 4-1 Procedimiento global para categorización y detección de las sustancias 52
prioritarias en Canadá
Figura 4-2 Proceso global para categorización de sustancias orgánicas 55
Figura 4-3 Estrategia general para la validación de datos experimentales 60
Figura 4-4 Procedimiento general para categorización de sustancias orgánicas como 59
persistentes
Figura 4-5 Combinación medio específico - vida media 69
Figura 4-6 Procedimiento general para categorización de sustancias orgánicas como 77
bioacumulables
Figura 4-7 Relación del log Kow vs. BCF/BAF para sustancias con un log Kow~6 79
Figura 4-8 Procedimiento general para categorización de sustancias orgánicas como 83
tóxicas en organismos acuáticos
Figura 4-9 Estrategia general para la categorización de sustancias inorgánicas 89
Figura 4-10 Relación entre dosis y estimulación o inhibición en elementos esenciales y no 91
esenciales (Wright and Welbourn 2002)
Figura 4-11 Procedimiento para categorización de sustancias organometálicas 108
Figura 4-12 Esquema de categorización para polímeros 113
Figura 4-13 Proceso para identificar grupos funcionales y electrónicamente cargados en 115
polímeros
Figura 4-14 Proceso general para categorización de “polímeros bajo interés ecotoxicológico” 117
Figura 4-15 Estrategia General para Caracterización de Sustancias UVCB 125
Figura 4-16 Estrategia General para Caracterización de Sustancias UVCB Orgánicas 128
Figura 4-17 Estrategia General para Caracterización de Sustancias UVCB Inorgánicas 129
Figura 4-18 Estrategia General para Caracterización de Sustancias UVCB Organometálicas 130
Figura 4-19 Estrategia General para Caracterización de Sustancias UVCB Biológicas 131
Figura 4-20 Estrategia General para Caracterización de Sustancias UVCB Sales Metal- 132
Orgánicas
Cuadro 1-1 Propuesta de inclusión gradual al LISTADO RETC y umbrales de reporte 22
Cuadro 2-1 Valores criterio utilizados por diversas organizaciones nacionales e 27
internacionales para categorizar sustancias químicas de acuerdo a criterios de
persistencia, bioacumulación y toxicidad
Cuadro 2-2 Expertos participantes en la primera consulta 30
Cuadro 2-3 Reporte de la primera consulta con expertos 32
Cuadro 2-4 Expertos participantes en la segunda consulta 38
Cuadro 2-5 Reporte de la segunda consulta con experto 39
Cuadro 2-6 Valores criterio de persistencia y bioacumulación 45
Cuadro 2-7 Valores Criterio para toxicidad aguda y crónica en especies acuáticas (algas, 46
invertebrados y peces)
Cuadro 4-1 Modelos utilizados para estimar P, B y T 58
Cuadro 4-2 Códigos y rangos de confianza para la evaluación de la calidad de los datos 61
Cuadro 4-3 Ejemplo de perfil PBT para categorización 65
Cuadro 4-4 Categorización PBT para sustancias inorgánicas 90
Cuadro 4-5 Condiciones ambientales para aguas superficiales canadienses, para propósitos 93
de categorización
Cuadro 4-6 Parámetros fisicoquímicos colectados para categorización 94
Cuadro 4-7 Niveles de confianza para categorización de sustancias organometálicas 110
Cuadro 5-1 Clases de sustancias categorizadas y sus categorías 148
7
Lista de apéndices y anexos
8
Acrónimos y abreviaturas
9
EHC Criterios de Salud Ambiental (Environmental Health Criteria)
E (LUMO) Electrons (Lowest Unoccupied Molecular Orbital)
ENVDEG Base de datos para Degradación Ambiental (Environmental Degradation
database)
EPA Agencia de Protección Ambiental de Estados Unidos
(Environmental Protection Agency (U.S.))
ETD Distancia efectiva de viaje (effective travel distance)
EU Unión Europea
FDA Food Drog Administration
GPE Gran Potencial de Exposición
GLP Buenas Prácticas de Laboratorio (Good Laboratory Practice)
HPV Alto Volumen de Producción (High Production Volume)
HSDB Banco de Datos de Sustancias Dañinas (Hazardous Substances Data Bank)
HYDROWIN Programa para calcular tasas constantes de hidrólisis (Modelos)
IARC Agencia Internacional de Investigación del Cáncer (International Agency for
Research on Cancer)
IC50 Concentración Inhibidora Media
IJC International Joint Commission, Canada
INE Instituto Nacional de Ecología
INSQ Inventario Nacional de Sustancias Químicas
IPCS International Programme on Chemical Safety (Hojas de Seguridad)
IRIS Base de Datos y Sistema de Información Integrada de Riesgos (Integrated Risk
Information System database)
IUCLID Bases de Datos con Información Química Internacional Uniformizada
(International Uniform Chemical Information Database )
IUPAC Unión Internacional de Química Pura y Aplicada (International Union of Pure and
Applied Chemistry)
Kow Coeficiente de partición octanol–agua
KOWWIN Log Octanol–Water Partition Coefficient Program (Modelos)
LAS Linear alkyl sulphonate
LC50 Concentración Letal media
LD50 Dosis Letal media (promedio)
LGEEPA Ley General de Equilibrio Ecológico y Protección del Ambiente
LRT Transporte de largo alcance (Long Range Transport)
MINEQL Modelo para Equilibrio Químico
MITI Ministerio de Industria y Comercio de Japón (Ministry of International Trade and
Industry (Japan))
Moa Modo de acción tóxica: Sustancias reactivas o no reactivas (narcóticas)
MS Muy Soluble, corresponde a una solubilidad que corresponde a una solubilidad
mucho mayor a 1 mg/L
MPU Manufactura Proceso o usos de otra Manera (Compras, Venta, Importación,
Exportación)
NIST Instituto Nacional de Estándares y Tecnología (National Institute of Standards and
Technology)
NOAEC/ Concentración en la que no se observa efecto (No Observed Adverse Effect
NOAEL Concentration )
NRCan Recursos Naturales de Canadá (Natural Resources Canada)
NRCC Consejo de Investigación Nacional de Canadá (National Research Council of
Canada)
NWRI Instituto de Investigación Nacional del Agua, Canadá (National Water Research
Institute )
OASIS Base de Datos para Hidrogeología
10
OECD Organización de Cooperación y Desarrollo Económico (OCDE)
OPPT Oficina de Prevención de la Contaminación y Tóxicos (Office of Pollution
Prevention and Toxics (U.S. EPA))
OSPAR Oslo-París Convention for the Protection of the Marine Environment of the North-
East Atlantic
P Persistencia
PAH Hidrocarburos Aromáticos Policíclicos (Polycyclic aromatic hydrocarbon)
PALLAS Software para predicción de valores para pKa, log P, y log D
PBT Persistencia, Bioacumulación, Toxicidad
PNN Probabilistic Neural Network (Modelo)
POP¨s Compuestos orgánicos persistentes (Persistent Organic Pollutants)
PROFEPA Procuraduría Federal de Protección al Ambiente
PSL Lista de Sustancias Prioritarias (Priority Substances List)
PUMA Proyectos Universitarios del Medio Ambiente, UNAM
QA Aseguramiento de Calidad (quality assurance)
QC Control de Calidad (quality control)
QSAR Relación Cuantitativa entre Actividad y Estructura (quantitative structure–activity
relationship)
RETC Registro de Emisiones y Transferencia de Contaminantes
REACH Registro, Evaluación, Autorización y Restricción de Químicos ( Registration,
Evaluation, Authorisation and Restriction of Chemicals)
S Soluble, corresponde a una solubilidad mayor a 1 mg/L (o muy cercana a este
valor)
SAR Relación entre Estructura y Actividad (structure–activity relationship)
SEMARNAT Secretaria del Medio Ambiente y Recursos Naturales
SI Insolubilidad (Solubilidad inferior a 1 mg/L)
SIDS Conjunto y Selección de Datos e Información (Screening Information Data Set)
SMO Sales metal orgánicas
SQ Sustancias Químicas
SRC Corporación de Investigación de Siracusa (Syracuse Research Corporation)
TSCA Ley de Control de Sustancias Tóxicas (Toxic Substance Control Act)
TOPKAT Programa para Predicciones de Toxicidad (Modelos)
T Toxicidad
Toxline Base de Datos Toxicológicos en Línea
TSMP Gestión de Sustancias Tóxicas (Toxic Substances Management Policy)
UNAM Universidad Nacional Autónoma de México
UNEP Programa para el Medio Ambiente de las Naciones Unidas (United Nations
Environment Program)
UNECE Comisión Económica de las Naciones Unidas para Europa (United Nations
Economic Commission for Europe)
USEPA Agencia de Protección del Ambiente de Los Estados Unidos (United State
Environmental Protection Agency)
USM Modelo Estadístico Final (Ultimate Survey Model)
UVCB Sustancias de Composición Variable o Indefinida, productos de reacciones
complejas y material Biológico –CVIB, en español- (Unknown or Variable
composition, Complex reaction products, and Biologicals, en inglés)
WHO Organización Mundial de la Salud- OMS (World Health Organization)
11
I INTRODUCCIÓN
Uno de los usos del Inventario Nacional es identificar aquellas sustancias que
debido a sus propiedades y usos pueden constituir un riesgo potencial para el
medio ambiente y, por ello, requieren de una atención prioritaria bajo un esquema
de categorías o niveles de priorización.
1.1 JUSTIFICACIÓN
12
criterios para la categorización de las SQ contribuirá a avanzar en la definición de
las siguientes etapas de la aplicación del Inventario Nacional.
1.2 OBJETIVO
1.3 ALCANCES
13
experimentales realizados en zonas tropicales (tropicalización) para las sustancias
que se evaluarán.
1.4.1.1 Persistencia
Tanto los procesos bióticos como los abióticos influyen en la persistencia de las
sustancias orgánicas en agua, suelo, sedimento y aire. La descomposición
depende de varios factores incluidos la temperatura, el pH, los microorganismos
presentes, el clima, exposición a la luz, agua y oxigeno, entre otros factores.
1.4.1.2 Bioacumulación
1.4.1.3 Toxicidad/Ecotoxicidad
16
La toxicidad se define como el potencial para que una sustancia cause daño a la
estructura o en las funciones de un organismo expuesto a ésta (e.g. letalidad o
efectos adversos subletales).
Concentración
La elección de la concentración es de gran importancia para poder finalizar con
éxito cualquier estudio de toxicidad o ecotoxicidad. Se suelen utilizar 5
concentraciones diferentes de la sustancia de interés:
Grupo de control: tratado con el vehículo
Grupo de concentración baja: no deben observarse efectos adversos
significativos durante el estudio
Grupo de concentración media baja
Grupo de concentración media alta: en ambos casos deben aparecer
efectos adversos
Grupo de concentración alta: los cambios o efectos secundarios
observados durante el tratamiento deben ser importantes. Puede producirse
alguna muerte, pero el número de supervivientes debe permitir
comparaciones estadísticas
Exposición
La exposición se define como el contacto de una sustancia con las barreras del
cuerpo o la vía por la que entra al organismo. La evaluación de la exposición es el
proceso de medir o estimar la intensidad, frecuencia, vía y duración de la
exposición o la estimación de la exposición que pudiera ocurrir por la liberación al
17
ambiente de nuevas sustancias tóxicas. En toxicología ambiental las exposiciones
se clasifican de acuerdo con la magnitud del período de exposición en:
• Crónica: Es la exposición continua o repetida a un agente físico, químico o
biológico a lo largo de un periodo de tiempo extenso, (exposiciones que
duran entre 10% y 100% del tiempo de vida de los organismos)
• Subcrónica: Es la exposición a un agente químico, físico o biológico durante
aproximadamente diez por ciento (10 %) del tiempo de vida de un
organismo.
• Aguda: Es la exposición en un período de tiempo muy corto (algunos días,
un día o menos y sucede en un único evento).
Letalidad
El término letalidad o toxicidad letal se refiere a la mortalidad inmediata debido a
los efectos tóxicos severos irreversibles asociados a la exposición de una
concentración única y muy elevada de una sustancia en un lapso corto (toxicidad
aguda). Uno de los organismos de prueba más usados son los peces.
Cuando sólo se encuentran datos disponibles de, LCLo (concentración letal más
baja), LC100 (concentración que mata al 100 de una población) o cualquier otra
variante, los datos se califican como si fueran LC50 acuática y se indica el tipo de
prueba realizada.
Las condiciones del bioensayo pueden ser estáticas o con flujo continuo, con
iluminación de 14 a 16 horas por día, temperatura del agua con ± 2°C de la
temperatura apropiada para cada especie, sin alimento, los periodos de exposición
pueden ser desde minutos hasta horas, si bien en la mayoría de los estudios la
mortalidad se observa a las 24, 48, 72 y 96 horas después de empezar el análisis.
Para la evaluación de la concentración letal acuática (LC50 acuática) se prefieren
los estudios de especies de agua dulce sobre los de agua marina.
Efectos subletales
Los efectos subletales son aquellos efectos adversos, no letales, causados por la
exposición a mediano o largo plazo a una sustancia tóxica (toxicidad crónica).
Microcrustáceos tales como los cladóceros del género Daphnia son ampliamente
utilizados en la evaluación de los efectos de sustancias tóxicas sobre el
ecosistema acuático. Esto se debe a la importancia que sus especies tienen como
consumidoras primarias en este medio, son además organismos sumamente
sensibles a muchas sustancias tóxicas y sus respuestas son similares a otros
invertebrados acuáticos, además de su fácil cultivo en laboratorio.
Las pruebas de toxicidad con Daphnia se consideran como crónicas (largo plazo)
porque éstas generalmente abarcan su ciclo de vida completo. Los efectos a
evaluar en estos organismos incluyen desde inmovilidad, hasta efectos en la
reproducción tales como vida/muerte de los padres, además de efectos adversos
en huevos incubados por los machos, en los huevos latentes, en el tamaño de los
padres, en el número de progenitores, etc.
Los estadios larvarios de insectos tales como Chironomus riparius, son también
usados como bioindicadores acuáticos, en suelo y sedimentos por sus
características acuáticas y detritívoras. Los efectos adversos varían desde
malformaciones genéticas hasta la muerte.
Los estudios de este tipo se han realizado mayoritariamente con especies de agua
dulce, aunque se encuentran disponibles algunos datos para especies marinas.
Los periodos de exposición pueden ser desde minutos hasta horas, si bien la
mayoría de los registros disponibles registran exposiciones por 96 horas. Según
las condiciones del bioensayo, este puede ser estático o de flujo continuo.
19
MATC: Concentración Adversa Máxima del Tóxico. Se obtiene calculando
la media geométrica de los límites más bajos y más altos en una prueba
crónica o subcrónica, otra forma de representar este valor es dividir el EC50
entre 10
21
Cuadro 1-1. Propuesta de inclusión gradual al LISTADO RETC y umbrales de reporte
Categoría Color en Criterio de Criterio para Gradualidad de Perfil Industrial
base de Inclusión establecer Inclusión en de las Sustancias
datos Umbral de LISTADO RETC
Reporte
Criterio 1 Rojo - 7 Ind. Química
PBT Mayor Criterio de - 6 pesticidas
Peligrosidad manufactura, - 3 prod. mayor a
6
Ambiental proceso o uso Primera 10 kg/año
Criterio 2 Naranja de otra manera Etapa (reportar - 33 Ind. Quím.
PT o PB oscuro (mpu) a partir de - 20 pesticidas
Naranja cualquier - 3 prod. mayor a
6
Claro cantidad) 10 kg/año
Criterio 3 Menor Criterio de - 93 Ind. Quím.
T Amarillo Peligrosidad manufactura, Segunda - 34 pesticidas
oscuro Ambiental, proceso o uso Etapa - 20 prod. mayor
6
Únicamente de otra manera a 10 kg/año
Toxicas (mpu)
Criterio 4 1 Ind. Química
Verde Convenios Criterio por Tercera 1 no intencional
Internacionales emisión (1Kg) Etapa Sustancias
agotadoras de la
capa de ozono
Criterio 5 Cantidad de Criterio de - 15 Ind. Química
Azul utilización mayor manufactura, Tercera - 7 pesticidas
6
a 10 kg/año proceso o uso Etapa - 18 prod. mayor
6
de otra manera a 10 kg/año
(mpu)
22
1.4.2.2 Procedimiento de categorización en Canadá
A partir de 1994, Canadá implementó un proceso de evaluación de sustancias
nuevas para autorizar su uso en ese país. Sin embargo, las sustancias que fueron
introducidas antes de 1994, "sustancias existentes", no habían sido evaluadas por
el gobierno con relación a sus riesgos potenciales para el medio ambiente y la
salud. Esta lista de “sustancias existentes” o Lista de Sustancias Nacionales o
Domésticas (DSL, por sus siglas en inglés) contiene aproximadamente 23 000
sustancias.
La Ley de Protección Ambiental Canadiense de 1999 (CEPA, por sus siglas en
inglés) estableció que las sustancias existentes debían ser evaluadas para
determinar cuáles requerían de una atención prioritaria. La categorización fue el
primer paso para evaluar científicamente todas las SQ en la DSL.
Con base en la información proporcionada por la industria nacional y los estudios
científicos disponibles sobre el tema (tanto nacionales como internacionales),
investigadores del área de salud y del medio ambiente trabajaron en conjunto para
la aplicación rigurosa de un grupo de herramientas que permitieran evaluar los
riesgos de las 23 000 sustancias listadas en la DSL. En septiembre de 2006,
Canadá completó este ejercicio de categorización, cuyos resultados son de
acceso público y muestran las sustancias que requerirán estudios más detallados
debido a los riesgos potenciales que representan (Lista Prioritaria de Sustancias).
1.4.2.2.1 Categorización con base en criterios ambientales (categorización
ecológica)
y/o
23
c) Tóxicas al medio ambiente (T): SQ que se sabe o se sospecha, a través de
estudios de laboratorio y otros, que pueden tener un efecto nocivo sobre la
vida silvestre y el medio natural del cual ésta depende.
En el cuadro 2-1 se muestran los valores criterio utilizados por el Departamento
del Medio Ambiente de Canadá para la categorización de las sustancias de la DSL
con base en criterios ambientales.
b) Sustancias tóxicas para los seres humanos (T): son SQ que se sabe o se
sospecha tienen efectos nocivos en los seres humanos. Las sustancias
fueron examinadas por una serie de efectos sobre la salud humana,
incluyendo cáncer (carcinogénesis), defectos de nacimiento (teratogénesis)
y daño al material genético (mutagénesis).
Las SQ que pueden afectar a la salud humana también fueron colocadas en una
lista de prioridad por el Gobierno de Canadá para poner especial atención a las
sustancias sospechosas que presentan el mayor riesgo y el mayor potencial de
exposición.
Una vez que se cuenta con un expediente completo sobre un producto químico, se
lleva a cabo una evaluación inicial de la información, se extraen conclusiones
sobre el peligro potencial de la sustancia y se hacen recomendaciones para poder
seguir trabajando con dicha sustancia. Las conclusiones presentan un resumen de
los riesgos del producto químico, con suficientes detalles y claridad en cuanto a su
carácter informativo.
La industria química apoya las actividades de la OCDE sobre las SQ con alto
volumen de producción porque con este trabajo se evita la duplicación de
esfuerzos para evaluar los productos químicos y cumplir con los requisitos
nacionales y regionales, y los compromisos internacionales.
25
II IDENTIFICACIÓN Y SELECCIÓN DE CRITERIOS PARA LA
CATEGORIZACIÓN ECOLÓGICA DE SUSTANCIAS QUÍMICAS
Estos valores criterio representan puntos de corte que evalúan las propiedades de
persistencia, bioacumulación y toxicidad de una sustancia y que pueden ser
utilizados en un ejercicio de categorización.
26
Cuadro 2-1. Valores criterio utilizados por diversas organizaciones nacionales e internacionales para categorizar sustancias químicas de acuerdo
a criterios de persistencia, bioacumulación y toxicidad
Criterios Transporte a grandes distancias (LRT: Persistencia (vida media en Bioacumulación Toxicidad
1
nacionales e Long Range Transport) días)
internacionales
2,
Organización Medición Presión Vida media Agua Suelo Sedimento BAF Log
1a 3 4
en áreas de vapor en aire /BCF Kow
remotas en (oxidación
Pascales atmosférica
(Pa) ) (días)
RETC No No No En cualquier medio > 50 > 500 >4 Letalidad en no mamíferos (toxicidad aguda): LC50 acuática
5
(DGCCARETC) ≤ 10 mg/L
Letalidad en mamíferos (toxicidad aguda): LD50 oral o
3
dérmica ≤ 50 mg/Kg y LC50 inhalada ≤ 150 mg/m
5a
Toxicidad crónica en mamíferos: CMR
Efectos subletales en no mamíferos (Toxicidad crónica o
subcrónica)
Organismos acuáticos: EC50 ≤ 0.2 mg/L (crónica)
Organismos terrestres: EC50 ≤ 10 mg/Kg (t. subcrónica) o
EC50 ≤ 5 mg/kg (t. crónica)
Organismos fotoautótrofos: EC50 acuático ≤ 1 mg/L o EC50
3
terrestre ≤ 10 mg/Kg o EC50 en aire ≤ 10 mg/m
Toxicidad aguda acuática LC50 o EC50 ≤ 1 mg/L o toxicidad
6
CEPA, 1999 Sí ≥2 ≥ 180 ≥ 182 ≥ 365 ≥ 5000 4.1 - 12 crónica acuática de NOAEC ≤ 0.1 mg/L, (Departamento de
Medio Ambiente de Canadá)
Para salud humana: Gran Potencial de Exposición (GPE) y
estudios de toxicidad humana (Departamento de Salud de
Canadá)
7
Canadá TSMP Si ≥2 ≥ 182 ≥ 182 ≥365 Definidos por CEPA: LC50 o EC50 ≤ 1 mg/L (aguda); NOAEC
1995 ≥ 5000 ≥5 ≤ 0.1 mg/L (crónica)
8
NAAEC-CEC Si < 1000 ≥2 ≥ 182 ≥ 182 ≥365 Según nivel de preocupación o interés
1997 ≥ 5000 ≥5
27
Criterios Transporte a grandes distancias (LRT: Persistencia (vida media en días) Bioacumulación Toxicidad
1
nacionales e Long Range Transport)
internacionales
2, 3 4
Organización Medición Presión Vida media Agua Suelo Sedimento BAF /BCF Log
en áreas de vapor en aire Kow
remotas en (oxidación
Pascales atmosférica)
(Pa) (días)
9
US EPA 1998 - Persistente: Persistente: Persistente: Bioacum Moderada
TSCA- PBT – ≥ 60; ≥ 60; ≥ 60; ulable: ≥ 1000; Toxicidad acuática crónica: NOAEC 0.1 –
propuestas de Muy Muy Muy Muy 10 mg/L
criterios (4, 6) Persistente: Persistente: Persistente: Bioacumulable: Alta
≥ 182 ≥ 182 ≥ 182 ≥ 5000 Toxicidad acuática crónica: NOAEC ≥ 0.1
mg/L
UNECE-LRTAP Si < 1000 ≥2 ≥ 60 ≥ 182 ≥ 365 ≥ 5000 ≥ 5 Evaluación de riesgo
10
1998 (4,7)
UNEP (4, 8,, 9) Si < 1000 ≥ 2 ≥ 60 ≥ 182 ≥ 182 ≥ 5000 ≥ 5 Evaluación de riesgo
11
UNEP POPs ≥ 2 ≥ 60 ≥ 182 ≥ 182 ≥ 5000 ≥ 5 Datos de toxicidad en desarrollo
Convention Potencial para causar efectos adversos a
(UNEP-POPs) la salud humana y/o ambiental o datos de
(4, 8,, 9) toxicidad o ecotoxicidad que indiquen
daños a la salud humana y ambiental
12
OSPAR PBT ≥ 50 ≥ 500 >4 Toxicidad aguda acuática L(E)C50 ≤ 1 mg/L
criterio (4,10) o crónica NOAEC ≤ 0.1 mg/L Toxicidad en
mamíferos : CMR o Toxicidad Crónica
13
CMA - PBT ≥5 ≥ 182 ≥ 365 ≥ 5000
1996 (11)
14
REACH Anexo Persistente: Persistente: Bioacumulable:
XII y Guía > 40 (agua >120 (sed. en ≥ 2000; NOAEC crónica < 0,01 mg/L o CMR
5ª
Técnica (UE) dulce); agua dulce); Muy (efectos alteradores endócrinos)
Documento Muy Muy bioacumulable:
PBTs (12) persistente: persistente: ≥ 5000
> 60 (agua > 182 (sed. en
marina) agua dulce y
marina)
15
BdD STP y MP Si >2 >60 >182 >182 5000 5 LC50 (EC50) ≤ 1 mg/L (aguda); NOAEC ≤
16
en 0.1 mg/L (crónica)
América (10)
28
1
Una sustancia se considera persistente en aire si se demuestra que es transportada atmosféricamente a regiones remotas, tales como el Ártico
1a
La vida media en aire es suficiente para cumplir con el requisito de persistencia, máximos de presión de vapor deben incorporarse para excluir
sustancias altamente volátiles.
2
BAF: Factor de Bioacumulación (relación entre la concentración de una sustancia en un organismo y la concentración en agua, basada en la
captación directa desde el medio circundante y los alimentos)
3
Los BAF se prefieren sobre los BCF, en su ausencia, los BCF y Log Kow pueden utilizarse para evaluar la bioacumulación
4
BCF Factor de Bioconcentración (relación entre la concentración de una sustancia en un organismo y la concentración en agua, basada sólo en
la captación directa desde el medio circundante)
5
Dirección General de Gestón y Calidad del Aire, Registro de Emisiones y Transferencia de Contaminantes (RETC), México 2007
5ª
CMR : Cáncer, Mutagénesis y Toxicidad Reproductiva (Teratogénesis)
6
CEPA: Canadian Environmental Protection Act, 1999 (Ley para la Protección Ambiental en Canadá)
7
TSMP: Toxic Substances Management Policy, 1995 (Política para el manejo de sustancias tóxicas), Canadá
8
NAAEC: Acuerdo de Cooperación Ambiental de América del Norte (North American Agreement on Environmental Cooperation)
9
US EPA: Agencia de Protección Ambiental de Estados Unidos (Environment Protection Agency United States)
10
UNECE-LRTP: Comisión Económica de las Naciones Unidas para Europa (United Nations Economic Commission for Europe- Range
Transboundary Air Pollution)
11
UNEP: Programa para el Medio Ambiente de las Naciones Unidas (United Nations Environment Program)
12
OSPAR: Convención para la Protección del Ambiente Marino del Noreste del Atlántico (Convention for the Protection of the Marine Environment
of the North-East Atlantic (Oslo-Noruega))
13
CMA: La Asociación de manufactureros químicos (Chemical Manufacturers Association) considera que el transporte de largo alcance (a
grandes distancias) puede sumarse a la definición de un producto químico PBT (
14
REACH: Registro, Evaluación, Autorización y Restricción de SQ en la Unión Europea (Registration, Evaluation, Authorisation and Restriction of
Chemical Substances) Anexos que contienen el marco reglamentario para la gestión de SQ en la Unión Europea (sustancias persistentes,
bioacumulables) Sustancias muy persistentes y muy bioacumulables (mPmBs)
15
Base de datos sobre sustancias Tóxicas y persistentes y metales Pesados en América
16
Para pesticidas se propone rebajar el valor de toxicidad del NOAEC a 0.01 mg/L y persistencia en agua < 40 días
29
2.1 CONSULTA CON EXPERTOS
En el cuadro 2-2 se muestran los datos de los expertos que participaron en esta
consulta y dieron respuesta a esta encuesta y el cuadro 2-3 contiene los
resultados de esta consulta.
30
M. En C. Ana Patricia Martínez Directora de Investigación en Dirección General de
Bolívar Monitoreo Atmosférico y Investigación y Capacitación
Caracterización Analítica de Ambiental INE
Contaminantes
M. En C. Erick Felipe Jiménez Subdirector de Análisis de Dirección General de
Quiroz Sistemas de Monitoreo Investigación y Capacitación
Atmosférico Ambiental INE
Biól. Isabel Jiménez Yanes Subdirectora de Integración del Secretaría de Medio Ambiente y
RETC recursos Naturales
Dra. Leonor Cedillo Becerril Directora de Investigación sobre Instituto Nacional de Ecología
SQ y Riesgos Ecotoxicológicos
31
2.1.1.1 Reporte de la primera consulta con expertos
- Rastrear las vías de entrada y salida al país de las SQ - Conocer el panorama general del país en el tema de SQ que
- Aplicación de una categorización por sector industrial incluya ámbito legal, científico, social, económico, industrial y
educativo
- Que incluya a todos los sectores
- Cobertura nacional
- Crear conciencia en los sectores involucrados
- Crear y adaptar la legislación existente
- Crear instrumentos legislativos y cumplir con la legislación actual
- Crear un modelo de gestión de sustancias
- Regulación y vigilancia
- Introducción al concepto categoría, regulación y control de las
nuevas sustancias.
- Investigar la frecuencia de uso, las cantidades utilizadas y el - Crear un Programa que apoye en la evaluación de riesgos y
volumen de producción prevenir y controlar sus efectos.
- Consideración de los usos que se da a las SQ y su relación con los - Identificar acciones correctivas (sustitución de sustancias nocivas
riesgos de este uso al ambiente y la salud por otras que no lo sean)
- Poner atención en las recomendaciones de uso y datos que
proporcionan las empresas fabricantes de SQ (en especial para
plaguicidas
32
- Tomar en cuenta el valor económico, la demanda y la - Considerar costos de manejo
comercialización de las SQ
2. ¿Qué componentes - Disponibilidad de datos / información - Utilizar datos disponibles en fuentes internacionales
propondría para - Selección y validación de fuentes de información - Identificar y recopilar datos (empresas, distribuidores de
conformar una - Base de datos nacional con número CAS (en función de una lista plaguicidas)
metodología para la internacional) - Integrar una base de datos con número CAS
priorización ambiental de - Información dinámica (actualizable)
las SQ? - Herramientas estadísticas - Validar los datos disponibles utilizando herramientas estadísticas
para calcular la incertidumbre
- Modelación - Complementar la información con el uso de modelos y validarlos
- Experimentación por región y sector (condiciones particulares de - Hacer investigación experimental para llenar vacíos de
México y bioensayos en especies locales) información (Daphnia, algas, mamíferos, peces y lombrices),
- Trabajo en campo utilizando ensayos estandarizados. Particularmente para
ecosistemas mexicanos y para sustancias desconocidas
- Recursos disponibles (económicos y científicos) - Realizar análisis de costo beneficio (costos de la sustancia)
- Análisis costo-beneficio - Contar con más recursos económicos y humanos
- Fuentes de información confiable, aplicar nuevos criterios a las - Mejorar la información para asegurar su confiabilidad
fuentes de información (ejemplo: añadir el número CAS al - Identificar el numero CAS de las sustancias para facilitar la
pedimento en caso de importación) homologación
- Conjuntar la información y contrastarla
33
- Modelación (modelos validados) - Adecuar los modelos y métodos existentes y validarlos
- Legislación obligatoria – homologación - Contar con una legislación obligatoria para el reporte de
sustancias
- Fuentes:
Administración General de Aduanas (pedimento aduanal)
ANIQ y otras asociaciones industriales e industrias no asociadas
Cédula de Operación Anual
Bases de datos de las sustancias agotadoras de la capa de ozono
Institutos de investigación
Revisión de estudios y tesis, incluyendo la literatura gris
Información de estados y municipios
34
4. ¿Qué objetivo y alcance Aportaciones relacionadas con el objetivo
propondría para un
Programa Nacional de - Obtener una lista única y nacional de sustancias prioritarias - Identificar a las SQ más representativas en México para prevenir y
Sustancias Prioritarias? mitigar sus efectos en los diferentes sectores
- Crear conciencia en los sectores involucrados - Apoyar la regulación de las sustancias, eliminar aquellas que ya
- Crear y adaptar la legislación existente no se comercializan, adecuar regulaciones
- Modelo de gestión de sustancias
- Crear instrumentos legislativos y cumplir con la legislación actual
- Integrar el inventario nacional - Integrar un inventario nacional que permita una categorización de
las sustancias y la evaluación de riesgos de las sustancias
prioritarias y el manejo de riesgos
- Obtener base de datos nacional actualizable y pública - Elaborar una base de datos actualizada y pública de las SQ.
- Programa para que sirva en la evaluación de riesgos, prevenir y - Establecer actividades y centralizar esfuerzos para minimizar
controlar efectos. riesgos ambientales por las SQ
- Identificar acciones correctivas (sustitución)
- Conocer el panorama general del país en el tema de SQ - Identificar zonas de riesgo por SQ a nivel nacional
- Todas las sustancias categorizadas y clasificadas - Contenga un listado de sustancias único, que incluya a todas las
sustancias que se comercialicen en el país y categorizadas, y que se
actualice periódicamente
- Considerar la introducción del registro de SQ no incluidas en el
inventario nacional (Sustancias nuevas)
35
- Introducción al concepto, categoría, regulación y control de las - Que puntualice la necesidad de evaluar sus riesgos y prevenir y
nuevas sustancias controlar sus efectos
- Que incluya ámbito legal, científico social, económicos, - Promueva una concientización de la industria
educativo, - Que tenga influencia en las áreas científicas y en las políticas
- Que incluya a todos los sectores, socioeconómicas y educativas
- Cobertura nacional
- Costos de manejo
36
Como resultado de esta consulta se propusieron tres criterios que pueden servir
como base para identificar sustancias prioritarias en el país. Estos criterios fueron:
la persistencia, la bioacumulación y la toxicidad.
Se realizó una encuesta con preguntas específicas en relación con los temas de
interés que se mencionan a continuación:
37
Cuadro 2-4. Expertos participantes en la segunda consulta
Nombre Nombre de la Teléfono Correo electrónico
organización
donde trabaja
Cecilia Vanegas UNAM 56224829 rcvp@fciencias.unam.mx
38
2.1.2.1 Reporte de la segunda consulta con expertos
Cuadro 2-5. Reporte de la segunda consulta con expertos
Preguntas Aportaciones Conclusiones/Recomendaciones
1. ¿Cuál de los Después de analizar los procedimientos de categorización descritos - El Procedimiento de Categorización en Canadá fue el sugerido para
procedimientos de en el marco conceptual, los expertos coincidieron en la servir como modelo para categorizar las sustancias, pues considera
categorización descritos en inconveniencia de utilizar la metodología para categorizar sustancias los criterios de Persistencia, Bioacumulación y Toxicidad. Además de
el marco conceptual es el que deberían ser integradas al Registro de Emisiones y Transferencia que su programa ya está legislado y probado científicamente, es
más apropiado y de Contaminantes (RETC), puesto que se trata de un procedimiento multidisciplinario e incluyente, cumple las reglas generales de otros
conveniente para ser que categoriza a las sustancias no sólo desde el punto de vista modelos y la información está a la mano y sin restricciones, y al
implementado como ecológico, sino también por sus efectos en la salud humana de mismo tiempo, el número de sustancias categorizadas es elevado. A
metodología para la manera integral. Además, los criterios y sus valores difieren mucho su vez han propuesto el uso de compuestos análogos para sustancias
categorización de las de los que se pretende estandarizar internacionalmente. de las cuales puede no existir información. Igualmente, crearon
sustancias contenidas en el Por otra parte, de acuerdo al consenso de los expertos, el programa grupos de trabajo que establecieron procesos para poder categorizar
Inventario elaborado por el para categorización de sustancias con volúmenes altos de sustancias difíciles de modelar (mezclas, hormonas, tintas,
INE? producción (VPH, por sus siglas en inglés) implementado por la pigmentos, surfactantes, entre otros). Además esta metodología se
OCDE, tampoco es el adecuado puesto que no se cuenta con apega en su mayoría a lineamientos para su validación y confiabilidad
información completa, ordenada y sin restricciones respecto al por guías y protocolos tales como los establecidos por la OCDE,
procedimiento utilizado. USEPA, ONU, UNEP, UNECE y REACH, entre otros.
Así, la opinión generalizada fue utilizar el procedimiento canadiense
para categorización de sustancias, al menos algunos de los pasos
más generales, ya que la metodología completa es sumamente
demandante y exhaustiva
39
2.- ¿Qué criterios propone - Se propuso una evaluación preliminar, para identificar aquellas Se concluyó que los criterios principales para considerar a una
para la priorización de las sustancias que puedan representar riesgos potenciales a la salud de sustancia como prioritaria es que sea persistente y tóxica o
sustancias que se los organismos y al ambiente. Los expertos opinaron que, puesto bioacumulable y tóxica o persistente, bioacumulable y tóxica. Lo
comercializan en el país? que las características de mayor relevancia para categorizar a una anterior se consensuó con base en el fundamento científico de que
sustancia como prioritaria de acuerdo con la experiencia muchas sustancias pueden ser persistentes o bioacumulables o
internacional son la persistencia, bioacumulación y toxicidad (PBT), ambas, pero al no ser tóxicas, no representan un riesgo real para los
sean estos los criterios principales para la priorización de las ecosistemas, siendo así el criterio de toxicidad el criterio
sustancias en nuestro país. discriminante en una categorización ecológica. Por otra parte, si una
- Así, una lista prioritaria elaborada con base en estos criterios sustancia es tóxica pero no es persistente y/o bioacumulable, puede
contiene a las sustancias que requieren mayor atención para una ser representativa para una categorización de interés en salud
evaluación de riesgo, ambiental y para la salud humana, más humana, pero no en un nivel ecológico que abarque tanto al
profunda que descarte o confirme su peligrosidad para controlar, ambiente como a los seres vivos que en él habitan
gestionar y/o regular su manejo.
3.- ¿Qué parámetros - La opinión general fue que se categorizará a las sustancias con base Se concluyó que los siguientes parámetros fisicoquímicos y
fisicoquímicos y en su comportamiento en el ambiente (solubilidad, estado físico, ecotoxicológicos eran suficientes para lograr una categorización
ecotoxicológicos sugiere biodegradación hidrólisis, fotólisis, partición en los diferentes confiable y completa:
para categorizar a las compartimentos, su partición octanol/agua, solubilidad en agua y en - Solubilidad en agua
sustancias, y evaluar sus lípidos, presión de vapor, puntos de ebullición y fusión, constante de - Vida media en todos los compartimentos ambientales
propiedades de Persistencia disociación especiación, oxidación atmosférica, reacción con ozono, - Coeficiente de partición octanol/agua (el logaritmo de este
Bioacumulación y vida media, ionización, metabolismo, así como sus productos de coeficiente)
Toxicidad? degradación, uso de fracciones de interés a falta de datos para la - Factores de bioacumulación y bioconcentración
sustancia discreta o principal), para establecer categorías en cuanto - Concentración letal media
a su persistencia y/o bioacumulación. - Concentración de efecto media
- Por otra parte, ecotoxicológicamente pueden considerarse - Concentración más alta en la que no se observan efectos
aspectos tales como: organismos indicadores del efecto tóxico sobre adversos
el ecosistema, niveles tróficos considerados, factores abióticos (pH, Cabe señalar que si están disponibles otros parámetros o datos
temperatura, precipitación entre otros), tiempos de exposición, adicionales a los anteriores se recomendó colectarlos pues pueden
efectos adversos, efectos letales y subletales, entre otros, para coadyuvar en las revisiones críticas y juicios profesionales tanto
establecer sus niveles de toxicidad. cuantitativos como cualitativos
40
4.- ¿Cuál es su opinión Los expertos opinaron que el uso de modelos que predigan el Los modelos sugeridos fueron:
acerca de la utilización de comportamiento de las sustancias en el medio ambiente y en los Para Persistencia:
modelos para la predicción seres vivos puede ser muy adecuado, siempre y cuando se tomen en AOPWIN (Vida media en aire)
de parámetros necesarios cuenta los siguientes aspectos: BIOWIN (Vida media en agua)
para la categorización de - Los modelos deben tomar en cuenta las condiciones ambientales HYDROWIN (vida media en agua)
SQ, y cuáles sugiere? de la región, al ser predictivos la variación es significativa; sin Para Bioacumulación:
embargo, son una herramienta importante ante la escasez de datos KOWWIN (Log Kow)
experimentales que permitan evaluar el comportamiento de las BCFBAF (factores de bioconcentración y bioacumulación)
diferentes sustancias. Para Toxicidad:
- Para confirmar una categorización, debe verificarse que las ECOSAR (LC50, EC50, NOAEC-ChV)
sustancias modeladas estén adecuadamente cubiertas por un
conjunto de estructuras moleculares usadas en la construcción del
modelo QSAR. La calidad de los datos en esta base, su transparencia
y su tamaño, pueden ser usados para determinar la confianza y
exactitud de las predicciones.
5.- ¿Qué opina de los -Los expertos realizaron una revisión de los criterios propuestos por Los valores criterio consensuados para cada punto final fueron:
valores criterio propuestos diversos organismos ambientales internacionales que han realizado - Persistencia
por la CEPA? una categorización de sustancias toxicas, que han obtenido vida-media (en días) en:
(Procedimiento de resultados confiables y que han publicado sus valores criterio. - aire: ≥ 2 días
Categorización de Canadá) Hubo un consenso general en los puntos finales para establecer los - agua: ≥ 182 días
criterios de persistencia, bioacumulación y toxicidad: - suelo: ≥ 182 días
- Persistencia - sedimento: ≥ 365 días
vida-media (en días) en aire, agua, suelo y sedimento - Bioacumulación
- Bioacumulación - BCF: ≥ 5 000
BCF, BAF y Log kow - BAF: ≥ 5 000
- Toxicidad - Log Kow: ≥ 4.1
LC50, EC50 y NOAEC - Toxicidad
- LC50: ≤ 1 mg/L
- EC50: ≤ 1 mg/L
- NOAEC: ≤ 0.1 mg/L
41
42
2.2 CRITERIOS PROPUESTOS PARA LA CATEGORIZACIÓN ECOLÓGICA
DE SUSTANCIAS EN COMERCIO EN EL PAÍS
Con base en las opiniones aportadas por el grupo de especialistas consultados
y los criterios utilizados en otros procesos de categorización, se seleccionaron
y consensuaron tres criterios de categorización: persistencia, bioacumulación y
toxicidad. A continuación se indican algunos de los motivos para la selección
de estos criterios.
Las sustancias que son persistentes, bioacumulables y tóxicas plantean un
desafío muy particular en cuanto a su manejo seguro y su gestión, entre otras
cosas, porque no puede establecerse una concentración en el ambiente que
sea segura.
Por otra parte, los compuestos con estas características de riesgo podrían ser
transportados a zonas remotas no contaminadas, poniendo en peligro la
protección de éstas.
Si además de ser persistentes, estas sustancias tienen alto potencial para ser
bioacumulables en la vida silvestre o en el ser humano durante períodos
prolongados, pueden entonces anticiparse sus efectos, independientemente de
si la toxicidad se ha demostrado en pruebas de laboratorio o no.
Cada vez son más las iniciativas nacionales e internacionales que han
consensuado que un corte de Log Kow de 5 como valor criterio es el adecuado
para ejercicios de categorización de compuestos químicos. Así, las sustancias
que presentan un Log Kow ≥ 5 se categorizan como bioacumulables.
Otros factores que se utilizan para considerar si una sustancia puede o no ser
bioacumulable, son los factores de bioconcentración y de bioacumulación (BCF
43
y BAF), de los cuales se ha observado una relación estadística muy cercana
cuando los valores de Log Kow son ≥ a 5 y cuando los BCF o los BAF tienen
valores ≥ a 5 000. De ahí la selección de los valores criterio para los factores
que pueden también indicar si una sustancia es bioacumulable.
Para decidir si una sustancia es persistente, el punto final para tomar tal
decisión es la vida media en días, es decir, el tiempo necesario para que una
sustancia se degrade a la mitad de la cantidad originalmente emitida o liberada
al ambiente. Los procesos de degradación pueden ser bióticos (por
microorganismos –biodegradación aerobia o anaerobia-) o abióticos (luz –
fotólisis-, agua –hidrólisis- y reacciones de oxidoreducción -oxidación
atmosférica, reacciones con radicales hidroxílicos y con ozono).
Por otro lado, los valores de corte para la categorización de una sustancia
como tóxica son producto de estudios en su mayoría realizados en laboratorio,
bajo condiciones controladas, siguiendo protocolos autorizados, aplicando
buenas prácticas de laboratorio y normalizando técnicas y estrategias, entre
otras.
Así, los parámetros para determinar si una sustancia provoca o puede provocar
una toxicidad aguda, son la concentración letal media (LC50) y la concentración
media en la que se observan efectos adversos en el 50 % de los organismos
44
(EC50). Para establecer la toxicidad crónica se utiliza el NOAEC, concentración
más alta en la cual aún no se observan efectos adversos.
45
Cuadro 2-7. Valores criterio para toxicidad aguda y crónica en especies
acuáticas (algas, invertebrados, peces)
Duración de la Exposición Criterios
Aguda LC50 o EC50*≤ 1 mg/L
Crónica NOAEC** ≤ 0.1 mg/L
* LC50 = concentración letal media; EC50 = Concentración media con efectos en el 50%
de los organismos
** NOAEC = Concentración en la que no hay efectos adversos observables.
Finalmente, cabe señalar que los criterios y sus valores para la categorización
de sustancias no son rígidos ni definitivos, pues de acuerdo a los avances
científicos y futuros estudios, estos podrían ser modificados. Sin embargo, los
criterios y sus valores de corte tienden cada vez más a ser estandarizados y
adoptados por unanimidad por instituciones líderes en materia ambiental de
diversas regiones del mundo, tales como países miembros de la Unión
Europea (Finlandia, Suiza, Alemania), Australia, Japón y países miembros de la
Comisión para la Cooperación Ambiental de América del Norte (particularmente
Estados Unidos y Canadá).
46
III ESTRATEGIA GENERAL PARA LA CATEGORIZACIÓN ECOLÓGICA DE
SUSTANCIAS QUÍMICAS
La figura 3-1 presenta un diagrama de flujo que esquematiza la estrategia
global aplicada para la categorización ecológica de las sustancias listadas en la
versión preliminar del Inventario Nacional de Sustancias Químicas (INSQ), que
se encuentran en comercio en nuestro país. El diagrama se divide en tres
pasos principales. La figura 3-1a presenta la estrategia general que se siguió
para categorizar a las sustancias considerando en primera instancia si habían
sido o no categorizadas por el Departamento de Medio Ambiente de Canadá.
Si las sustancias fueron categorizadas por Canadá se dispone de la
información necesaria para categorizar a las sustancias listadas en el inventario
de sustancias (INSQ) utilizando los criterios consensuados que se propusieron
en este estudio.
La figura 3-1b presenta los pasos que se siguieron para categorizar a las
sustancias que no fueron categorizadas por Canadá y para las cuales se
cuenta con datos experimentales confiables. La figura 3-1c presenta la
continuación de esta estrategia para categorizar a las sustancias para las
cuales no fue posible encontrar datos experimentales confiables y por lo tanto
se plantea el uso de modelos.
De acuerdo con la consulta a expertos, la metodología utilizada por Canadá
para categorizar a las sustancias listadas en la DSL, sería la metodología
recomendada para categorizar a las sustancias listadas en el Inventario
Nacional de Sustancias Químicas (INSQ). Esta metodología se describe con
detalle en el capítulo IV. Considerando los alcances de este estudio, algunos
de los pasos descritos en esta metodología se siguieron para realizar un
ejercicio preliminar de categorización de las sustancias en el comercio nacional
para las cuales no se cuenta con información en las bases de datos de
Canadá. Los pasos y resultados de este ejercicio preliminar se describen en las
figuras 3-1b y 3-1c y con mayor detalle en el capítulo V.
3.1 RESULTADOS DE LA CATEGORIZACIÓN UTILIZANDO LAS BASES DE
DATOS DE CANADÁ
La lista de sustancias existentes o lista nacional de sustancias de Canadá
(DSL) consta de 22 017 compuestos, los cuales fueron categorizados por el
Departamento de Medio Ambiente de Canadá (Environtment Canada)
conforme a las regulaciones establecidas en la Ley de Protección Ambiental de
ese país (CEPA, 1999) .
En la figura 3-1a, se muestra el resultado de la comparación entre la lista
canadiense (DSL) y las 4 663 sustancias listadas en el INSQ. Como se aprecia
en la figura, se encontraron 2 810 sustancias en común entre ambas listas, lo
cual indica que las bases de datos de Canadá poseen la información necesaria
para categorizar a 2 810 sustancias del INSQ.
Se consultaron los valores de persistencia, bioacumulación y toxicidad de estas
2810 sustancias reportados en las bases de datos canadienses y se
compararon con los puntos de corte establecidos para los criterios de
categorización propuestos en este estudio. Se encontró que 480 sustancias del
47
INSQ sí cumplen con los criterios y valores propuestos, por lo tanto, estas
sustancias se pueden integrar en una lista prioritaria preliminar para evaluar
con mayor detalle los riesgos de estas sustancias sobre los ecosistemas y si es
requerido establecer algún tipo de control para prevenir o mitigar sus efectos.
De las 2 810 sustancias, 2 330 no cumplieron con los criterios por lo que con
base a la información existente se pueden considerar no prioritarios para
realizar una evaluación de riesgo ambiental.
A partir de las bases de datos de Canadá, se elaboraron 11 hojas de cálculo
integradas en una base de datos, una por cada clase de sustancia, con la
información ambiental y ecotoxicológica de las 480 sustancias identificadas
como prioritarias (anexo 1). En la figura 3-1a se indican las clases asignadas a
estas sustancias.
48
Figura 3-1a. Estrategia general para la categorización ecológica de las sustancias del Inventario Nacional de Sustancias
Químicas
2 330 sustancias NO
cumplen con los Se determinó cuántas sustancias
Se aplicaron a algunas de estas sustancias criterios de cumplen con los criterios de
categorización categorización (PT, PB o PBT)
algunos de los pasos de la metodología de
categorización de Canadá
I II III IV V
Clase: Orgánicas Clase: Clase: Clase: Sales Clase:
Total: 130 Inorgánicas Organometálicas Metal Orgánicas Polímeros
69 PT, 38 BT y Total: 211 Total: 21 Total: 26 Total: 24
23 PBT 211 PT 19 PT, 1 BT, 1 PBT 26 PT 24 PT
VI VII VIII IX X XI
Clase: UVCB Clase: UVCB Clase: UVCB Clase: UVCB Clase: UVCB Clase: UVCB
Orgánicas Inorgánicas Sales metal- Polímeros Biológicas Organometálicas
Total: 39 Total: 14 orgánicas Total: 1 Total: 6 Total : 1
12 PT, 18 BT y 9 PBT 14 PT Total: 7; 7 PT 1 PT 1 PT, 5 BT 1 PT
Estas 480 sustancias pueden ser colocadas en una lista prioritaria preliminar
49
Figura 3-1b. Estrategia general para la categorización ecológica de las sustancias del Inventario Nacional de Sustancias
Químicas (Continuación)
Se consultó la base de datos del INSQ y se extrajo información sobre la identidad química de las
sustancias químicas (No. CAS; nombre químico en español; clase; fórmula molecular y/o SMILES)
Se diseñaron bases de datos sistematizadas por clase (orgánicas, inorgánicas…, etc.) y criterio (Persistencia,
Bioacumulación y Toxicidad)
DATOS DE INTERÉS
Solubilidad Vida media en suelo-Biodegradación aeróbica (días) Log Kow Toxicidad acuática1
Vida media en sedimento-Biodegradación anaeróbica (días) BAF LC50
Vida media en agua-Hidrólisis (días) BCF Aguda EC50
Vida media en aire-Fotólisis u oxidación atmosférica (días) NOAEC o
NOAEL
Crónica
(ChV = Valores
crónicos
Obtención de
Sí ¿Se encontraron No datos a partir
datos
B
del uso de
experimentales Modelos
confiables? (predicciones)
No
Sí
No
La sustancia es
PBT, BT ó PT
Si la sustancia es PT, BT o PBT (Persistente y/o Bioacumulable y Tóxica) puede ser considerada para ser incluida en una lista prioritaria preliminar
1
50
Es importante tener cuidado en capturar datos de toxicidad acuática
2
Para algunas clases de sustancias (Inorgánicas, Organometálicas, Sales Metal Orgánicas, UVCB-Inorgánicas, UVCB-Organometálicas, UVCB- Sales metal Orgánicas), el
criterio para considerar tóxica a una sustancia está en relación directa con la solubilidad, así, los criterios para estas clases de sustancias son los siguientes:
Solubilidad ≥ Toxicidad (LC50, EC50) ≤ 1 mg/L (Toxicidad Aguda) o Solubilidad ≥ Toxicidad (NOAEC, NOAEL o ChV) ≤ 0.1 mg/L (Toxicidad Crónica)
Figura 3-1c. Estrategia general para la categorización ecológica de las sustancias del Inventario Nacional de Sustancias
Químicas (Continuación)
MODELOS RECOMENDADOS
PARÁMETRO MODELO
Solubilidad (de preferencia a 25 °C) WATER SOLUBILITY at 25 °C
PERSISTENCIA (P)
Vida media en suelo y/o en sedimento en “palabras” (horas, días, BIOWIN v. 4.10: Biowin3 (Ultimate Biodeg. Timeframe) Estos
semanas, meses… etc.), datos se extrapolan a días de acuerdo a la propuesta de Boethling
BIOACUMULACIÓN (B)
CRÓNICA NOAEC (Puede encontrarse como NOAEL o como ChV) ECOSAR v. 1.00
¿Se encontraron
Sí predicciones
No
confiables en los
modelos?
La sustancia puede
ser colocada en una
No lista para su
categorización
posterior, cuando
haya datos
disponibles
≥ a 182 días en Sí La
es ≥ a 4.1 y/o Sí La EC50 es ≤ a 1 mg/L No
suelo y/o en agua sustancia
su BAF y/o su sustancia y/o su NOAEC y/o
Sí
No
La sustancia es
PBT, BT ó PT
Si la sustancia es PT, BT o PBT (Persistente y/o Bioacumulable y Tóxica) puede ser considerada para ser incluida en una lista FIN51
prioritaria preliminar
IV PROCEDIMIENTO PARA LA CATEGORIZACIÓN DE SUSTANCIAS
QUÍMICAS EN CANADÁ
4.1 INTRODUCCIÓN
Figura 4-1. Procedimiento general para la categorización y detección de las sustancias prioritarias
en Canadá
1
INSQ: Inventario Nacional de Sustancias Químicas (México)
2
DSL: Lista de Sustancias Domésticas (Canadá)
Se encontraron 1 853 A
sustancias que NO están
52
Las tres categorías principales aplicables a las sustancias son: 1) persistentes y
tóxicas (PT), 2) bioacumulables y tóxicas (BT) y 3) persistentes, bioacumulables y
tóxicas (PBT).
En la sección 2.2 se describen estos criterios y el fundamento para su elección por
parte de las instancias ambientales.
4.3 VALORES CRITERIO DE CATEGORIZACIÓN PARA PERSISTENCIA,
BIOACUMULACION Y TOXICIDAD
Los umbrales o valores criterio y sus puntos de corte se presentan en los cuadros
2-6 y 2-7.
La validez de cualquier procedimiento de categorización, se encuentra
estrechamente relacionada con la confiabilidad y la incertidumbre del proceso y los
datos que se utilizan. En la siguiente sección se describen estos aspectos y
posteriormente se presentan las metodologías canadienses de categorización
para las diversas clases de compuestos químicos existentes en la DSL.
4.4 CARACTERIZACIÓN DE LA INCERTIDUMBRE
Caracterizar la incertidumbre es una práctica normal al conducir valoraciones de
sustancias. Algunos modelos y sus predicciones contemplan mecanismos para
considerar la incertidumbre al ser creados y al agregar los parámetros de entrada.
En la mayoría de las regulaciones, se juzga deseable evaluar cualitativamente, si
no cuantitativamente, el nivel de incertidumbre unida a estos modelos predictivos.
Esto es para que los tomadores de decisiones y partes interesadas entiendan las
incertidumbres que pueden asociarse con los datos científicos en los cuales se
basa la decisión.
Las fuentes primarias de error, extrapolaciones, o suposiciones pueden
identificarse para que la incertidumbre global pueda ser establecida. Algunas de
estas fuentes se enlistan a continuación:
La falta de peso de la evidencia (es decir, se puede tener sólo un dato para
P, B, o T);
Error del modelo (por ejemplo, creación limitada del conjunto de datos que
se introducen en el modelo o un error asociado con las variables de
entrada;
Extrapolación de las estimaciones para biodegradación a los valores de
vida media - medio específico (aire, agua, suelo o sedimento);
El uso del peor caso para un medio, con base en la vida media en lugar de
la vida media global;
El potencial de bioacumulación contra la biodisponibilidad (para sustancias
con estimaciones altas para log Kow);
Diferencias en la sensibilidad a las sustancias entre las especies de la
prueba expuestas;
53
Diferencias entre las condiciones del agua (principalmente temperatura, pH,
dureza y carbono orgánico disuelto) en las pruebas de toxicidad; y
La solubilidad estimada para sustancias inorgánicas moderadamente
solubles.
Las sales metal orgánicas (SMO), contienen una fracción metálica y una fracción
orgánica generalmente unidas por un puente iónico simple.
Las sustancias organometálicas, en contraste con las sales metal orgánicas, son
compuestos que contienen un metal covalentemente unido a un carbono, o bien,
para propósitos de categorización, son todos los compuestos donde el metal tiene
múltiples enlaces con oxígeno, nitrógeno o azufre.
54
4.6 SUSTANCIAS ORGÁNICAS
SUSTANCIAS DSL
REVISIONES CRÍTICAS
PESO DE LA EVIDENCIA
Preferencia de los datos
SELECCIÓN DE VALOR
REPRESENTATIVO
Valores P, B y T
CATEGORIZACIÓN DE LA SUSTANCIA
55
Environmental Health Criteria (EHC) Monographs;
Agency for Toxic Substances and Disease Registry (ATSDR)
Toxicological Profiles (USA);
OECD SIDS;
German BUA (Society of German Chemists Advisory Committee on Existing
Chemicals of Environmental Relevance) Reports;
Hazardous Substances Data Bank (HSDB) Profiles;
BIBRA Toxicity Profiles (United Kingdom); y
International Uniform Chemical Information Database (IUCLID), European
Chemicals Bureau
Las siguientes reglas básicas son una guía para seleccionar datos de compuestos
análogos:
56
biodisponibilidad y el comportamiento de partición del análogo. Una
solubilidad en agua mayor representa una biodegradación o hidrólisis más
rápida y por lo mismo, es menos biacumulado por la biota.
Para persistencia, una sustancia análoga puede tener la misma reactividad
o estabilidad que la sustancia principal de interés. Este factor es importante
considerando que la persistencia de un compuesto está en función de su
potencial para reaccionar y los productos que se generen podrían ser
tóxicos para organismos no humanos.
Para un punto final (endpoint) de interés, los descriptores moleculares
relevantes de un compuesto análogo pueden ser valores comparables a
aquellos de la sustancia principal. Los descriptores moleculares incluyen
propiedades tales como electroafinidad general y distancia entre las
fracciones electronegativas en una molécula.
57
Cuadro 4-1. Modelos utilizados para estimar P, B y T
Modelo Punto(s) final(es) calculado(s)
Persistencia
AOPWIN versión 1.90/1.91/1.92 (SRC) Oxidación atmosférica
BIOWIN versión 3/ 4.01/4.10 (SRC) Biodegradación
HYDROWIN versión 1.67/2.0 (SRC) Hidrólisis
TOPKAT versión 6.1 Biodegradación aeróbica
Bioacumulación
KOWWIN versión 1.66/1.67 (SRC) log Kow
ACD (Advanced Chemistry Development Log D (log Kow forma ionizada)
Ltd.)
PALLAS versión 4.0 (Compu Drug Log D (log kow forma ionizada)
Chemistry Ltd.)
Modelo GOBAS (BCFBAF) modificado BAF y BCF
(Frank Gobas, Universidad Simon Fraser)
Toxicidad a organismos no humanos
ECOSAR/ECOWIN versión 0.99/1.00 Aguda y crónica en peces, dáfnidos y
(SRC/U.S. EPA) algas
TOPKAT versión 5.0/5.02/6.0 (Oxford Aguda en peces y dáfnidos
Molecular Group)
ASTER (U.S. EPA) Aguda en peces
OASIS (Mekenyan et al. In press) Aguda en peces
PNN- probabistic Neural Network (Kaiser Aguda en peces
y Niculescu, 1999)
Distribución Ambiental
Fugacity Level II y III (Fugacidad Nivel II y Porcentaje de distribución en los
III) compartimentos ambientales
Una vez que han sido colectados los datos, el evaluador puede determinar cuáles
datos son aceptables y cuales datos son preferibles para usarse en la
58
determinación de P, B y T. La validación de los datos involucra la deducción de la
calidad de éstos.
4.6.2.2.1.1 Antecedentes
Las buenas prácticas de laboratorio (GLP, por sus siglas en inglés) se ubican en
un programa QA desarrollado por la OCDE, éstas se aplican al análisis de nuevos
productos, particularmente químicos comerciales y pesticidas con propósitos de
registro. Las guías para GLP, aprobadas por los países miembros de la OCDE,
describen los requisitos para conducir y reportar estudios específicos, estos
requisitos garantizan la confiabilidad de los datos.
59
Figura 4-3. Estrategia general para la validación de datos experimentales
“Dentro”
“Dentro”
Datos Usados en la
Categorización
La forma de resumen del estudio puede presentarse en dos formatos: corto y largo
(detallado). La forma corta, preparada como una lista de chequeo en una base de
datos, puede contener columnas de preguntas para ser contestadas con un “Sí” o
“No”. Las preguntas son acerca del análisis de la sustancia, el método, pruebas
con el organismo, y condiciones designadas de las pruebas o análisis. Cuando se
tienen estudios o datos muy numerosos, se recomienda esta forma pues de esta
manera éstos serán más fácilmente accesibles en un tiempo relativamente corto.
Cuadro 4-2. Códigos e intervalos de confianza para la evaluación de la calidad de los datos
Códigos de Intervalos de Características Códigos y
Confiabilidad confianza categorías
(Departament (Departament correspondientes
o de Medio o de Medio a Klimisch
Ambiente de Ambiente de
Canadá) Canadá
1 Alta Confianza Guías (Preferibles de la OCDE) 1 (confiable sin
(a: alta) restricciones)
Validación a fondo y comparable con los
estudios guía
61
Deficiencias metodológicas relevantes
Por lo tanto, para confirmar una categorización, debe verificarse que las
sustancias modeladas estén adecuadamente cubiertas por un “training set”, un
conjunto de estructuras moleculares usadas en la construcción del modelo. La
calidad de los datos en esta base, su transparencia y su tamaño, pueden ser
usados para determinar la confianza y exactitud de las predicciones.
Puede alcanzarse una gran confianza en una predicción por modelos si se verifica
que la sustancia en cuestión es estructuralmente análoga a los componentes del
conjunto de estructuras moleculares introducidas para armar el modelo. Si este
conjunto es robusto o fuerte, esto da como resultado un “alto grado de cobertura”
para la sustancia en cuestión y proporciona pocos errores en la predicción
(extrapolación).
Algunos modelos proporcionan más información y detalles que otros con respecto
a la confianza de la predicción. Por ejemplo, TOPKAT v. 6.0, provee las medidas
con las cuales se analiza no sólo la posición espacial de la sustancia con óptima
predicción, también proporciona la información de cuáles sustancias del conjunto
de datos (training set) fueron utilizadas para derivar la predicción.
62
En este caso, el valor representativo se define como el valor final seleccionado por
el peso de la evidencia al comparar nuevamente los criterios de P, B y T.
Los datos experimentales siempre son preferibles a las predicciones por modelos.
Los datos experimentales que satisfacen los criterios establecidos en la evaluación
de la calidad de los datos P, B y T, pueden ser evaluados con el enfoque del peso
de la evidencia y la selección del valor representativo.
63
3. Predicción por modelos confiables (es decir, una buena cobertura estructural)
4. Datos experimentales aceptables para un análogo estructural
5. Análisis cualitativo
Las guías de preferencia antes mencionadas no intentan ser rígidas, más bien
actúan como guías generales, en algunos casos, los datos disponibles, el análisis
cualitativo y la simple práctica pueden resultar en una variación del orden de
preferencia.
Una vez que han sido ensamblados todos los datos disponibles y confiables, se
selecciona el valor representativo. Esta selección se basa en el orden de la
preferencia de los datos y en el peso de la evidencia. Por ejemplo, un dato
experimental aceptable (si está disponible) será siempre preferible sobre una
predicción por modelos como un valor representativo.
64
Cuadro 4-3. Ejemplo de perfil PBT para categorización
Hexaclorobutadieno (No. CAS 87-68-3) Categorización = PB y T
Propiedad Estimación Medio Criterio Categorización
relevante
Distribución ambiental 5.68% agua; 79.1% suelo; Agua suelo
3.93% aire; 11.3% sedimento
Persistencia Vida media en agua >182 días; Agua: ≥ 182 Persistente (agua)
Vida media en suelo > 182 días días Persistente
Suelo: ≥ 182 (suelo)
días
Bioacumulación BCF 19 000 BCF≥5 000 Bioacumulable
Toxicidad 90 µg/L (0.09 mg/L) 96 hr (Pez) LC50 ≤ 1 Toxicidad (aguda)
mg/L
Una vez que ha sido creado el perfil PBT para una sustancia, éste puede ser
utilizado para categorizarla. Sólo aquellas sustancias categorizadas como P y/o B
y T, es decir, categorizadas como “dentro” reciben atención para pasar a una fase
de evaluación de riesgo.
Las guías para el uso de modelos –en parte formados por el taller de trabajo
organizado por el Departamento de Medio Ambiente de Canadá (CED 2000)–
contemplan a las sustancias “fáciles de modelar”, es decir, sustancias cuyas
predicciones son más confiables y, lo más importante, a las sustancias “difíciles de
modelar” (sustancias para las que las predicciones por modelos son poco
confiables). Consecuentemente, también se describen las guías para el desarrollo
de análisis cualitativos bajo estas circunstancias (apéndice 9).
4.6.3 Persistencia
Tanto los procesos bióticos como los abióticos miden la persistencia de las
sustancias orgánicas en agua, suelo, sedimento y aire. La degradación de
microorganismos es la primera fase de degradación biótica (biodegradación),
aunque la fitodegradación (degradación de las plantas) también contribuye a la
descomposición de este tipo de sustancias en el ambiente. La degradación
abiótica incluye la hidrólisis, fotólisis y los procesos de óxido-reducción. A tasas
constantes, los anteriores procesos se utilizan para obtener la vida media de una
sustancia en un medio específico, los cuales se reportan generalmente como la
medida del punto final para el proceso de persistencia.
La siguiente sección describe la forma en que los datos experimentales,
predicciones por modelos, datos análogos y análisis cualitativos son usados para
estimar la vida media en agua, suelo, sedimento y aire y cómo la vida media
estimada para la biodegradación se extrapola al criterio de persistencia. Se discute
65
también la estimación de “transporte A grandes distancias” (LRT, por sus siglas en
inglés), pues el criterio para persistencia en aire incluye la consideración del LRT.
El proceso completo para la categorización de persistencia en sustancias
orgánicas, se presenta en la figura 4-4.
66
Figura 4-4. Procedimiento general para categorización de sustancias orgánicas como persistentes
Sustancias Orgánicas
No cumple el criterio
No ¿Es significativa la
Para Persistencia
presencia en algún medio?
(> 5%)
Sí
¿Datos experimentales de Sí
vida media disponibles?
No
Predicciones de vida
media (modelos)
Revisión crítica y No
análisis cualitativo ¿Predicción
para determinar P
Sí
Determinación de la Vida Media en un
Medio Específico
67
4.6.3.1 Determinación de la distribución ambiental
68
4.6.3.1.2 Combinación del medio específico y la vida media
Se estimó la vida media usando una combinación del medio específico y la vida
media. Como se detalla en la figura 4-5, la vida media y los procesos de
degradación pertinentes a un medio particular pueden ser combinados para dar
una combinación medio específico - vida media (t ½).
- Aire
1 1 1 1
= + ___________ + ___________________
Combinación (aire) (t ½) Ozono (t ½) Fotólisis (t ½) Fotodegradación (t ½)
1 1 1
= ________ + ___________
Combinación (agua) (t ½) Biodegradación (t ½) Hidrólisis (t ½)
Por ejemplo, en el caso de que el medio sea el agua, la vida media (proceso de
degradación) y la hidrólisis (proceso en el destino) no pueden ser consideradas
separadamente, pues su tasa es considerada colectivamente para proveer una
representación real de los dos procesos ocurriendo simultáneamente en el
ambiente. Además, si en este ejemplo, la vida media para la degradación en agua
es de 180 días para una sustancia, y la vida media para la hidrólisis de la misma
sustancia en agua fue también 180 días, la combinación medio específico- vida
media para esta sustancia en agua sería de 90 días.
69
4.6.3.2 Uso de datos experimentales y predicciones por modelos
4.6.3.2.1 Biodegradación
1
Asumiendo la cinética en primer lugar, se espera que las sustancias con un resultado positivo, tengan una
-1
tasa constante (k) de ≤14 día y un medio no específico- vida media de aproximadamente 5 días (t ½= ln2/k)
(Boethling, 2000) (Apéndice 3)
70
EEC (1996) y pueden ser consultadas para determinar la vida media de estas
sustancias en la superficie del agua, suelo y sedimentos (apéndices 3 y 4).
La Tabla A3-2 en el apéndice 3, resume los criterios que Aronson y Howard (1999)
sugieren para interpretar los resultados de las pruebas de biodegradación
inherente. En estas pruebas se asume que las sustancias que muestran una
biodegradación de >70% en 28 días, tienen una tasa constante en agua de 0.023
día-1 y una vida media de 30 días, asumiendo la cinética en primer orden.
71
Adicionalmente, la estructura de un químico puede examinarse si sus grupos
funcionales presentan biodegradación inhibida (por ejemplo ramificaciones alquilo)
bajo condiciones ambientales. El apéndice 2 (tomado del grupo de trabajo para
modelos de Filadelfia) contiene una lista de grupos funcionales asociados con
persistencia y con biodegradación.
Los modelos BIOWIN5 y BIOWIN6 están elaborados a partir bases de datos para
biodegradación elaboradas por el Departamento de Medio Ambiente Japonés
(MITI, Ministry of International Trade and Industry-Japan) e indican si una
sustancia es fácilmente biodegradada aeróbicamente por microorganismos en
suelo. El valor que se prefiere es el Biowin5 (Lineal).
4.6.3.2.2 Hidrólisis
72
Las sustancias que mostraron >10% de hidrólisis en 5 días muestran que su vida
media es <1 año (no persistentes). Sin embargo, como la hidrólisis es gobernada
por el pH, ésta puede determinarse si el reporte de hidrólisis resulta aplicable al
rango de pH ambientalmente relevante en aguas superficiales (por ejemplo, pH 6-
8). Una sustancia que sufre una hidrólisis extremadamente ácida o básica, puede
ser estable bajo condiciones ambientales. Tipos de sustancias que se sabe se
hidrolizan incluyen ésteres, carbamatos, epóxidos, halometanos y haloalquilos.
Debido a que el programa HYDROWIN puede generar datos de vida media para
varias clases de sustancias (ésteres, carbamatos, epóxidos, halometanos y
haloalquiles seleccionados), la vida media a pH 7 y 8 puede ser comparada
directamente con los criterios para persistencia en agua.
4.6.3.2.3. Fotólisis
73
La categorización de las sustancias en la orgánicas usando la información
experimental de fotodegradación puede basarse en un enfoque análogo cuando
es posible.
La vida media generada por AOPWIN puede ser comparada directamente con los
criterios de persistencia en aire.
Las sustancias difíciles de modelar son aquellas que salen del dominio del
conjunto de datos (training set) de los modelos o aquellas que tienen propiedades
no fácilmente determinables. Junto con el grupo de trabajo sobre modelos de
Filadelfia, en 1999 (CED 2000), los expertos en modelaje para datos de
persistencia y bioacumulación identificaron los siguientes tipos de sustancias
como difíciles de modelar debido a la falta de inclusión en el trainig set y pobre
representación de su relación entre su actividad y estructura molecular, entre otras
razones:
- Polímeros
- UVCBs
- Sustancias ionizables
- Pigmentos
- Algunas tintas
74
grupos funcionales que se sabe que reaccionan en el agua (por
ejemplo, ésteres, peróxidos) o con la luz del sol (por ejemplo,
quetonas, aromáticos halogenados);
Grupos funcionales que se sabe que son metabolizados rápidamente
(por ejemplo, ésteres); y
Tamaño y peso molecular (peso molecular y tamaño grande pueden
reducir la biodisponibilidad).
Solubilidad en agua
La solubilidad en agua (y su biodisponibilidad) de la sustancia
también deben ser consideradas. Específicamente, una baja
solubilidad en agua limitará la tasa de hidrólisis. También estas
sustancias suelen tener fuertes propiedades de absorción que limitan
su biodisponibilidad a los microorganismos durante las pruebas
biodegradación.
Según los valores criterio para persistencia en el aire, las sustancias con potencial
para ser transportadas hacia áreas remotas del planeta, son consideradas
persistentes. La evidencia para el transporte de largo alcance (Long Range
Transport-LRT) y su deposición se toman en cuenta en la determinación de
persistencia.
Algunos métodos que se han propuesto para la evaluación del potencial LRT
(Pennington en prensa-c) incluyen:
(1) la distancia de viaje efectiva (Effective Travel Distance, ETD) que está
definido como la distancia recorrida por una sustancia antes de que su
concentración en un medio se reduzca a un nivel específico para una
emisión de masa determinada en el aire, agua y/o suelo;
(2) la distancia de viaje característica (Characteristic Travel Distance, CTD) que
está definida como la distancia recorrida por una sustancia en el aire antes
de ser reducida por un factor dado (por ejemplo, 50% o 95%); y/o
(3) la vida media de degradación en el aire.
75
En cambio, el criterio de vida media > 2 días es el usual para determinar si una
sustancia es persistente en el aire.
4.6.4 Bioacumulación
76
Sustancias Orgánicas
¿Existen datos
Sí de BAF ≥5000 No
experimentale
s o en
B No B
¿Existen datos
Sí de BCF ≥ 5000 No
experimentale
s o en
B No B
Log Kow
experimental o
en modelos
< 4.1 > 12
No B 4.1 a 12 No B
Considerar predicciones en
modelos de BAF con peso de
≥ 5000 < 5000
evidencia de predicciones para
BCF disponibles
B No B
77
Los Factores de Bioacumulación (BAFs) se prefieren sobre los Factores de
Bioconcentración (BCFs), debido a que proveen información acerca del
comportamiento de biocumulación en el ambiente y esto comprende medidas que
incluyen todas las rutas de entrada y eliminación del químico. Por tanto, las
medidas de BAFs deben utilizarse cuando sea posible (es decir, de acuerdo a su
disponibilidad y confiabilidad), antes que los valores de BCFs. En circunstancias
en que los BAFs y/o los BCF confiables no estén disponibles, se considera la
medida y predicción del log Kow para las sustancias de la DSL, en adición a las
predicciones de los BAFs y/o BCF.
Las sustancias con datos experimentales o de predicciones para log Kow mayores
a 4.1 y menores a 12 tienen la potencialidad de exceder los criterios BAFs y BCFs
basados en los datos de modelos; la significancia del rango de corte 4.1-12 log
Kow corresponden a las curvas en la figura 4-7. En tales casos, el BAF modelado
puede ser usado en el enfoque del peso de la evidencia, comprendiendo también
los datos modelados de los BCF. Las sustancias que tienen predicciones de BAF
y/o BCF >5000, después de aplicar el peso de la evidencia, pueden ser
consideradas bioacumulables de acuerdo con los valores criterio para
bioacumulación.
4.6.4.1.2 Uso de especies de niveles tróficos superiores
Cuando están disponibles BAF o BCF para diferentes clases de especies (algas,
pulgas de agua y peces), los datos de BAF o BCF para los peces se usan para
representar la bioacumulación, esto es porque el potencial para este proceso en
las cadenas alimenticias se mide más adecuadamente en organismos de niveles
tróficos superiores. En los peces es grande el potencial de entrada de un químico
mediante la dieta. Sin embargo, los peces son un poco más capaces de
metabolizar las sustancias químicas que los organismos de niveles tróficos
menores. Más aún, el potencial para que ocurra la transformación metabólica en
peces llega a limitar el potencial de bioacumulacíon del químico en la cadena
alimenticia.
4.6.4.2 Uso de datos experimentales
Los datos experimentales para log Kow y los de BCFs y BAFs están disponibles
en varias bases de datos, algunas de ellas están enlistadas en la sección 4.6.1. La
mayoría de ellos se refieren al log Kow y en menor grado, a los BCFs. Los datos
de BAF requieren de observaciones de campo y, por lo mismo, son menos
numerosos. La calidad de los datos experimentales para log Kow es generalmente
alta, de acuerdo a los protocolos establecidos desde hace años para estimar el
coeficiente de partición. Aunque no sucede lo mismo con la calidad de los BCFs y
los BAFs. Sin embargo, los BCFs y BAFs confiables sí se usan para los propósitos
de categorización, pues estos brindan información actual acerca de la
representación real del potencial bioacumulativo de una sustancia en el ambiente.
79
modelos Thomann y Campfens/Mackay son los más adecuados para la
categorización de los químicos orgánicos.
El modelo Gobas (1993) fue modificado para los propósitos de categorización y
detección de las sustancias. Las adaptaciones incluyen:
El estudio de Gobas (2001) mostró que las sustancias con un log Kow <~5,
denotan una estrecha relación entre el BAF con el BCF y el log Kow (aunque el
ingreso de la sustancia a los organismos sea predominantemente del medio). Este
estudio también demostró que los modelos para BAF revisados fueron
consistentes con los modelos para el BCF y que el BAF está linealmente
relacionado al Kow para sustancias no metabolizables. Esto significa que un
modelo BAF puede ser usado para la categorización de todas las sustancias
neutrales hidrofóbicas. Las bases para las modificaciones al modelo Gobas se
presentan en el apéndice 5.
4.6.4.3.3 Otras consideraciones
4.6.4.3.3.1 Ionización
La habilidad de una sustancia (incluyendo sales disociadas) para ser ionizada
varía bastante de acuerdo al valor del pH. Si el pKa de la sustancia sugiere que
será predominantemente iónica bajo un rango característico de pH
medioambiental, (por ejemplo, 4.5–8.5) en las aguas superficiales, una predicción
de log Kow para las formas ionizadas de la sustancia es más relevante
medioambientalmente. Las versiones actuales de algunos modelos para
bioacumulaciónn (por ejemplo, PALLAS, ACD) tienen la habilidad de considerar
para el cálculo de ionización la integración del pKa de la sustancia con el log Kow
en un rango de valores de pH. La predicción del valor de bioacumulación
(denominado log D) para formas ionizadas de la sustancia, es normalmente más
baja que la que se predice para la misma sustancia en su forma neutra. En
80
general, la sustancia con mayor fuerza iónica, tiene la predicción para log D con el
valor más bajo (por ejemplo, ácido sulfónico vs. ácido carboxílico).
4.6.4.3.3.2 Metabolismo
La evidencia actual indica que la bioacumulación de químicos orgánicos
hidrófobos involucra mecanismos similares que están razonablemente bien
descritos en los modelos actuales. Una excepción reconocida es la transformación
metabólica, la cual provoca marcadas diferencias en los BAFs de sustancias que
tienen valores de log Kow similares. También pueden existir otras excepciones,
por ejemplo, la bioacumulación de algunas sustancias fluorinadas puede involucrar
mecanismos de captación y eliminación del químico que no se han establecido
firmemente aún. Si existe información de una sustancia respecto a su potencial
para ser metabolizada, ésta puede ser tomada en cuenta durante la
categorización.
En general, la categorización de sustancias orgánicas debe aplicar modelos
conducidos según la siguiente guía:
La categorización para bioacumulación de sustancias orgánicas discretas
utilizando modelos, se realiza con un valor para el log Kow experimental o por
predicción mayor que 4.1 y menor que 12. Cuando se determina que el log Kow
está dentro de este rango, el potencial bioacumulativo de la sustancia se puede
determinar por datos modelados de BAF usando el enfoque del peso de la
evidencia, el cual considera las predicciones de BCF disponibles.
4.6.4.4 Análisis Cualitativo
El análisis cualitativo se usa a lo largo del proceso para determinar un punto final
de bioacumulación para una sustancia y es particularmente importante al examinar
la validez de los datos experimentales, al seleccionar el modelo apropiado, y,
pretenciosamente, al seleccionar un análogo.
Algunos elementos que se consideran cuando se aplica un análisis cualitativo son:
_ Rasgos Estructurales: Las estructuras moleculares se examinan para:
1. asociarlas con la solubilidad en lípidos (por ejemplo, ésteres, hidrocarburos)
y aquéllas que no lo son (por ejemplo, compuestos iónicos, estructuras
asociadas con algún pigmento/tinta);
2. grupos funcionales que se sabe que reaccionan con el agua (por ejemplo,
ésteres, peróxidos) o con la luz del sol (por ejemplo, quetonas, aromáticos
halogenados);
3. estructuras que se sabe pueden ser metabolizadas rápidamente (por
ejemplo, ésteres); y
4. solubilidad en agua (a mayor solubilidad en agua, más baja probabilidad de
partición en lípidos).
81
Dependiendo del peso de la evidencia que pueda colectarse para el potencial de
bioacumulación, ésta se determina juzgando dicho potencial contra el valor criterio
aplicable para este parámetro.
4.6.5 Toxicidad
Las siguientes secciones perfilan los procedimientos para determinar si las
sustancias orgánicas son tóxicas (T) a los organismos no humanos. La figura 4-8
presenta la estrategia global para esta determinación. En situaciones dónde los
datos confiables para ambos puntos finales existen, se prefieren los datos
experimentales sobre las predicciones por modelos. Igualmente, se prefieren
datos experimentales de toxicidad aguda sobre datos experimentales crónicos. En
las siguientes secciones se proporcionan las reglas y la guía para usar
predicciones por modelos.
4.6.5.1 Datos experimentales
Si se cuenta con datos experimentales, para los cuales se ha valorado su calidad
y confiabilidad, se prefieren sobre los resultados provenientes de modelos.
Cuando en un estudio el análisis cuantitativo queda incompleto, se hace uso del
análisis cualitativo para determinar si los datos son utilizables. En muchas
ocasiones, los datos experimentales de toxicidad aguda acuática no están
disponibles. Sin embargo, estos datos pueden existir para un compuesto análogo.
La categorización para T de sustancias orgánicas se basa en la evidencia en
especies más sensibles (es decir, el valor más bajo del conjunto de datos
ecotoxicológicos disponibles). Cuando más de uno de los valores ecotoxicológicos
aceptables para el mismo punto final (por ejemplo, LC50), está disponible para una
clase de organismo (por ejemplo, pez), el valor más bajo se selecciona como el
valor representativo para esa clase de especies.
82
Figura 4-8. Procedimiento general para categorización de sustancias orgánicas como tóxicas
en organismos acuáticos
Sustancias orgánicas
¿Existen datos
experimentale Sí Categorizar
s (Toxicidad
Aguda)?
No
¿Existen datos
experimentale Sí Categorizar
s (Toxicidad
Crónica)?
No
Colecta de datos de modelos,
análogos u otra información
No hay datos de y evaluar Predicciones y/o datos
modelos y/o hay datos experimentales
inciertos inciertos
Análisis Peso de la
Cualitativo Evidencia
Categorizar
83
Kow para clases específicas de químicos o modos de acción (ASTER, OASIS),
mientras otros usan redes de cálculo complejas que incorporan numerosos
descriptores químicos y físicos para llegar a una predicción ecotoxicológica (PNN).
En el apéndice 1 se proporciona una apreciación global de éstos modelos. El
apéndice 6 contiene el conjunto de estructuras moleculares de entrenamiento
(training set), ordenado por número CAS, para algunos de éstos modelos. Todas
las predicciones para las sustancias orgánicas deben ser comparadas con la
solubilidad en agua (de preferencia) o con la predicción de solubilidad en agua.
Las predicciones (en el compartimento acuático) que excedan la solubilidad en
agua se tratarán como poco confiables.
4.6.5.2.1 Selección del modelo apropiado
El modo de acción tóxica (moa) de la sustancia debe considerarse al seleccionar
el modelo apropiado. La siguiente es una guía que recomienda el Taller de
modelos de Filadelfia 1999:
Las sustancias deben ordenarse inicialmente según la clase del químico por
razones prácticas.
Para caracterizar el moa, deben usarse los modelos OASIS y ASTER para
identificar las sustancias reactivas y no reactivas.
Las sustancias identificadas como no reactivas (narcóticas) deben
evaluarse según los pasos para estimar la ecotoxicidad de químicos no
reactivos (sección 4.6.5.2.2)
Para las sustancias reactivas restantes, los pasos para predecir su
ecotoxicidad se perfilan en la sección 4.6.5.2.3.
Cuando el moa es desconocido, se asumirá que la sustancia tiene un modo
de acción narcótico y se seguirán los pasos para predecir la ecotoxicidad
en sustancias no reactivas.
Una vez que ha sido determinado que una sustancia tiene un moa, reactivo
o narcótico, se puede seleccionar el modelo apropiado para estimar su
toxicidad.
84
El modelo de PNN provee las predicciones más exactas. Para aumentar la
transparencia de las redes neurales, la lista de las sustancias usada en el PNN
para armar el conjunto de estructuras que respaldan al modelo se proporciona en
el apéndice 6. El Grupo Cadmus, Inc. (1999) concluyó que los modelos TOPKAT
proporcionan la mejor estimación de confianza para sus predicciones de
ecotoxicidad. Desafortunadamente, sólo 37% de las sustancias en estudio cayeron
dentro de la predicción óptima en TOPKAT, limitando así la utilidad de este
modelo en programas que deben evaluar números grandes de químicos.
Con base en los análisis dirigidos por el Grupo Cadmus, Inc. (1999) y teniendo en
cuenta los problemas de viabilidad, la categorización de sustancias orgánicas
usando modelos, se dirige según los pasos definidos en las secciones siguientes.
4.6.5.2.2 Cálculo de la ecotoxicidad de sustancias no reactivas (narcóticas)
1. Primero se utilizará el modelo TOPKAT, siempre y cuando las predicciones
caigan en el espacio de predicción óptima del modelo
2. El modelo de PNN puede ser considerado para la estimación de la toxicidad si
es que no pudo obtenerse una predicción confiable con los modelos
ECOSAR/ECOWIN, ASTER, u OASIS. La predicción confiable más conservadora
de estos modelos es la que se usará para determinar la ecotoxicidad.
3. Si no se obtiene ninguna predicción confiable con los modelos anteriores
entonces se realiza un análisis cualitativo para la categorización
4.6.5.2.3 Cálculo de la ecotoxicidad de sustancias reactivas
Todas las sustancias determinadas por ASTER como reactivas y/o OASIS y/o un
juicio especialista tienen un alto potencial para la toxicidad acuática. El análisis
cualitativo se realiza sustancia por sustancia para la determinación de la
categorización.
Los siguientes pasos son los sugeridos para estimar la toxicidad de sustancias con
modo de acción diferente a las narcóticas o no reactivas. La predicción confiable
más conservadora es la que se usará para comparar con el criterio de toxicidad.
1. Si un cálculo de ecotoxicidad puede obtenerse con el modelo TOPKAT, sin
advertencias, éste puede usarse primero. El modelo de PNN también puede
usarse; sin embargo, debe considerarse el grado de cobertura de este
modelo, si no cumple adecuadamente, debe evitarse su uso.
2. Si una estimación de toxicidad confiable para una sustancia reactiva no
puede generarse con TOPKAT o PNN, los modelos ASTER y/o OASIS y/o
ECOSAR/ECOWIN pueden entonces usarse para estimar la ecotoxicidad,
considerando el modo de acción apropiado.
3. Si se juzga que las predicciones de ASTER, OASIS, y/o ECOSAR/ECOWIN
son inestable o poco confiables (por ejemplo, quedan fuera del conjunto de
estructuras moleculares de entrenamiento que respaldan a QSAR),
entonces se extrapolan los modos de acción narcóticos básicos con los
85
factores de aplicación, según el procedimiento descrito por Verhaar et al.
(1992) descrito en el apéndice 7.
4. Si una predicción confiable de ecotoxicidad no puede hacerse según el
paso 3, entonces se realiza un análisis cualitativo para determinar el
potencial ecotoxicológico de la sustancia.
86
La segunda sección introduce un concepto importante para las sustancias
inorgánicas, “la fracción de interés”. Este término se refiere a la fracción del
químico que, con base en el juicio profesional, tiene el mayor potencial para ser
categorizado "dentro" (es decir, la fracción química que satisface los criterios para
toxicidad, persistencia y bioacumulación).
La secuencia de las secciones subsecuentes refleja cómo la estrategia para PBT
se ha adaptado específicamente para las sustancias inorgánicas que contienen un
metal. El procedimiento para categorizar las sustancias inorgánicas es determinar
primero su solubilidad en agua (incluyendo la especiación inicial en la solución),
así como su toxicidad y cualquier otra información pertinente para considerar su
persistencia y bioacumulación.
La sección 4.7.3 describe la información de datos fisicoquímicos que deben
colectarse para caracterizar adecuadamente a la sustancia inorgánica a evaluar.
En la sección 4.7.4 se interpretan los datos de toxicidad y la magnitud de su
influencia en el resultado de la categorización.
En las secciones que 4.7.5 y 4.7.6 se explica cómo son aplicados los criterios de
persistencia y de bioacumulación, respectivamente.
4.7.1 Estrategia para categorizar sustancias inorgánicas
El Departamento de Medio Ambiente de Canadá, junto con otros cuerpos
reguladores (US EPA, OCDE, UE), reconoce que las propiedades químicas de
sustancias inorgánicas y orgánicas son diferentes y que la estrategia de
categorización para sustancias orgánicas necesita ser adaptada para evaluar el
riesgo de las sustancias inorgánicas (Comisión Europea, 2001; Instituto Ambiental
Finlandés, 2001; IWG 2001; OCDE 2001; Departamento de Medio Ambiente de
Canadá 2002; US EPA, 2002).
El Departamento Ambiental de Canadá ha desarrollado un proceso sistemático
para categorizar las sustancias inorgánicas como persistentes (P), bioacumulables
(B), y tóxicas (T) para organismos no humanos. El grupo de trabajo de
especialistas del Departamento de Medio Ambiente de Canadá, (Inorganic
Working Group, IWG), proporcionó la guía para el desarrollo del procedimiento de
categorización de sustancias inorgánicas (IWG 2001).
Para armar la estrategia pertinente para las sustancias inorgánicas, el enfoque
tuvo que cambiar el criterio de toxicidad. Las interpretaciones de los tres criterios,
P, B, y T, también tuvieron que refinarse para ser significativas para las sustancias
que contienen un metal. La estrategia para la decisión de categorización de las
sustancias inorgánicas se presenta como un diagrama de flujo en la figura 4-9.
Aunque la categorización sería más conclusiva si se evaluará la bioacumulación,
ésta puede llevarse a cabo con sólo evaluar T y P. Si se determina que una
sustancia es T y P, entonces se categoriza "dentro". Cuando una sustancia es T
pero no P, entonces se determina si es B. La bioacumulación se considera al final
porque no se interpreta fácilmente en el contexto de la evaluación de riesgo de las
87
sustancias inorgánicas que contienen un metal, dado el estado actual del
conocimiento científico. Si la sustancia no contiene metales, entonces puede
evaluarse usando la interpretación normal del criterio para B.
En caso de que la fracción inorgánica de una sustancia no se haya categorizado
"dentro" y posea una fracción orgánica, se usa entonces el procedimiento para
categorizar sustancias orgánicas (sección 4.6).
4.7.2 Fracción de interés y procedimiento para el ión común2
4.7.2.1 Fracción de interés
Las sustancias inorgánicas frecuentemente se disuelven en agua, se disocian o
sufren especiación y se transforman en diferentes formas. El primer paso para
categorizar una sustancia que contenga un metal es definir cuáles fracciones
están presentes en solución. Este enfoque reconoce la importancia y el impacto
por la exposición de la especiación del metal sobre los seres vivos.
La fracción de interés puede ser la propia sustancia (sustancia principal). Éste
generalmente es el caso para los compuestos orgánicos.
Para las sustancias inorgánicas, sin embargo, sobre todo las que contienen un
metal, la fracción de interés es generalmente un componente disociado o un
producto de transformación -si es que ocurren reacciones de transformación en un
lapso de 7 días-, es decir, relativamente rápido (Anexo 3, OCDE 2001).
Designar la fracción de interés en una sustancia no necesariamente implica que se
categorizará "dentro" o que es potencialmente tóxica. El propósito es enfocar el
proceso de categorización en la fracción que tenga una mayor importancia
toxicológica, principalmente en el compartimento acuático, teniendo en cuenta su
disolución química y su potencial para ser captada por los organismos.
2
Fracción: Entidad química discreta que es parte constituyente o componente de una sustancia.
Fracción de interés: Se refiere a la fracción que, con base en juicios profesionales, presenta un gran potencial para ser
categorizada “dentro”
88
Figura 4-9. Estrategia general para la categorización de sustancias inorgánicas
Toxicidad
Persistencia
Sí No
Categorizada
“Fuera”
¿La fraccióm es persistente? ¿la
fracción es no degradable? o
¿permanece en el aire más de
2días; en agua o suelo más de 6
meses; o más de 1 año en
1) Si hay otros
candidatos,
Sí No repetir hasta
que otro
categorice
dentro o
Categorizada “Dentro” (Si el valor fuera 2) si
representativo está en una posición de ¿La sustancia es ningún
“umbral” debe evaluarse para B y bioacumulable? candidato
según el peso de la evidencia) (cuando BAF/BCF≥ 5000 o log entró, y hay
aplica) Kow ≥5 (no aplica para la fracción
mayoría de los metales) No orgánica, ésta
fracción es la
Bioacumulación
que se evalúa
Sí No
89
potencial. Este proceso secuencial continúa hasta que una fracción de interés sea
categorizada "dentro" o hasta que se haya determinado que ninguna de las
fracciones satisface el criterio. En casos dónde ninguna de las fracciones
inorgánicas se hayan podido categorizar "dentro", y se tenga alguna fracción
orgánica, entonces la sustancia principal se evalúa según la guía para las
sustancias orgánicas (sección 4.6).
La utilidad de considerar un término como “la fracción de interés” se ilustra mejor
cuando se considera una sustancia iónica que se disuelve en agua y se disocia
liberando iones metálicos y macronutrientes que podrían presentar toxicidad
aguda. El fosfato de plata, Ag3PO4, es un buen ejemplo (cuadro 4-4). La sustancia
principal, el Ag3PO4, es un sólido que rápidamente se disuelve en agua liberando
sus iones constitutivos, Ag+ y PO43-. Debido a que la captación del fosfato de plata
por los organismos acuáticos es por sus iones disueltos y no por la sustancia
principal, no es probable que ésta sea la fracción de interés. El ión fosfato es un
macronutriente, por lo que tampoco es probable que sea agudamente tóxico a la
biota acuática, basándose en el criterio de categorización. Es más probable que la
fracción de interés sea el ión de plata, porque esté sí es agudamente tóxico a los
organismos acuáticos.
El cuadro 4-4 es una versión simplificada de la base sistematizada que captura
todos los datos pertinentes para categorizar sustancias inorgánicas. Para ilustrar
los detalles del procedimiento de categorización, esta sección se referirá a los
ejemplos contenidos en este cuadro.
Cuadro 4-4. Categorización PBT para sustancias inorgánicas
tóxica
aguda?
Ag3PO4 Ag+, PO4 NA* Ag+ Sí Sí Sí Sí NA TP (“Dentro”)
3-
La figura 4-10 ilustra la relación entre concentración y efectos para diferentes tipos
de elementos.
Los macronutrientes, como el calcio, exhiben un efecto estimulatorio (no exhiben
efectos negativos) en un amplio rango de concentraciones, incluso altas, puesto
que son elementos biológicamente esenciales. Debido a esta propiedad, no es
probable que sean identificados como fracciones de interés. Los micronutrientes,
90
como el cobre, exhiben un efecto estimulatorio en dosis pequeñas. Sin embargo,
si la concentración del micronutriente aumenta más allá de la dosis requerida,
empieza a exhibir efectos inhibitorios. Si el efecto inhibitorio se inicia a una
concentración bastante baja (como la que define el criterio para T), es más
probable que será identificado como la fracción de interés
Figura 4-10. Relación entre dosis y estimulación o inhibición en elementos esenciales y no
esenciales (Wright and Welbourn 2002)
92
4.7.3.1.1 Condiciones ambientales
El cuadro 4-5 describe las condiciones ambientales en aguas superficiales de
Canadá. Se tomó como ejemplo para la categorización de sustancias inorgánicas
un estudio de campo realizado en aguas canadienses, el cual se irá describiendo
en esta sección.
La química del agua se basa en el lago Ontario durante los experimentos de
toxicidad acuática descritos en la sección 4.7.4 de este documento. Para simular
la química acuática de las aguas superficiales de Canadá, el agua del lago Ontario
fue diluida al 10 % con agua ultra pura.
Cuadro 4-5. Condiciones ambientales para aguas superficiales canadienses, para propósitos de
categorización
Parámetro Valor
Temperatura, T Moderadamente caliente (~15–25°C)*
Presión, P 1 atmósfera
Acidez, pH 6–9
Moderadamente oxigenada (~0.4–0.7 V, u oxígeno disuelto > 4
Condiciones Redox , EH mg/L)
Fuerza Iónica, I Típica de aguas dulces superficiales (~0.006)
Presión parcial de dioxide de carbono, 10-3.5 atm
pCO2(g)
Química del agua (Lago Ontario)
* Aunque las temperaturas ambientales sean menores a 25°C, la falta de datos termodinámicos (cambios de
entalpia) hace necesario referenciar otras temperaturas como prejuicio para las predicciones
93
Cuadro 4-6 Parámetros fisicoquímicos colectados para categorización
Parámetro Definición
Estado físico Gas, líquido, acuoso, o sólido bajo condiciones ambientales
Solubilidad Solubilidad de la sustancia principal (expresada como masa de la sustancia ,
no de la fracción de interés) en agua bajo condiciones ambientales
pH en el peor-escenario pH en el cual la solubilidad de la sustancia principal es mayor bajo condiciones
ambientales (6 u 8)
Especies básicas Especies primarias en solución (lista de cationes y aniones)
Productos de Productos de reacción que son probablemente producidos en cantidades
transformación probables significativas bajo condiciones ambientales en 7 días
95
Molal Thermodynamic Properties of Minerals, Gases, Aqueous Species, and Reactions
from 1 to 5000 bars and
0 to 1000°C,” University of California at Berkeley (June 11, 1991)
Karapet’yants, M.Kh. and Karapet’yants, M.L., “Thermodynamic Constants of Inorganic
and Organic Compounds,”
Ann Arbor – Humphrey Science Publishers (1970)
Krauskopf, K.B. and Bird, D.K., “Introduction to Geochemistry,” McGraw-Hill (1995)
Linke, W.F. “Solubilities. Inorganic and Metal Organic Compounds, A –Ir,” Van Nostrand
(1958)
Linke, W.F. “Solubilities. Inorganic and Metal Organic Compounds, K–Z,” Van Nostrand
(1958)
McMurray, J. and Fay, R.C., “Chemistry,” 2nd Edition, Prentice Hall (1998)
Merck and Co. Inc., “The Merck Index,” 9th Edition (1976)
Moeller, T., “The Chemistry of the Lanthanides,” Reinhold (1963)
Muetterties, E.L., “The Chemistry of Boron and Its Compounds,” Wiley (1967)
Nickless, G., “Inorganic Sulphur Chemistry,” Elsevier (1968)
Online Database and Internet Searching at http://www.chemfinder.com
Parish, R.V., “The Metallic Elements,” Longman (1977)
Personal communication with Dr. R.J. Crutchley, Professor of Inorganic Chemistry,
Carleton University, Ottawa
Rieck, G.D., “Tungsten and Its Compounds,” Pergamon (1967)
Shaw, B.L., “Inorganic Hydrides,” Pergamon Press (1967)
Skychem pigment information website at http://www.skychem.com/pigment.htm
Solomons, T.W.G., “Organic Chemistry,” 5th Edition, Wiley (1992)
Stephen, H. and Stephen, T., “Solubilities of Inorganic and Organic Compounds, Volume
1, Part 1,” Pergamon (1963)
Udy, M.J., “Chromium. Volume I. Chemistry of Chromium and Its Compounds,” Reinhold
(1956)
Wiberg, E. and Amberger, E., “Hydrides of the Elements of Main Groups I–IV,” Elsevier
(1971)
World Health Organization, “Beryllium,” Environmental Health Criteria 106, Geneva (1990)
World Health Organization, “Boron,” Environmental Health Criteria 204, Geneva (1998)
World Health Organization, “Copper,” Environmental Health Criteria 200, Geneva (1998)
World Health Organization, “Manganese and Its Compounds,” Concise International
Chemical Assessment
Document 12, Geneva (1999)
World Health Organization, “Thallium,” Environmental Health Criteria 182, Geneva (1996)
World Health Organization, “Vanadium and Some Vanadium Salts,” Concise International
Chemical Assessment
Document 42, Geneva (1990)
World Health Organization, “Vanadium,” Environmental Health Criteria 81, Geneva (1998)
una oxidación inicial del metal elemental, se produce una película de óxido
en la superficie del metal,; y
la disolución de este material superficial.
97
Todos los datos tienen que ser insertados en el programa de especiación según
sus especificidades (uso de constantes de formación en lugar de las constantes
de equilibrio, corregidas para la autoprotólisis del agua, corrección para dilución
infinita, formulario de especies de la base, etc.).
Nótese que todos los cálculos de equilibrio asumen que ese equilibrio se ha
alcanzado y se ha descuidado cualquier consideración cinética. En general, la
mayoría de las formas y óxidos metálicos virtualmente permanecen indisolubles
dentro del criterio de 7 días. También, se omitieron las reacciones redox
deliberadamente, pues éstos a menudo requieren el juicio de especialistas por lo
que se refiere a las condiciones circundantes y, más pretenciosamente, a la
cinética.
Las concentraciones de equilibrio fueron obtenidas imponiendo el equilibrio con la
fase mineral de interés (es decir, pasando del sólido a un sólido disuelto [TIPO-V
en MINEQL] al sólido fijo [TIPO-III en MINEQL]). Los cálculos se realizaron a 25 °
C con la opción de titulación (log K de pH de 5 a 9 con incrementos de 0,5
unidades).
4.7.3.2.7 Cálculos para estimar especiación usando datos termodinámicos
El Dr. Burk estimó la solubilidad y especiación considerando los datos disponibles
termodinámicos y empíricos. Sus métodos se detallan en el apéndice 103.
4.7.3.3 Revisión crítica
4.7.3.3.1 Validación de los datos
En particular, las sales inorgánicas que se consideran insolubles cualitativamente
(SI) o si el umbral de solubilidad sobrepasa hasta en un orden de magnitud al
valor de 1 mg/L y si la sustancia es clasificada como tóxica, ésta debe ser
reexaminada.
La solubilidad cuantitativa cuando están disponibles los datos termodinámicos se
calcula usando el software MINEQL para verificar estimaciones anteriores.
Una calificación aproximada para confianza alta, media o baja puede proveerse
para cada estimación de solubilidad basándose en la confiabilidad de la fuente de
datos y el juicio profesional:
3
Este apéndice se encuentra en el documento “Guidance Manual for the Categorization of Organics and Inorganics
Substances”, contenido en el informe “Existing Substances Program at Environment Canada”, como “Appendix 9”.
98
No se considerarán datos juzgados como inestables.
4.7.3.3.2 Selección del valor representativo de solubilidad
Si se mantienen las estimaciones de solubilidad a pH de 6 y 8, el valor
representativo de solubilidad representará el escenario del peor caso, es decir, la
estimación de solubilidad más alta calculada dentro del rango de los parámetros
fisicoquímicos definidos en el cuadro 4-6. Si se tiene más de una estimación de
solubilidad para condiciones similares, se selecciona el valor más confiable.
4.7.4 Toxicidad
4.7.4.1 Toxicidad en organismos no humanos
La determinación de toxicidad incluye la solubilidad del compuesto principal en el
agua, la estabilidad de las formas disueltas, y la toxicidad acuática del compuesto
principal y/o sus partes constituyentes como se interpretan en los datos del
bioensayo. Es necesario un procedimiento de pasos para la combinación de datos
de solubilidad y toxicidad porque muchos de los valores de solubilidad son
cualitativos, considerando que los valores de toxicidad son cuantitativos.
Cuando la solubilidad y los valores de toxicidad son cuantitativos, la sustancia
principal se categorizará "dentro", si se cumplen las condiciones siguientes:
1. la solubilidad en agua de la sustancia principal es mayor que el valor
representativo para toxicidad aguda, LC50 o EC50, y
2. la fracción de interés tiene un valor representativo de toxicidad aguda, LC50
o EC50, menor o igual al criterio umbral de 1 mg/L para toxicidad acuática
aguda.
99
estime adecuadamente la toxicidad acuática de sustancias ionizables, como las
sales de metal inorgánicas.
Dos laboratorios del Gobierno Federal de Canadá han dirigido pruebas para
ecotoxicidad acuática, en apoyo a la categorización. Los resultados de estas
pruebas son los denominados “referencia clave” en la Base de datos
sistematizada para sustancias organometálicas. El Instituto Nacional de
Investigación del Agua (NWRI) en Burlington, Ontario, ha realizado una colección
de pruebas de toxicidad en Hyalella azteca bajo la vigilancia del Dr. Uwe
Borgmann:
Serie de pruebas para toxicidad (7 días) con Hyalella en agua al 10% del
Lago Ontario;
Serie de pruebas para toxicidad (7 días) con Hyalella en agua al 10% del
Lago Ontario; y
Serie de pruebas para toxicidad (48 hrs) con Hyalella en agua al 10% del
Lago Ontario.
El uso de agua del lago diluida al 10% en agua pura se realiza para simular la
química del agua de todos los lagos canadienses.
El laboratorio CANMET de Ottawa, perteneciente a Recursos Naturales de
Canadá (NRCan, por sus siglas en ingles), ha realizado varias series de pruebas
usando Daphnia pulex bajo la vigilancia del Dr. Jim McGeer:
Serie de pruebas para toxicidad (48 hrs) con Daphnia pulex en agua al 10%
del Lago Ontario.
100
4.7.4.2.3 Datos de literatura
Las bases de datos para la búsqueda de datos de toxicidad que proporcionan
información pertinente son: AQUIRE, ATSDR, CESARS, HSDB, LIRIO, IUCLID,
NRCC, y Toxline.
4.7.4.3 Revisión Crítica
4.7.4.3.1 Validación de datos
Cuando se extraen valores de toxicidad de una fuente de datos, se indica la
información pertinente sobre las condiciones de exposición. No todas las fuentes
proporcionan el mismo nivel de información ni el mismo detalle. Entre más
información se incluya, más fácil es establecer la confiabilidad y pertinencia del
estudio. Debe reunirse la siguiente información, declarando la fuente de los datos:
101
4.7.4.3.1.1 Elaboración de diagramas de frecuencias acumuladas
La utilización del software para análisis estadísticos STATISTICA resume los
datos de toxicidad acuáticos agudos como una comunidad generalizada que traza
la frecuencia acumulada.
El punto final (endpoint) y la duración de la exposición preferidos al buscar datos
experimentales son los siguientes:
102
representativo, o 2) para indicar un código confiable análogo al que propone
Klimisch (cuadro 4-2), como se propone para los resúmenes del estudio de la
OCDE. Ambos enfoques intentan determinar qué tan confiable es el valor
representativo.
El enfoque del peso de la evidencia aplica para las sustancias que cuentan con
bastantes datos disponibles. Cuando se tiene varias fuentes confiables, puede
asignarse una confianza alta. Para las substancias con pocos datos, la estimación
de confianza estaría basada en la fiabilidad del estudio del que el valor
representativo fue seleccionado.
4.7.4.3.2 Selección del valor representativo para toxicidad
El valor representativo de toxicidad es el valor escogido para representar la
toxicidad de la fracción de interés y se compara con el valor umbral (valor criterio)
para determinar si se satisface el criterio para toxicidad.
4.7.4.4 Otras Consideraciones
4.7.4.4.1 Sustancias naturales
El valor representativo de toxicidad para sustancias naturales generalmente debe
ser superior que la concentración típica en el ambiente natural.
4.7.4.4.2 Elementos esenciales
Los valores representativos de toxicidad deben ser intuitivamente superiores que
las dosis requeridas de elementos esenciales. Los elementos esenciales no están
sujetos a consideraciones especiales para el proceso de categorización. Aunque
se espera que el valor representativo de toxicidad sea mayor que la dosis o
concentración esencial. Hay dificultad para definir lo que constituye la dosis
esencial o concentración. No es factible comparar el valor representativo de
toxicidad —probablemente originado de las especies más sensibles—con la dosis
esencial para esa misma especie.
En cambio, el procedimiento de categorización asume que las necesidades
nutritivas de la mayoría de los organismos se satisfacen por las concentraciones
en el rango natural. Asimismo, este procedimiento reconoce el papel de los
macronutrientes y su bienestar para la biota, por lo que establece la conveniencia
de adoptarlos como la fracción de interés.
Macronutrientes, como el Mg, Ca, y Na, para los cuales su toxicidad acuática
aguda es generalmente superior al valor criterio de 1 mg/L para toxicidad, hace
posible que sean escogidos como fracción de interés. Por otra parte,
micronutrientes como Co, Cu, Mo, Se, V, y Zn pueden también escogerse como
fracción de interés, debido a que dosis o concentraciones de menos de 1 mg/L,
pueden ser agudamente tóxicas a la biota acuática.
103
4.7.4.4.3 Ácidos
Los ácidos se categorizan usando el mismo enfoque en cuanto a otras sustancias
inorgánicas. Se espera que la mayoría de los ácidos se disocie bajo las
condiciones del ambiente, pH 6–9.
La toxicidad del catión H+ se relaciona con la cantidad o concentración de
exposición; el catión empieza a volverse agudamente tóxico sólo alrededor de pH
4. Sin embargo, el protón no está presente en las cantidades suficientes para ser
agudamente tóxico bajo condiciones ambientales y por consiguiente, no se
categorizaría "dentro".
Esta aplicación consistente en evaluar la toxicidad aguda dentro del rango del pH,
mantiene una clasificación jerárquica relativa de toxicidad para todas las
sustancias inorgánicas. Si la toxicidad del protón fuera considerada a valores de
pH bajos, entonces podría introducirse otras excepciones al enfoque de
categorización. Cuando un anión satisface el criterio para toxicidad, el ácido puede
ser categorizado "dentro".
4.7.4.4.4 Fracción orgánica
Si una sustancia no pudo categorizarse con base en su fracción inorgánica, se
evalúa la fracción orgánica con base en la guía para sustancias orgánicas (sección
4.6).
4.7.5 Persistencia
4.7.5.1 Iones en forma elemental
Cuando un ión que tiene valencia estable en el ambiente (por ejemplo, Ag +, Cl-) y
se selecciona como la fracción de interés, se considera persistente
inherentemente para los propósitos de categorización, porque no puede
degradarse más. Esta interpretación aplica a iones inorgánicos metálicos y no
metálicos (por ejemplo, CN-). Puesto que los iones metálicos disueltos liberados
del compuesto principal no se degradan, éste puede ser considerado infinitamente
persistente.
4.7.5.2 Iones complejos
La persistencia de los iones complejos que contienen un metal necesita ser
evaluada con base en la complejidad del ión en sí mismo.
4.7.5.2.1 Vida media
Cuando la fracción de interés es un ión complejo, los datos de vida media para
evaluar su persistencia se compara contra el valor criterio citado en el cuadro 2.6.
104
4.7.5.2.2 Juicio profesional
Respaldándose en el conocimiento científico común se puede determinar si una
fracción de interés es persistente. Este es esencialmente el procedimiento para las
fracciones en forma elemental. Un ión en forma elemental (por ejemplo, Ag +, Cl-)
no puede degradarse más, por consiguiente, es infinitamente persistente.
4.7.5.3 Colecta de datos
Bases de datos consultadas para obtener información sobre vida media y LRT
(Rango de Transporte de Largo alcance) son: CHEMFATE, ECDIN, ENVDEG,
HSDB, IPCS-QUIÉN, IUCLID, OPPT las Hojas de Seguridad Química, bases de
datos ATSDR, y expedientes PSL y OCDE SIDS.
El juicio profesional se toma en cuenta especialmente para evaluar la persistencia.
Sobre todo para indicar si una fracción de interés está en su forma elemental
4.7.5.4 Revisión crítica
4.7.5.4.1 Validación de los datos
Debe asignarse una confianza alta, media o baja a los valores representativos
para persistencia. Se asigna la confianza alta a estimaciones derivadas de la
fracción en forma elemental, de la vida media, o datos de LRT que se originaron
de estudios muy confiables, y del juicio profesional dónde el experto está muy
seguro de su valoración. La fiabilidad de los estudios puede juzgarse según
Klimisch (OCDE) y se cita en el resumen del estudio correspondiente.
Se asignan confianza media o baja a las estimaciones derivadas de datos
obtenidos de los estudios algo confiables y poco confiables, respectivamente, y del
juicio profesional dónde el experto está algo seguro y poco seguro,
respectivamente, de su valoración.
4.7.5.4.2 Selección del valor representativo de persistencia
Debido a que la mayoría de las fracciones de interés son iones libres en su estado
elemental, comparadas con un ión o compuesto complejo cuyos datos de vida
media son pertinentes, es probable que sólo sea posible una valoración cualitativa.
En otras palabras, el valor representativo de persistencia a menudo no será un
valor de vida media cuantitativo, sino una valoración cualitativa de respuestas “Sí”
o “No” a la pregunta “¿Es la fracción de interés persistente?”
El valor representativo se seleccionará según las siguientes reglas:
1) si la fracción de interés no satisface el criterio para la T (solubilidad y
toxicidad), entonces no se categoriza "dentro", y no se toma en cuenta
cualquier información sobre persistencia.
2) ¿la fracción de interés está en forma elemental? (Sí/No)
3) ¿cualquiera de las vidas medias para cualquier medio excede sus umbrales
respectivos? (Sí/No)
105
4) ¿hay evidencia de transporte de largo alcance? (Sí/No)
5) ¿usando el juicio profesional, la fracción de interés es persistente? (Sí/No)
4.7.6 Bioacumulación
Como una clase, las sustancias organometálicas tienen datos escasos, son
difíciles de modelar y algunas tienden a transformarse a formas metálicas en el
ambiente. Además, la presencia de un metal en la molécula puede conferir
propiedades diferentes comparadas con compuestos orgánicos similares.
(b) debido a que las predicciones de modelos confiables no están disponibles para
la mayoría de las sustancias organometálicas, se usarán principalmente para el
proceso de categorización los datos para los análogos relacionados, así como
evaluaciones semi-cuantitativas o cualitativas.
106
4.8.2 Descripción del proceso de categorización
107
Figura 4-11. Procedimiento para categorización de sustancias organometálicas
¿El compuesto
Sí es Persistente?
No
¿El compuesto se
Cumple los criterios Sí ¿El No transforma (se
de categorización compuesto es degrada) en uno o
Bioacumulabl Sí más productos?
No
¿El producto
es No cumple los criterios de
Sí categorización
organometálic No
Regresar al organigrama
108
También algunas de las predicciones pueden ser confiables si la sustancia
organometálica posee componentes no-ionizables (metal fuertemente enlazado
dentro de la molécula) y que, por tanto, pueden comportarse como un compuesto
orgánico neutral.
Asimismo, los modelos que consideran un modo de acción narcótico (por ejemplo
ECOSAR/ECOWIN, 2001) puede dar predicciones aceptables para toxicidad.
Además, los programas KOWWIN (KOWWIN, 2000) predicen adecuadamente el
log Kow para algunos compuestos organometálicos4.
De acuerdo con este mecanismo, se asigna un nivel global de confianza para cada
decisión de categorización, basándose en el promedio del nivel de confianza de
los valores individuales. Los detalles acerca de los niveles de confianza para cada
criterio asociado con la fuente para su valor representativo se muestran en el
cuadro 4-7.
4
Cuando se compararon las predicciones (KOWWIN) y el log Kow experimental de 21 sustancias
organometálicas, el coeficiente de regresión R2 = 0.96 fue bastante alto y es comparable al coeficiente
calculado con las 13 058 sustancias de la base de datos de la Corporación para la Investigación de Syracusa
(SRC): R2 = 0.95. Por consiguiente, la predicción del log Kow puede usarse para estimar el criterio de B para
muchos sustancias organometálicas.
109
Cuadro 4-7. Niveles de confianza para categorización de sustancias organometálicas
Criterio Fuente de datos Nivel de Confianza
P 1 o más valores revisados en literatura y evidencia general en la literatura Alta
1 valor de literatura revisado Alta
Resultados de modelos con cobertura de un buen conjunto de datos ("training Med
set") Med
Estudio en literatura para un análogo cercano5 Med
Principios Generales de Química para cada clase de sustancias, con
referencias6 Baja
Revisiones a la par de estudios rechazados Baja
Resultados de modelos con pobre o desconocido conjunto de datos ("training Baja
set") Baja
Principios Generales de Química
Presencia de 1 o más grupo(s) funcionales confiriendo la persistencia (TSCA)
B 1 o más valores revisados en literatura y evidencia general en la literatura Alta
1 valor de literatura revisado Alta
Modificación del Modelo de Gobas Variable7
Resultados de modelos con cobertura de un buen conjunto de datos ("training Med
set") Med
Estudio en literatura para un análogo cercano Med
Principios Generales de Química para cada clase de sustancias, con
referencias Baja
Revisiones a la par de estudios rechazados Baja
Resultados QSAR con pobre o desconocido conjunto de datos ("training set") Baja
Principios Generales de Química
T 1 o más valores revisados en literatura y evidencia general en la literatura Alta
1 valor de literatura revisado Alta
Resultados QSAR con cobertura de un buen conjunto de datos ("training set") Med
Estudio en literatura para un análogo cercano Med
Principios Generales de Química para cada clase de sustancias, con Med
referencias
Revisiones a la par de estudios rechazados Baja
Resultados QSAR con pobre o desconocido conjunto de datos ("training set") Baja
Presencia de 1 o más grupo(s) funcionales confiriendo la persistencia (TSCA) Baja
Productos 1 o más valores revisados en literatura y evidencia general en la literatura Alta
de 1 valor de literatura revisado Alta
Degradaci Estudio en literatura para un análogo cercano Med
ón Principios Generales de Química para cada clase de sustancias, con Med
referencias
Principios Generales de Química Baja
5
Cuando la fuente de la literatura menciona que una clase de sustancias se comportará de esta manera (P,
B, T y/o degradación de productos) en el ambiente sin referencia específica a un compuesto en particular.
6
Definidos por el % de similitud con el software de Chemfinder.
7
Alto: si el log Kow es un dato de metabolismo empírico y confiablemente empírico y está disponible para
las especies de peces; Medio: si el log Kow es derivado de un modelo con una buena cobertura de
conjuntos de bases de datos "training set" sin datos de metabolismo; Bajo: si el log Kow es derivado de un
moldelo con una pobre o desconocida cobertura de conjuntos de bases de datos "training set" sin datos de
metabolismo
110
4.9 POLÍMEROS
4.9.1 Fundamento
Los polímeros son sustancias que satisfacen los siguientes cuatro requisitos
(OCDE, 1994):
Los polímeros son producto de reacciones químicas en las que números variantes
de monómeros o precursores reaccionan juntos para formar longitudes variables
de unidades estructurales repetidas (Alfred Rudin, 1998; IUPAC, 1976). El número
CAS de una sustancia polimérica no representa una única composición química.
Incluso para co-polímeros del mismo número CAS, las concentraciones relativas
de monómeros pueden variar ampliamente (Hamilton et al, 1997). Además, las
moléculas individuales varían en su grado de polimerización influenciado por su
composición cualitativa y cuantitativa, es decir, el tamaño, número y tipos de
monómeros/precursores (prepolímeros).
Registro del número CAS, registro del nombre CAS y fórmula química;
Registro de los números CAS, fórmulas y estructuras de los prepolímeros;
111
El uso de la sustancia reportado en Canadá para 1986; y
Las evaluaciones de otros países, por ejemplo US EPA, categorización
suiza, NLP (Grupo “Ya no Polímeros”-clasificación de los países miembros
de la Comunidad Europea) y las categorizaciones realizadas por el
Departamento de medio Ambiente de Canadá
4.9.3.1 Persistencia
4.9.3.2 Bioacumulación
Los polímeros son moléculas generalmente grandes con peso molecular alto. Por
consiguiente, el criterio de bioacumulación ofrece un poder discriminador pequeño.
Si un polímero es considerado tóxico, se investigará su bioacumulación con más
detalle basándose en la información disponible. Diversas iniciativas
internacionales asumen que todos los polímeros son P y no son B, a menos que la
información disponible diga otra cosa.
112
Figura 4-12. Esquema de categorización para polímeros
Polímeros
Polímeros Polímeros
de Bajo de Alto
Interés Interés
Se detiene el
proceso
¿Tóxica para organismos No Evaluar para determinar si es
no humanos? tóxica para humanos
Sí
¿Persistente?
No ¿Bioacumulable? No No Persistente
No Bioacumulable
Sí Sí
Satisface los
Se detiene el
Criterios de
proceso
Categorización
113
4.9.4.1 Determinación de grupos funcionales reactivos
Los polímeros inciertos son las sustancias poliméricas que poseen datos huecos
para la determinación de su estructura final según la estrategia sugerida para su
categorización. En este caso se sugiere investigar esta información en bases de
datos ya existentes y/o invitar a la industria para que aporte información adicional
(figura 4-13).
Se investigan las fuentes de datos para ayudar en la validación científica para las
decisiones de categorización. Las metas de la búsqueda pueden ser las
siguientes:
• Encontrar la información pertinente para la determinación de toxicidad acuática;
• Identificar los análogos;
114
• Consultar las evaluaciones de otros países, por ejemplo US EPA, categorización
suiza, NLP (Grupo “Ya no Polímeros”, una clasificación de los países miembros de
la Comunidad Europea), Procedimiento de categorización de Sustancias en
Canadá.
Figura 4-13. Proceso para identificar grupos funcionales y electrónicamente cargados en polímeros
Polímeros
Sí No
Sí
¿Es suficiente la
información colectada
para identificar los grupos
No poliméricos funcionales y
cargados
Polímeros que requieren más análisis electrónicamente?
cualitativos para su categorización
115
4.9.4.1.2.3 Fabricación de las decisiones de categorización para los polímeros que
permanecen inciertos
Los enfoques globales usados para categorizar las sustancias poliméricas para la
T en los organismos no humanos son los, por un lado, el enfoque para los
“polímeros de bajo interés ecotoxicológico” (figura 4-14) y aquellos que si tienen
un “alto interés ecotoxicológico” por su probable toxicidad (polímeros bajo revisión
para PBT). El enfoque ordena al polímero según la presencia de grupos
funcionales particulares. El orden para su categorización en grupos de “bajo
interés” o “alto interés” utiliza el criterio que se desarrolló originalmente por la US
EPA bajo la Ley de Control para Sustancias Tóxicas (TSCA).
El apéndice 4.9-1 contiene ciertas clases de polímeros definidas por US EPA que
no necesitan mayores investigaciones respecto a sus enlaces químicos, siempre y
cuando reúnan otros requisitos. Esto implica que el tipo de enlace químico no se
asocia con un interés. Para los propósitos de categorización, las sustancias que
caen bajo las categorías de “bajo interés” serán consideradas como improbables
para satisfacer los criterios para T.
Los poliésteres son moléculas poliméricas que contienen por lo menos dos ésteres
de ácidos carboxílicos unidos, y por lo menos una de estas uniones enlaza
unidades monoméricas internas. El criterio de poliéster se refiere a poliésteres que
están solamente compuestos de ciertos monómeros, la lista de tales compuestos
se encuentra en el apéndice 4.9-1. Este apéndice es la lista combinada del Anexo
X del Environment Canada New Substances Regulations (Environment Canada,
August 2001) y el US EPA Polymer Exemption Manual (US EPA, Junio 1997).
116
4.9.4.2.1.2 Grupos funcionales poliméricos de bajo interés ecotoxicológico
Figura 4-14. Proceso general para identificación de “polímeros de bajo interés ecotoxicológico”
S N
¿El polímero
Bajo Interés satisface los
S
Ecotoxicológico criterios del
Apéndice 4.9-2
117
4.9.4.2.2 Polímeros bajo revisión para PBT (“alto interés ecotoxicológico”)
Los polímeros bajo revisión PBT serán aquellos que es probable que sí sean
tóxicos para los organismos no humanos, la investigación de estas sustancias
puede llevarse a cabo planteando primero la pregunta: el compuesto ¿es
polímero, es un monómero, es un prepolímero o un reactante?
118
Apéndice 4.9-1. Lista actualizada de monómeros y reactantes cuyos poliésteres pueden
ser de bajo interés ecotoxicológico (US EPA, Junio 1997)
119
Ácidos Dibásicos, Tribásicos y Ésteres
1,2-Benzenedicarboxylic acid 88-99-3
1,3-Benzenedicarboxylic acid 121-91-5
1,3-Benzenedicarboxylic acid, dimethyl ester 1459-93-4
1,4-Benzenedicarboxylic acid 100-21-0
1,4-Benzenedicarboxylic acid, diethyl ester 636-09-9
1,4-Benzenedicarboxylic acid, dimethyl ester 120-61-6
1,2,4-Benzenetricarboxylic acid 528-44-9
Butanedioic acid 110-15-6
Butanedioic acid, diethyl ester 123-25-1
Butanedioic acid, dimethyl ester 106-65-0
2-Butenedioic acid 110-17-8
Decanedioic acid 111-20-6
Decanedioic acid, diethyl ester 110-40-7
Decanedioic acid, dimethyl ester 106-79-6
Dodecanedioic acid 693-23-2
Fatty acids, C18-unsaturated, dimers *61788-89-4
Heptanedioic acid 111-16-0
Heptanedioic acid, dimethyl ester 1732-08-7
Hexanedioic acid 124-04-9
Hexanedioic acid, diethyl ester 141-28-6
Hexanedioic acid, dimethyl ester 627-93-0
Nonanedioic acid 123-99-9
Nonanedioic acid, diethyl ester 624-17-9
Nonanedioic acid, dimethyl ester 1732-10-1
Octanedioic acid 505-48-6
Octanedioic acid, dimethyl ester 1732-09-8
Pentanedioic acid 110-94-1
Pentanedioic acid, diethyl ester 818-38-2
Pentanedioic acid, dimethyl ester 1119-40-0
Undecanedioic acid 1852-04-6
Polioles
1,3-Butanediol 107-88-0
1,4-Butanediol 110-63-4
1,4-Cyclohexanedimethanol 105-08-8
1,2-Ethanediol 107-21-1
Ethanol, 2,2’-oxybis- 111-46-6
1,6-Hexanediol 629-11-8
1,3-Pentanediol, 2,2,4-trimethyl- 144-19-4
1,2-Propanediol 57-55-6
1,3-Propanediol, 2,2-bis 115-77-5
1,3-Propanediol, 2,2-dimethyl- 126-30-7
1,3-Propanediol, 2-ethyl-2- 77-99-6
1,3-Propanediol, 2- 77-85-0
120
1,3-Propanediol, 2-methyl- 2163-42-0
1,2,3-Propanetriol 56-81-5
1,2,3-Propanetriol, homopolymer 25618-55-7
2-Propen-1-ol, polymer with ethenylbenzene 25119-62-4
Otros Reactantes
Acetic acid, 2,2’-oxybis- 110-99-6
1-Butanol **71-36-3
Cyclohexanol 108-93-0
Cyclohexanol, 4,4’-(1-methylethylidene)bis- 80-04-6
Ethanol, 2-(2-butoxyethoxy)- 112-34-5
1-Hexanol 111-27-3
Methanol, hydrolysis products with trichlorohexylsilane and *72318-84-4
trichlorophenylsilane
1-Phenanthrenemethanol, tetradecahydro-1, 4-a-dimethyl-7- 13393-93-6
Phenol, 4,4'-(1-methylethylidene)bis-, polymer with 2,2'-[(1- 25036-25-3
methylethylidene)bis(4,1-
phenyleneoxymethylene)]bis[oxirane]
Siloxanes and Silicones, dimethyl, diphenyl, polymers with *68440-65-3
phenyl silesquioxanes methoxy-terminated
Siloxanes and Silicones, dimethyl, methoxy phenyl, polymers *68957-04-0
with phenyl silesquioxanes, methoxy-terminated
Siloxanes and Silicones, methyl phenyl, methoxy phenyl, *68957-06-2
polymers with phenyl silesquioxanes, methoxy- and phenyl-
terminated
Silsesquioxanes, phenyl propyl *68037-90-1
* Sustancias químicas de composición desconocida o inestable, productos de reacciones
complejas, y materiales biológicos (UVCB)
* * Esta sustancia no puede usarse en la fabricación de ácido fumárico o maleico debido a riesgos
potenciales asociados con ésteres que pueden formarse por la reacción de éstos reactantes
Notas:
1. Cualquier composición que incluye ambos: 1 Butanol CAS 71-36-3 y 2-Butenedioic ácido (E)
CAS 110-17-8 están exentos de asignarles status de bajo interés, debido a que el potencial de
riesgo se asoció con ésteres que pueden formarse de estos reactantes (US EPA, 1984).
2. Metilos y etilésteres de los ácidos dicarboxílicos han sido agregados y actualizados en la Lista
Americana de Monómeros como de bajo interés ecotoxicológico y también se han incluido para los
propósitos de la categorización (US EPA, abril 1986).
3. Algunos de los monómeros del ácido dicarboxílico listados pueden ser reemplazados por los
correspondientea anhídridos reactantes sin afectar la composición y estructura final del polímero.
Para la categorización propuesta también se agregarán (US EPA, 1993).
4. También pueden usarse para una clasificación más profunda como polímeros de bajo interés los
monómeros que no han sido todavía definidos pero que se han anticipado para incluir el metil o etil
ésteres de ácidos dicarboxílicos que no se han agregado todavía, y ácidos dicarboxílicos o polioles,
qué sólo difieren por un carbono en la longitud de aquéllos de la lista.
121
Apéndice 4.9-2. Criterios para polímeros de bajo interés
Los grupos funcionales de bajo interés incluyen: grupos del ácido carboxílico, grupos de hidróxilos
alifáticos, grupos oleofínicos no conjugados “ordinarios” (grupos que no son activos
específicamente por ser parte de un grupo funcional más grande, como un éter de vinilo, o por
otras influencias activas, por ejemplo, electrón fuertemente retirado del grupo con el cual
interactúan los grupos oleofinicos); grupos de ácidos butenedióicos; esos grupos olefínicos
conjugados contienen grasas, aceites, y ácidos carboxílicos; los isocianatos bloqueados
(incluyendo ketoxime-isocianatos bloqueados); tioles; grupos nitrilo no conjugados; halógenos (no
incluyendo el grupos que contienen halógenos reactivos como haluros bencílicos o alílicos); azoico,
oxima, carbazidas, trionas, siloxanos, urea, tiourea, sulfonamidas, urea potencialmente sustituida e
imidas.
Además, los ésteres carboxílicos, éteres, ámidas, carbamatos (uretanos) y sulfanatos son
implícitamente permitidos porque los poliésteres, poliéteres, poliamidas, poliuretanos, y
polisulfanatos están entre los tipos de polímeros permitidos bajo la exención, con tal de que estos
grupos funcionales no sean modificados para reforzar su reactividad. En tal grupo no se permitiría
el éster dinitrofenilo de un ácido carboxílico que es el más reactivo debido a la funcionalidad
activada (Glover, 1973; Tung, 1973).
Criterios elementales
Un polímero de bajo interés debe contener como parte íntegra de su composición, por lo menos
dos de los elementos atómicos: carbono, hidrógeno, nitrógeno, oxígeno, silicio y azufre (Wagner,
1978; Glover, 1975).
Un polímero de bajo interés no debe contener como parte íntegra de su composición (otros serían
impurezas), otros elementos que no sean:
• Carbono, hidrógeno, nitrógeno, oxígeno, silicio y azufre;
• Sodio, magnesio, aluminio, potasio, calcio, cloro, bromo y yodo como iones monatómicos Na+,
Mg2+, Al3+, K+, Ca2+, Cl -, Br - o I -;
• Flúor, cloro, bromo o yodo covelentemente unidos al carbono; o
• Menos de 0.2% (por peso) de cualquier combinación de los elementos atómicos litio, boro,
fósforo, titanio, manganeso, hierro, níquel, cobre, cinc, estaño y circonio.
Cationicidad. Los polímeros catiónicos de bajo interés son polímeros que se espera
razonablemente que sean catiónicos en un ambiente natural pero que son material sólido, que no
es soluble o dispersable en el agua y por eso sólo se usarán en una fase sólida, como polímeros
que pueden usarse como intercambio de iones.
Otros criterios : Un polímero de interés baja no debe:
• Estar en un Programa de Volumen de Producción Alto (HPV);
• Exhibir propiedades de contaminantes orgánicos persistentes (POPs); o
• Ser etiquetado como de interés en algún programa ambiental bien conocido
122
4.10 SUSTANCIAS DE COMPOSICIÓN VARIABLE O INDEFINIDA Y
PRODUCTOS DE REACCIONES COMPLEJAS Y MATERIALES BIOLÓGICOS
(UVCB o CVIB)
4.10.1 Fundamento
Todos los UVCBs pueden ser separados en uno de los seis tipos siguientes:
biológicos, orgánicos, inorgánicos, sales metal orgánicas (o sales orgánicas de
metales), organometálicas, y polímeros.
El tipo I (biológicas) se puede subdividir en grupos menores (Tipo II, Tipo III, etc.)
basándose en características similares.
Sin embargo, si una sustancia tiene bajo interés ecotoxicológico, pero al mismo
tiempo, se relaciona con toxicidad para el humano, puede entonces desarrollar el
perfil PBT completo para proporcionar esta información al Sector de Salud
correspondiente.
124
Figura 4-15. Estrategia general para categorización de sustancias UVCB
UVCBs
Agrupación-Tipo 1
Orgánicas
Inorgánicas
Organometálicas
Sales orgánicas de metal
Biológicas
polímeros
Sí
Categorizar de No
acuerdo a la
Comparar con los criterios y
estrategia
categorizar
apropiada del Tipo
I
Repetir la selección del valor representativo y
el proceso de revisión crítica hasta encontrar
un valor representativo confiable
125
4.10.2.1 UVCB Orgánicas
Para las sustancias sin datos experimentales disponibles, pueden usarse, siempre
que sea posible, las predicciones de modelos confiables basados en la relación
entre actividad y estructura molecular (QSAR, por sus siglas en inglés). Para
obtener una predicción QSAR, se exige una estructura representativa para la
sustancia. La estructura se traduce entonces en Sistema Molecular Simple Lineal
de Entrada (SMILE, por sus siglas en inglés) para más adelante correr los
modelos.
Por consiguiente, cuando se han identificado varios componentes para una sola
sustancia UVCB, y sus proporciones no son conocidas, se asume que no hay
ninguna reacción (interacción química) entre los componentes, el Departamento
de Medio Ambiente de Canadá seleccionó un componente que se piensa que es
ecológicamente pertinente como estructura representativa. Para las sustancias
con componentes químicamente reactivos, se estimó la estructura que representa
el mejor el producto (s) de la reacción, y se generaron las predicciones para esa
estructura representante.
Cuando las proporciones del componente están disponibles, así como las
estructuras para cada componente, un valor de toxicidad global puede ser
calculado aplicando la fórmula usada en el Sistema de la Clasificación Integrado
Armonizado para la Salud Humana y los Riesgos Medioambientales de Sustancias
Químicas y Mezclas o SGH (OCDE, 2001).
126
estrategia global para la categorización de las sustancias UVCB inorgánicas se
muestra en la figura 4-17.
127
Figura 4-16. Estrategia global para la categorización de sustancias UVCB orgánicas
Sustancias multicomponentes con Sustancias multicomponentes sin interacciones químicas entre los componentes
interacciones
128
Figura 4-17. Estrategia para categorización de sustancias UVCB inorgánicas
Identificación de las sustanciad de “bajo interés ecotoxicológico” y “bajo revisión para PBT”
Sí No
No
Sí
Juicios expertos
129
Figura 4-18. Estrategia global para categorización de sustancias UVCB organometálicas
Sí No
No
Sí
¿Es la sustancia
Sí ¿Es la sustancia No transformable en
Satisface los criterios bioacumulable? uno o más
de categorización productos?
Sí No
¿Es el producto de transformación una sustancia Satisface los criterios
organometálica? de categorización
Sí No
Cuando los datos experimentales confiables para las sustancias UVCB biológicas
completas están disponibles, éstos se comparan con el criterio de T, para
determinar si satisface dicho criterio. Si los datos experimentales no están
disponibles para la sustancia entera, se examinan los componentes de la
sustancia, si se conocen. Si la sustancia contiene un componente inorgánico, se
considera primero la estrategia desarrollada para la categorización de químicos
inorgánicos discretos. Si no se encuentra el criterio de T para categorizar el
componente inorgánico, se examina el componente orgánico con la estrategia
para sustancias UVCB orgánicas. Un acercamiento global para la categorización
de sustancias UVCB biológicas se muestra en la figura 4-19.
Para estas sustancias se utiliza las mismas estrategias aplicadas para las
sustancias UVCB biológicas (figura 4-20).
130
4.10.2.6 UVCB Polímeros
Cuando están disponibles los datos experimentales para las sustancias UVCB
poliméricas enteras, éstos se comparan con el criterio para T, para determinar si
se satisface tal criterio. Si los datos experimentales no están en general
disponibles para el polímero, se utiliza la estrategia para la categorización de
polímeros.
Usar estrategia de
Comparar con ¿La fracción de interés satisface el critero de T? categorización para
valor criterio T N UVCB orgánicas
S
o
Comparar con criterio T y usar estrategia para inorgánicas
Satisface criterios de N
categorización
S
Colocar en la lista de las sustancias que satisfacen los criterios de
categorización
131
Figura 4-20. Estrategia para categorización de sustancias UVCB sales metal-orgánicas
S N
¿Satisface los N
criterios de
categorización?
4.10.4 Incertidumbre
132
V EJERCICIO DE CATEGORIZACIÓN ECOLÓGICA DE SUSTANCIAS EN
COMERCIO EN MÉXICO Y RESULTADOS
5.1 INTRODUCCIÓN
Como se indicó en el capítulo III, el Inventario Nacional de Sustancias Químicas
(INSQ) contiene 4 663 compuestos químicos, los cuales fueron comparados,
utilizando su número CAS, con la Lista Doméstica de Sustancias existentes en
Canadá (DSL), la cual consta de 22 017 sustancias ya categorizadas por el
Departamento de Medio Ambiente de Canadá (Environment Canada).
133
categorización, incluye ya los datos experimentales existentes, así como su
referencia bibliográfica, los cuales, generalmente se indican con la abreviatura
“exp”, mientras que los datos obtenidos por modelos están indicados con la
abreviatura “est”, (datos estimados).
Debido a lo anterior, se sugiere a los futuros evaluadores realizar inicialmente una
revisión minuciosa de la información contenida en los modelos sugeridos
(contenidos en el Programa EPI Suite), donde es posible colectar a la vez, tanto
los datos experimentales existentes, como los datos estimados, con el
consecuente ahorro de tiempo y esfuerzo, pues este programa de modelos ha
realizado ya el esfuerzo en la búsqueda y registro de datos experimentales
actualizados.
La mayoría de los datos contenidos en fuentes de información experimental son
de índole fisicoquímica o bien acerca de la naturaleza intrínseca de la sustancia,
datos tales como: punto de ebullición, punto de fusión, ley de Henry, presión de
vapor, entre otros. Estos datos son importantes para la determinación de la
bioacumulación o persistencia de una sustancia, sin embargo, los modelos ya los
han considerado para sus estimaciones y los indican en los modelos, por lo cual
no tiene caso buscar y colectar estos datos para un ejercicio de categorización,
donde los datos imprescindibles son los puntos finales (vida media en
compartimentos ambientales, factores de bioconcentración y bioacumulación
(BAF y BCF), Log Kow, LC50, EC50, entre otros).
En cuanto a datos de toxicidad, la mayoría de datos encontrados en bases de
datos experimentales, se enfocan a toxicidad referente a salud humana (toxicidad
en ratón, conejo y otros, así como datos de carcinogenicidad, mutagenicidad y
teratogenicidad), y los protocolos para una categorización ecológica requieren
datos de ecotoxicidad en organismos acuáticos. Los escasos datos
ecotoxicológicos y experimentales existentes acerca de estos organismos, están
considerados en los modelos del programa EPI Suite.
Por todo lo anterior, es importante recalcar que, para que cualquier ejercicio de
categorización ecológica de sustancias cuente con gran confiabilidad y menor
incertidumbre, se utilicen modelos actualizados.
5.2 INFORMACIÓN NECESARIA PARA EL EJERCICIO DE CATEGORIZACIÓN
ECOLÓGICA DE SUSTANCIAS ORGÁNICAS
Nota. Los incisos (A, B, C, etc.) que se presentan a continuación hacen referencia
a las columnas de las bases de datos que se presentan en el anexo 2, por lo que
se recomienda consultar esta base de datos para facilitar la comprensión de esta
sección y entender la estructura de la base de datos.
5.2.1 Datos de identidad química de la sustancia (Nomenclatura)
A. CAS. Identificación química. Este dato es asignado por el Chemical
Abstract Service, utilizado en todo el mundo para la identificación de
las sustancias
B. Nombre Químico. Nombre en lista del INSQ
C. Clase de la Sustancia. Para facilitar el proceso de categorización,
las sustancias han sido separadas por grupos o clases (Orgánicas,
134
Inorgánicas, Sales Metal Orgánicas (SMO), Organometálicas,
Polímeros, UVCB o CVIB y sus subclases: Orgánicas, Inorgánicas,
Sales Metal-Orgánicas (SMO), Organometálicas, Polímeros)
D. Fórmula Química
E. SMILES. Notación química que se usa para representar una
estructura molecular como una cadena lineal de símbolos (SMILES
es el acrónimo -en inglés- de Simplified Molecular Input Line Entry
System)
5.2.2 Datos Fisicoquímicos
Datos experimentales
Biodegradación
135
sustancia se considera persistente si su vida media en suelo es de
más de 182 días y en sedimento de más de 365 días.
Hidrólisis
Fotólisis
136
microorganismos en suelo. El valor que se prefiere es el Biowin5
(Lineal), (Sección 4.6.3.2.1.2 y Apéndices 1, 3 y 4).
137
Notification (PMN) chemicals, (Notificación de Prefabricación de
productos químicos para EE.UU.) derivados de los seis métodos de
ensayo (protocolos) OECD301 y OECD310. El enfoque se describe
completamente en Boethling et al. (2004).
Los modelos MITI lineales y no lineales (Biowin5 y 6) también
predicen biodegradabilidad fácil, pero para las pruebas de
degradación de OECD301C solamente, y basado exclusivamente en
la base de datos obtenida de la Evaluación de Productos Químicos
del Instituto de Investigación de Japón (CERIJ)
(http://www.cerij.or.jp/ceri_en/otoiawase/otoiawase_menu.html)
(Sección 4.6.3.2.1.2 y Apéndice 1).
Hidrólisis
Fotólisis
138
en ese orden; sin embargo, la sustancia se categoriza con los datos
disponibles y confiables con que se pueda contar.
Datos Experimentales
139
W. Log Kow. Predicción del programa de SRC KOWWIN, v 1.67.
Cuando no se cuenta con un Log Kow empírico o experimental para
una sustancia, se recurre a un Log Kow que se predice de acuerdo a
las características de solubilidad (hidrófobas o hidrofílicas) de dicha
sustancia y, con base en éste, es posible predecir sus factores de
bioacumulación y bioconcentración (Sección 1.4.1.2). Debido a las
condiciones del modelo mencionadas en los comentarios de las
columnas "X" y "Y", resulta más confiable utilizar el valor del Log
Kow como valor criterio para determinar si la sustancia es o no
bioacumulable debido a que el valor de Log Kow de una sustancia
está relacionado con su capacidad de adsorción o su potencial de
bioconcentración en tejidos grasos. Un valor de Log Kow ≤ 5 indica
la probable movilidad y transporte de ese material por su buena
solubilidad, y fácil metabolización y biodegradación, es decir, hay
que esperar una escasa bioacumulación. Por el contrario, un valor
de Log Kow ≥ 5 indica posible adsorción en tejidos grasos, suelo y
sedimentos, por tanto, es probable la bioconcentracón o
bioacumulación. Su escasa movilidad favorece la toxicidad de estas
sustancias.
140
BCFBAF de EPI Suite, pestaña "Arnot-Gobas", se eligen los valores
BAF indicados en el item "Log BAF (BAF); Renglón "Upper Trophic",
se elige el valor de BAF (L/Kg de peso húmedo, wet-wt), no el del
Log BAF.
141
5.2.5 Toxicidad (T)
Datos experimentales
142
Sí el log Kow de la sustancia es mayor a 6, si el compuesto
es sólido y el LC50 excede hasta por 10 veces la solubilidad
en agua, no se prevén o predicen efectos tóxicos para peces
en 14 días (Secciones 4.6.5.2 y 4.7.4.3.1.1 y Apéndices 1, 8 y
9).
143
a 5, si el compuesto es sólido y el LC50 excede hasta por 10
veces la solubilidad en agua, no se prevén o predicen efectos
tóxicos en Daphnia. Si el log Kow de la sustancia es mayor a 6.4,
si el compuesto es sólido y el EC50 excede hasta por 10 veces la
solubilidad en agua, no se prevén o predicen efectos tóxicos para
algas verdes. Para todos los valores Toxicidad crónica: Si el Log
Kow de la sustancia química es mayor a 8.0, o si el compuesto es
sólido y el valor de toxicidad crónica (ChV) o EC50 o el LC50 para
Daphnia excede la solubilidad en agua por 10 veces, Se prevé
que la sustancia no tendrá efectos tóxicos (Secciones 4.6.5.2 y
4.7.4.3.1.1 y Apéndices 1, 8 y 9).
5.2.6 Categoría
144
5.3 INFORMACIÓN NECESARIA PARA EL EJERCICIO DE CATEGORIZACIÓN
ECOLÓGICA PARA SUSTANCIAS INORGÁNICAS, ORGANOMETÁLICAS,
SALES METAL ORGÁNICAS, POLÍMEROS Y UVCBs O CVIBs
145
5.3.2 Compuestos análogos
Así, los criterios de toxicidad para sustancias inorgánicas, sales metal orgánicas,
UVCB inorgánicas, y UVCB sales metal orgánicas, son los siguientes:
146
con un ión o compuesto complejo cuyos datos de vida media son pertinentes, es
probable que sólo sea posible una valoración cualitativa. En otras palabras, el
valor representativo de persistencia a menudo no será un valor de vida media
cuantitativo, sino una valoración cualitativa de respuestas “Sí” o “No” a la pregunta
“¿Es la fracción de interés persistente?”
Cuando un ión que tiene valencia estable en el ambiente (por ejemplo, Ag +, Cl-) y
se selecciona como la fracción de interés, se considera persistente
inherentemente para los propósitos de categorización, porque no puede
degradarse más. Esta interpretación aplica a iones inorgánicos metálicos y no
metálicos (por ejemplo, CN-). Puesto que los iones metálicos disueltos liberados
del compuesto principal no se degradan, éste puede ser considerado infinitamente
persistente.
Generalmente a los polímeros se les considera como sustancias muy estables,
por tanto, el criterio para persistencia tiene un poder discriminador pequeño. La
mayoría de los polímeros en una evaluación preliminar pueden ser considerados
como persistentes. Si se considera que un polímero es tóxico, se investiga su
persistencia con más detalle basándose en la información disponible.
148
VI CONCLUSIONES
Por tanto, puede concluirse que los productos obtenidos en el presente proyecto,
cumplieron con los objetivos trazados por el mismo, ya que se identificaron los
criterios adecuados para la elaboración de una metodología consensuada con un
grupo de científicos especialistas, se obtuvo la categorización de más de 2 800 de
las aproximadamente 5 000 sustancias identificadas por el INE y contenidas en el
inventario inicial de sustancias que se comercializan en nuestro país, y se pudo
elaborar una lista de casi 500 sustancias que pueden ser incluidas en una primera
lista prioritaria de sustancias que deberán recibir una atención futura en la
detección y evaluación del nivel de riesgo potencial para los ecosistemas por sus
características de persistencia, bioacumulación y toxicidad.
Asimismo, puede ser la base para crear regulaciones que prevengan o mitiguen
sus riesgos o bien para modificar a las regulaciones existentes.
Además puede contarse con la confianza de tener otra lista con más de 2 000
sustancias que no representan riesgo alguno por su inocuidad, al menos para los
criterios de persistencia, bioacumulación y toxicidad.
149
comportamiento en el ambiente de las sustancias y constituyen otros de los
principales productos de este proyecto.
150
VII RECOMENDACIONES
151
VIII RECONOCIMIENTOS
Siempre resulta difícil agradecer públicamente a todas aquellas personas que han
colaborado con un proceso, con una creación, con un éxito, por cuanto nunca
alcanza el tiempo, el papel o la memoria para mencionar y dar, con justicia, todos
los créditos y méritos a quienes se lo merecen.
Deseamos expresar nuestro más profundo agradecimiento al Dr. Carlos Rius por
su tiempo y mostrarnos las herramientas para modelar sustancias, así como su
siempre e incondicional disposición a brindar su apoyo.
152
IX BIBLIOGRAFÍA
Alfred Rudin, 1998, The Elements of Polymer Science and Engineering, Second Edition,
Academic Press, ISBN 0-12-601685-2
Arnot, J.A. and F.A.P.C. Gobas. 2003. A generic QSAR for assessing the bioaccumulation
potential of organic chemicals in aquatic food webs. Quant. Struct.–Act. Relat. 22:1–9.
Aronson, D. and P.H. Howard. 1999. Evaluating Potential POP/PBT Compounds for
Persistence. Syracuse Research Corporation, North Syracuse, New York. November.
Barber, M.C., L.A. Suárez, and R.R. Lassiter. 1988. Modeling bioconcentration of
nonpolar organic pollutants by fish. Environ. Toxicol. Chem. 7:545–558.
Barber, M.C., L.A. Suárez, and R.R. Lassiter. 1991. Modeling bioaccumulation of organic
pollutants in fish with an application to PCBs in Great Lakes salmonids. Can. J. Fish.
Aquat. Sci. 48:318–337.
Barron, M.G., J.A. Hansen, and J. Lipton. 2002. Association between contaminant tissue
residues and effects in aquatic organisms. Rev. Environ. Contam. Toxicol. 173:1–37.
Blok, J., F. Balk, and P.C. Okkerman. 1999. Identification of Persistent, Toxic and
Bioaccumulating Substances. Report to the Netherlands Ministry of Housing, Spatial
Planning and the Environment (VROM). July.
Boethling, R.S. 2000. HPVC-screening tool: Using ready and inherent biodegradability
data to derive input data for the EQC model. Appendix 10 in CED (Chemicals Evaluation
Division), Environmental Categorization for Persistence, Bioaccumulation and Inherent
Toxicity of Substances on the Domestic Substances List Using QSARs. Final Report.
Environment Canada. July.
CCME (Canadian Council of Ministers of the Environment). 1987. Canadian Water Quality
Guidelines. Appendix I. Glossary, Symbols and Abbreviations (updated periodically).
153
Chapman, P.M., A. Fairbrother, and D. Brown. 1998. A critical evaluation of safety
(uncertainty) factors for ecological risk assessment. Environ. Toxicol. Chem. 17(1):99–
108.
Cousins, I.T., T.D. Gouin, and D. Mackay. 2000. Screening Organic Chemicals for
Persistence in the Environment and Potential for Long-range Transport . Report prepared
under contract for the Commercial Chemicals Evaluation Branch, Environment Canada.
June.
Degner, P., M. Müller, M. Nendza, and W. Klein. 1993. Structure–Activity Relationships for
Biodegradation. Environment Directorate, Organisation for Economic Co-operation and
Development, Paris.
Di Toro, D.M. and F.L. Hellweger. 1999. Long-range Transport and Deposition: The Role
of Henry’s Law Constant. Final Report to the International Council of Chemical
Associations (ICCA). May.
ECOSAR. 2001. ECOWIN v0.99g from the EPI suite programs, U.S.
Eldred, D.V., C.L. Weikel, P.C. Jurs, and K.L.E. Kaiser. 1999. Prediction of fathead
minnow acute toxicity of organic compounds from molecular structure. Chem. Res.
Toxicol. 12:670–678.
Environment Canada and Health and Welfare Canada. 1993. Guidelines for the
Notification and Testing of New Substances: Chemicals and Polymers. Pursuant to the
New Substances Notification Regulations of Canadian Environmental Protection Act.
Environment Canada, Ottawa, Ontario. 220 pp.
Environment Canada. 2001. Toxicity Testing with Hyalella azteca, An Approach for
Resolving Data Gaps and Choosing Toxicity Values for Categorization, Rationale and
Description of Methodology. Chemicals Evaluation Division, Commercial Chemicals
Evaluation Branch. May.
154
Environment Canada, 2001. Guidelines for the Notification and testing of New
Substances: Chemicals and Polymers. Pursuant to the New Substances Notification
Regulations of the Canadian Environmental Protection Act, 1999.
Environment Canada. 2003. Guidance Manual for the Categorization of Organic and
Inorganic Substances on Canada’s Domestic Substances List. Existing Substances
Branch, Environment Canada. Gatineau, QC, Canada.
Environment Canada, 2003, Guidance Manual for the Categorization of Organic and
Inorganic Substances on Canada’s Domestic Substances List-Determining Persistence,
Bioaccumulation Potential and Inherently toxic to Non-Human Organisms. Environment
Canada (June 2003)
Forbes, V.E. and P. Calow. 2002. Species sensitivity distributions revisited: a critical
appraisal. Hum. Ecol. Risk Assess. 8(3):473–492.
155
Glover, C.A. Advan. Chem. Ser. 1973, Volume date 1971, No. 125, 1-8.
Gobas, F.A.P.C. 1993. A model for predicting the bioaccumulation of hydrophobic orga nic
chemicals in aquatic food-webs: application to Lake Ontario. Ecol. Model. 69:1–17.
Gouin, T., D. Mackay, E. Webster, and F. Wania. 2000. Screening chemicals for
persistence in the environment. Environ. Sci. Technol. 34:881–884 (cited in Cousins et al.
2000).
Hoekstra, J.A. and P.H. van Ewijk. 1993. Alternatives for the no-observed-effect level.
Environ. Toxicol. Chem. 12:187–194.
IUCLID. 2000. IUCLID Guidance Document, Version 1.1. December. Prepared on behalf
of the European Chemical Industry Council (CEFIC), Belgium, by Fraunhofer Institute of
Toxicology and Aerosol Research, Drug Research and Clinical Inhalation, Germany, in
collaboration with the European Commission Institute for Health and Consumer
Protection, European Chemicals Bureau, Italy.
IUPAC Physical Chemistry Division, Engl. Pure Appl. Chem. 1976, 48(2), 241-6.
156
IWG (Inorganic Working Group). 2001. Categorization of Inorganic Substances on the
Domestic Substances List (DSL), Findings and Recommendations from the Inorganic
Working Group (IWG), Final Report.
Jarvinen, A.W. and G.T. Ankley. 1999. Linkage of Effects to Tissue Residues:
Development of a Comprehensive Database for Aquatic Organisms Exposed to Inorganic
and Organic Chemicals. Society of Environmental Toxicology and Chemistry (SETAC)
Press, Pensacola, Florida (cited in Mackay et al. 2001).
Kaiser, K.L.E. and S.P. Niculescu. 1999. Probabilistic Neural Network (PNN) Methodology
for the Prediction of Acute Toxicity of Chemicals to Fathead Minnow Based Solely on
Chemical Structure-derived Input Parameters. NWRI Contribution No. AEP-TN99-001.
National Water Research Institute, Environment Canada, Burlington, Ontario. 39 pp.
King, M., M. Schwartz, and J. McGeer. 2002. Acute toxicity of rare earth metals using
Daphnia pulex. Draft report, March 2002. Prepared by the Mining and Mineral Science
Laboratory (CANMET), Natural Resources Canada. 15 pp.
Klimisch, H.-J., M. Andreae, and U. Tillmann. 1997. A systematic approach for evaluating
the quality of experimental toxicological and ecotoxicological data. Regul. Toxicol.
Pharmacol. 25:1–5.
Kollig, H.P. 1988. Criteria for evaluating the reliability of literature data on environmental
process constants. Toxicol. Environ. Chem. 17:287–311.
KOWWIN. 2000. KOWWIN v1.67 from the EPI suite programs, U.S. Environmental
Protection Agency
Mackay, D., H. Puig, and L.S. MacCarty. 1992. An equation describing the time course
and variability in uptake and toxicity of narcotic chemicals in fish. Environ. Toxicol. Chem.
11:941–951.
Mackay, D., L.S. McCarty, and M. MacLeod. 2001. On the validity of classifying chemicals
for persistence, bioaccumulation, toxicity, and potential for long-range transport. Environ.
Toxicol. Chem. 20(7):1491–1498.
Mackay, D., E. Webster, T. Cahill, T. Gouin, P. Doyle, Y. Couillard, and D. Gutzman (in
press). Towards consistent evaluation of the persistence of organic, inorganic and metallic
substances. Hum. Environ. Risk Assess.
157
Moore, D.R.J. and P.-Y. Caux. 1997. Estimating low toxic effects. Environ. Toxicol. Chem.
16(4):794–801.
Muir DGC., Howard PH (2006) Are there other Persistent Organic Pollutants? A
Challenge for Environmental Chemists. Environ Sci Technol 40, 7157-7166.
Müller-Herold, U., D. Caderas, and P. Funck. 1996. Validity of global lifetime estimates by
a simple general limiting law for the decay of organic compounds with long-range pollution
potential. Environ. Sci. Technol. 31:3511–3515 (cited in Cousins et al. 2000).
NAAEC-CEC. Process for identifying candidate substances for regional action under the
sound management of chemicals initiative; Report to the North American working group
on the sound management of chemicals by the task force on criteria; CEC: Montreal,
Quebec, Canada; Draft, July 1997.
OECD. 1994. (May 10). Organization for Economic Co-operation and Development.
Chemicals Group and Management Committee. Chairman’s Report, Third Meeting of
OECD Experts on Polymers, Tokyo, 14-16; April 1993.
OECD, 2001. Harmonized Integrated Classification System for Human Health and
Environmental Hazards of Chemical Substances and Mixtures.
OECD (Organization for Economic Co-operation and Development). 2002. Manual for
Investigation of HPV Chemicals. OECD Existing Chemicals Programme, Paris.
OECD (2005) Manual for Investigation of HPV Chemicals. Chapter 3.2. Guidance on the
Development and Use of Chemical Categories in the HPV Chemicals Programme.
Organisation for Economic Co-Operation and Development (available from:
http://www.oecd.org/document/7/0,2340,en_2649_34379_1947463_1_1_1_1,00.html)
Pennington, D.W., P.L. Yue, G. McKay, and J.F. Porter. 1997. The application of multi-
compartment models for regional environmental comparison of process design
alternatives. Trans. Inst. Chem. Eng. Part B 75:90–97 (cited in Pennington in press-a).
158
Rorije, E., H. Loonen, M. Müller, G. Klopman, and W.J.G.M. Peijnenburg. 1999.
Evaluation and application of models for the prediction of ready biodegradability in the
MITI-I test. Chemosphere 38:1409–1417.
Shirazi, M.A. and L.V. Lowrie. 1988. An approach for integration of toxicological data.
Pages 334– 360 in W.A. Adams, G.A. Chapman, and W.G. Landis (eds.), Aquatic
Toxicology and Hazard Assessment. Vol. 10. STP 971. American Society for Testing and
Materials, Philadelphia, Pennsylvania (cited in Mackay et al. 1992).
Sijm, D., E. Hulzebos, and W. Peijnenberg. 1999. Estimating the PBT-profile. RIVM
Report No. 601503016. National Institute of Public Health and the Environment, Bilthoven,
The Netherlands. July.
Sprague, J.B. 1973. The ABCs of pollutant bioassay with fish. Pages 6–30 in J. Cairns, Jr.
and K.L. Dickson (eds.), Biological Methods for the Assessment of Water Quality. STP
528. American Society for Testing and Materials, Philadelphia, Pennsylvania (cited in
Mackay et al. 1992).
Suter, G.W. 1993. Ecological Risk Assessment. Lewis Publishers, Chelsea, Michigan. The
Cadmus Group, Inc. 1999. A Comparison of Model Performance for Six QSAR Packages
that Predict Acute Inherent Toxicity to Fish. Report prepared under contract for the
Chemicals Evaluation Division, Environment Canada. November.
Thomann, R.V., J.P. Connolly, and T.F. Parkerton. 1992. An equilibrium model of organic
chemical accumulation in aquatic food webs with sediment interaction. Environ. Toxicol.
Chem. 11:615–629.
Tung, L.H.; Runyon J.R. J. Appl. Polym. Sci. 1973, 17(5), 1589-96.
Tyle, H. and J. Niemela. 1999. Use of QSARS for Selection of POPs. Working paper to
the
participants of the CEG II Meeting, Vienna, June 14–18, 1999. Danish Environmental
Protection Agency.
UNEP-GEF (2002) Regionally based assessment of Persistent Toxic Substances. Eastern
and Western South America Regional Report. Disponible en Internet:
www.chem.unep.ch/pts
159
United Nations Economic Commission for Europe (UNECE). Protocol to the 1979
Convention on Long-Range Transboundary Air Pollution on Persistent Organic Pollutants.
June 24, 1998; Aarhus, Denmark. Disponible en Internet
http://www.unece.org/env/lrtap/pops_h1.htm
US EPA. 1986. (April 22). U.S. Environmental Protection Agency. Toxic Substances;
Revisions of Premanufacture Notice Regulations; Final Rule.(51 FR 15096-15103). see
also 40 CFR part 720.
U.S. EPA (United States Environmental Protection Agency). 1991. Technical Support
Document for Water Quality-based Toxics Control. EPA 505/2-90-001. Washington, D.C.
U.S. EPA (United States Environmental Protection Agency). 1992. Classification Criteria
for Environmental Toxicity and Fate of Industrial Chemicals. Chemicals Control Division,
Office of Pollution Prevention and Toxics, Washington, D.C.
U.S. EPA. (United States Environmental Protection Agency) Proposed category for
persistent, bioaccumulative, and toxic chemicals; FR 63 (192):53417-53423; October 5,
1998.
U.S. EPA (United States Environmental Protection Agency). 1994. USEPA/EC Joint
Project on Evaluation of (Quantative) Structure Activity Relationships (QSARs). EPA 743-
R-94-001.
Washington, D.C.
US EPA, June 1996, Office of Pollution Prevention and Toxics, High molecular weight
polymers in the New Chemicals Program
http://www.epa.gov/oppt/newchems/hmwtpoly.htm
US EPA, Office of Pollution Prevention and Toxics (7406), Polymer Exemption Manual,
EPA 744-B-97-001, June 1997, http://www.epa.gov/oppt/newchems/polyguid.htm
U.S. EPA (United States Environmental Protection Agency). 1999. Determining the
Adequacy of Existing Data. Guidance for the HPV Challenge Program. Draft. Washington,
D.C.
U.S. EPA (United States Environmental Protection Agency). 2002. Draft Action Plan,
Development of a Framework for Metals Assessment and Guidance for Characterizing
and Ranking Metals, External Review Draft. Metals Action Plan Workgroup. EPA/630/P-
02/003A. Washington, D.C. June 2002.
160
U.S. Department of Health and Human Services (DHHS). 2001. Draft guidance manual for
the assessment of joint toxic action of chemical mixtures. Public Health Service. Agency
for Toxic Substances and Disease Registry. Division of Toxicology.
Verhaar, H.J.M., C.J. van Leeuwen, and J.L.M. Hermens. 1992. Classifying environmental
pollutants. 1: Structure–activity relationships for prediction of aquatic inherent toxicity.
Chemosphere 25(4):471– 491.
Wagner, H.L.; Verdier, P.H. J. Res. Natl. Bur. Stand. (U.S.) 1978, 83 (2), 179-84.
Wright, D.A. and P.M. Welbourn. 2002. Environmental Toxicology. Cambridge University
Press, Cambridge, U.K.
161
APÉNDICE 1
The rate constants estimated by the program are then used to calculate atmospheric half-lives for
organic compounds based upon average atmospheric concentrations of hydroxyl radicals and
ozone. The estimation methods used by AOPWIN are based upon the structure–activity
relationship (SAR) methods developed by Dr. Roger Atkinson and co-workers (Atkinson and Carter
1984; Atkinson 1987, 1988; Kwok and Atkinson 1995). A journal article describing AOPWIN has
been published (Meylan and Howard 1993). In addition, SRC has derived some new fragment and
reaction values from new experimental data.
BIOWIN
The Biodegradation Probability Program (BIOWIN) developed by SRC is part of the EPI Suite of
programs and estimates the probability for the rapid aerobic biodegradation of an organic chemical
in the presence of mixed populations of environmental microorganisms. Estimates are based upon
fragment constants that were developed using multiple linear and non-linear regression analyses.
A discussion of the methodology used to derived the linear and non-linear fragment constants is
presented in a journal article by Howard et al. (1992). Experimental biodegradation data for the
multiple linear and non-linear regressions were obtained from SRC’s database of evaluated
biodegradation data (Howard et al. 1987).
BIOWIN version 3 was updated to include expert judgement estimates for the time required to
achieve primary and ultimate biodegradation. A journal article (Boethling et al. 1994) gives a
complete description of the methodology. The octanol–water partition coefficient (log P) values
calculated by PrologP are determined from the data in the fragment databases. The content,
organization, and importance of the fragment databases directly affect the program’s final
calculations. For these reasons, a more in-depth explanation of these databases is warranted.
HYDROWIN
The HYDROWIN program developed by SRC is part of the EPI Suite of programs and estimates
aqueous hydrolysis rate constants at 25 C for selected chemical classes. The selected chemical
classes in the current version include esters, carbamates, epoxides, halomethanes, and selected
alkyl halides. Rate constant estimates are based solely upon the chemical structure of a compound
and are calculated from regression equations derived from experimental hydrolysis data (Mill et al.
1987). HYDROWIN predicts either acid-catalyzed or base-catalyzed rate constants. It does not
estimate neutral hydrolysis rate constants. The estimated acid- or base-catalyzed rate constants
are used to calculate hydrolysis half-lives at selected pHs.
TOPKAT
TOPKAT v. 6.1. Substances with less than 20% probability that they will rapidly degrade in
screening tests, as predicted by Topkat v 6.1.
162
MODELS FOR BIOACCUMULATION
KOWWIN
The Log Octanol–Water Partition Coefficient Program (KOWWIN) developed by SRC is part of the
EPI Suite of programs and estimates the logarithmic octanol–water partition coefficient (log P or log
Kow) of organic compounds. A journal article by Meylan and Howard (1995) describes the program
methodology (atom-fragment contribution method). KOWWIN includes a database of more than 12
570 reliable, experimental log P values for different compounds. The database is supplied in two
formats: 1) a format that the KOWWIN searches during program execution to match input
structures with the database to inform the user that an experimental value exists, and 2) a text
version that includes the experimental log P value, the value estimated by KOWWIN, and the value
estimated by the ClogP Program (BioByte Corporation).
ATOMIC:
In this system, log P is calculated using atomic fragments. The “body” of these fragments is only
one atom. The fragment is then described by what it is adjacent to. In many cases, this calculation
does not lead to predicted log P due to missing atom types.
ATOMIC5:
This system uses atomic fragments, too. However, as in the case of the CDR database, some
modifications were made on the set in order to make the predictions more accurate:
New atom types were introduced.
Interactions were added to handle some kinds of delocalizations and, in the case of
orthosubstituted carboxylic acids, hydrogen bonding.
The contributions were recalculated using linear regression analysis.
163
In industry, many compounds are synthesized having some basic skeleton and a number of
variations in the substituent pattern. In such cases, it might be considered useful to derive personal
fragments using adequate statistical methods such as, for example, those described by Rekker.
Such an approach may produce new fragmental values for fragments for which no values have
been reported so far in the literature, in particular for complex fragments. On the other hand,
existing f values should be fine-tuned to give a higher predictability within the series under
investigation. PrologP provides the means not only to easily customize either of the two supplied
fragment databases, but also to build up new ones.
ECOWIN
ECOWIN developed by SRC is part of the EPI Suite of programs and is a computerized version of
the ECOWIN analysis procedures as currently practised by the Office of Pollution Prevention and
Toxics (OPPT). It has been developed within the regulatory constraints of the Toxic Substances
Control Act (TSCA). It is a pragmatic approach to SAR as opposed to a theoretical approach. The
SARs presented in this program are used to predict the aquatic toxicity of chemicals based upon
their similarity of structure to chemicals for which the aquatic toxicity has been previously
measured. Most SAR calculations in the ECOWIN class program are based upon the Kow. Various
surfactant SAR calculations are based upon the average length of carbon chains or the number of
ethoxylate units.
TOPKAT
TOPKAT 5.0, developed by the Oxford Molecular Group, utilizes robust, cross-validated
quantitative structure–toxicity relationship (QSTR) models for assessing specific adverse health
effects, e.g., rodent carcinogenicity, Ames mutagenicity, developmental toxicity potential, rat
chronic lowest-observedadverse- effect level (LOAEL), rat oral LD50, skin sensitization, fathead
minnow LC50, and Daphnia magna EC50. A LogP QSAR module is also available (see model
protocols for additional information). Additional models are in development for assessing eye
irritancy (Draize), skin irritancy (Draize), rat maximum tolerated dose (MTD), inhalation LC50, and
aerobic biodegradability. These models are incorporated with the data from which they are
developed into QSTR modules, which are available on a modular basis.
TOPKAT uses a fragment approach to estimating toxicity, assigning coefficients to the structural
descriptors of the substances in a database of known fathead minnow toxicity (96-hour LC50s) and
comparing these with the structural descriptors of the substance being modelled. The coefficients
are algebraically added to a constant, resulting in an estimate of the probable toxicity, which is then
converted to mg/L. TOPKAT also provides an assessment of its own prediction, by performing a
multivariate analysis to check whether an input structure is located inside (valid prediction) or
outside (may or may not be valid) the Optimum Prediction Space. Data for the fathead minnow
LC50 QSAR were extracted from volumes 1–5 of “Acute Toxicities of Organic Chemicals to
Fathead Minnows (Pimephales promelas),” Center for Lake Superior Environmental Studies,
University of Wisconsin–Superior, D.L. Geiger, L.T. Brooks, and D.J. Call (eds.). This collection
reports on flow-through assays using carefully controlled and documented environmental
conditions. Only 96-hour data were used for modelling purposes. The results from this TOPKAT 5.0
model are reported in chemical weight/solution volume units. Data for the Daphnia magna EC50
QSAR were obtained from the AQUIRE database. Each citation was then read to determine the
reported values for Daphnia magna EC50. The model was developed from 48-hour assays.
Results from assays on volatile chemicals that were performed in open beakers were not used. For
those compounds for which there were multiple assay values, the median of the available values
was used. The results from this Daphnia QSAR model are reported in chemical weight/solution
volume units.
164
ASTER
The ASTER system was developed by the U.S. EPA’s MED-Duluth Laboratory Group and uses
chemical structural fragments to predict likely modes of toxic action under acute exposure
conditions. For modes of toxic action that have associated SARs, ASTER estimates the acute
inherent toxicity to the fathead minnow. ASTER includes models to estimate inherent toxicity
(LC50) for narcosis I, polar narcosis, ester narcosis, and oxidative phosphorylation uncoupling
modes of action. With the exception of the narcosis I model, which is a bilinear regression model,
the QSARs included in ASTER are simple linear regressions. Statistics associated with QSAR
models are available within ASTER. All QSARs within ASTER use the octanol–water partition
coefficient as the sole descriptor of inherent toxicity. ASTER will not provide estimates outside the
limits of the QSAR models. This means that ASTER will not generate predictions outside a log Kow
range of 0–6. In developing an expert system to predict acute mode of toxic action from chemical
structure, MEDDuluth first developed a knowledge base from which rules could be derived. The
expert system within ASTER that predicts the acute mode of action was developed with a training
set of 617 organic chemicals tested with the fathead minnow in an acute (96-hour) bioassay with
LC50 as the endpoint.
Chemicals in the fathead minnow database were evaluated through analyses of a variety of
endpoints: 1) dose–response relationships in the 96-hour bioassay, 2) behavioural responses in
the 96-hour bioassay, 3) LC50 in relation to a predicted narcosis I LC50 (i.e., excess inherent
toxicity), 4) results of joint toxic action studies with fathead minnows, 5) fish acute inherent toxicity
syndrome (FATS) studies onrainbow trout, and 6) examination of toxicological literature specific to
the issue of toxicodynamic classifications (Russom et al. 1997). ASTER employed Environmental
Health Perspectives articles documenting structures associated with various toxic mechanisms.
These articles were discussed at the meeting and are the result of a workshop held in Duluth.
Based on empirical mode of action assessments, a knowledge base was established from which
substructural fragments of chemicals were associated with modes of toxic action. Each chemical
within the MED-Duluth fathead minnow database was classified into one of eight modes of action:
1) baseline (non-polar) narcosis or narcosis I, 2) polar narcosis or narcosis II, 3) ester narcosis or
narcosis III, 4) oxidative phosphorylation uncoupling, 5) respiratory inhibition, 6)
electrophile/proelectrophile reactivity, 7) acetylcholinesterase inhibition, or 8) several mechanisms
of central nervous system seizure responses. An attempt was made to classify each compound
based on acute mode of action, although this was not always possible (see Russom et al. 1997).
Based on the amount of available information for a given compound, a level of confidence was
assigned to a mode of action determination. Many of the structures associated with various toxic
mechanisms are documented in Environmental Health Perspectives articles (Auer et al. 1990;
Bradbury and Lipnick 1990; Carlson 1990; Coats 1990; Duke 1990; Franks and Leib 1990; Fukuto
1990; Hermens 1990; Kadlubar et al. 1990; Mason 1990; Terada 1990; Veith and Broderius 1990).
After compiling the above data and identifying acute modes of action, chemicals with a high level of
confidence were used to write rules in Fortran that linked substructural fragments with acute mode
of action and, when available, to mode of action specific QSARs. Substance structures are
converted into SMILES (linear notation used to identify chemical structure) and SILC (substructural
fragment language) notation. When a user identifies a chemical within the Entry screen, ASTER
will first locate the chemical’s structure, if one is not provided by the user. If a structure is not
available, the software cannot estimate inherent toxicity or mode of action. Using the structure, the
system will then assign a mode of action by checking for SILC fragments that have been linked to
an acute mode of toxic action. The SILC fragments are ordered within the software from non-
specific to specific mechanisms.
Therefore,
Narcosis I is the default mode of action; that is, if substructures associated with more specific
modes of action are not identified, then the acute mode of action is identified by ASTER as
Narcosis I. Secondarily, a check is made to ensure that the mode of actio n is also associated with
the lowest (most toxic) LC50 result. ASTER will select the mode of action associated with the
lowest estimated LC50. The various QSAR models for narcosis I, polar narcosis, ester narcosis,
and uncouplers were developed using a subset of the fathead minnow database, with a training set
of 60, 39, 7, and 12 chemicals, respectively. The QSARs were validated against a test set of 97
165
compounds not in the original fathead minnow database. The QSARs and validation are detailed in
the paper by Russom et al. (1997).
OASIS
The OASIS model was developed by Dr. Ovanes Mekenyan, Department of Physical Chemistry,
Laboratory of Mathematical Chemistry, University “Prof. As. Zlatarov,” Bourgas, Bulgaria. The
approach used for modelling acute inherent toxicity considers the organism’s response to the
presence of toxicant in the environment as a consequence of the combined influence of two
different processes: 1) uptake of the chemical into the biophase and 2) interaction with the site of
action. It delineates two types of toxicochemical domains: 1) non-covalent (reversible) acting
chemicals and 2) irreversible covalent bioreactive chemicals. Further details on the model are
given in CED (2000).
Next is a hidden layer of neurons; each neuron in this layer has a connection weight to each
neuron in the first layer. The hidden layer may in turn be connected to another hidden layer, again
with each pairwise combination of neurons between layers having a connection weight. A neural
network may have one to several hidden layers. The last hidden layer is connected to an output
layer. Given a training dataset with chemical descriptor variables and measured toxicity values, the
neural network begins by assigning a connection weight to each pairwise combination of neurons
between adjacent layers.
“Answers” are calculated by multiplying each input by the connection weight to each hidden unit.
The products are then summed at each hidden unit where a non-linear transfer function is applied.
The output of each hidden unit is then multiplied by the connection weight from the hidden unit to
the output unit (or next hidden layer unit), where it is summed and a prediction obtained. Many
neural networks use a back-propagation algorithm to “learn”; this is done by iteratively passing
through the data and adjusting the network connection weights to minimize the error between the
network predictions and the measured toxicity values. This supervised form of learning continues
until the error can be reduced no further. The network may then be used to generate toxicity
predictions forsubstances without measured toxicity data.
Currently, 865 compounds are contained in the PNN training database, and good correlatio n of
PNN predicted values versus measured values from the training set has been obtained. The
chemical descriptors required for input to the PNN methodology include the logarithm of molecular
weight; presence/absence of 33 molecular descriptors (e.g., -CN, -COOH, -O-, =O, SOx, POx,
etc.); the number of C, H, As, Br, Cl, F, Fe, Hg, I, K, Mn, N, Na, O, P, S, Se, Si, Sn, and Zn atoms
present in the molecule; and the logarithm of the ratio of the molecular weight corresponding to all
atoms present over the total molecular weight. The process for generating toxicity predictions from
the PNN involves four steps: 1) pre-processing of the data to fulfil the input requirements of the
PNN program, 2) feeding of the input information into each of five PNNs developed earlier as part
of a cross-validation exercise and generation of partial predictions, 3) back-processing of the five
predictions in order to translate them into predicted toxicity (pT) units, and 4) calculating the actual
prediction returned by the methodology from the five partial values using a smoothing technique.
The Level I and II fugacity models are based on the work of Mackay (1991). A Level I simulation is
of the equilibrium distribution of a fixed quantity of conserved (i.e., non-reacting) chemical, in a
166
closed environment at equilibrium, with no degrading reactions, no advective processes, and no
intermedia transport processes (e.g., no wet deposition or sedimentation). The medium receiving
the emission is unimportant, because the chemical is assumed to become instantaneously
distributed to an equilibrium condition.
A Level I calculation gives the general impression of the likely media into which a chemical will tend
to partition and an indication of relative concentrations in each medium. The results of changes in
chemical and environmental properties may be explored. The Level II program assumes a simple,
evaluative environment with user-defined volumes and densities for the following homogeneous
environmental media (or compartments): air, water, soil, sediment, suspended sediment, fish, and
aerosols. This model is also useful for establishing the general features of a new or existing
chemical’s behaviour. A Level II calculation gives an indication of the likely media into which a
chemical will tend to partition and an indication of relative concentrations in each medium. The
distribution between media is the same as in Level I. The results of changes in chemical and
environmental properties may be explored.
References
Atkinson, R. 1987. A structure–activity relationship for the estimation of rate constants for the
gasphase reactions of OH radicals with organic compounds. Int. J. Chem. Kinet. 19:799–828.
Atkinson, R. 1988. Estimation of gas-phase hydroxyl radical rate constants for organic chemicals.
Environ. Toxicol. Chem. 7:435–442.
Atkinson, R. and W.P.L. Carter. 1984. Kinetics and mechanisms of the gas-phase reactions of
ozone with organic compounds under atmospheric conditions. Chem. Rev. 84:437–470.
Auer, C.M., J.V. Nabholz, and K.P. Baetcke. 1990. Mode of action and the assessment of chemical
hazards in the presence of limited data: use of structure–activity relationships (SAR) under TSCA,
Section 5. Environ. Health Perspect. 87:183–197.
Boethling, R.S., P.H. Howard, W.M. Meylan, W. Stiteler, J. Beauman, and N. Tirado. 1994. Group
contribution method for predicting probability and rate of aerobic biodegradation. Environ. Sci.
Technol. 28:459–465.
Bradbury, S. and R.L. Lipnick. 1990. Introduction: structural properties for determining mechanisms
of toxic action. Environ. Health Perspect . 87:181–192.
Carlson, R.M. 1990. Assessment of the propensity for covalent binding of electrophiles to biological
substrates. Environ. Health Perspect. 87:227–232.
Coats, J.R. 1990. Mechanisms of toxic action and structure–activity relationships for
organochlorine and synthetic pyrethroid insecticides. Environ. Health Perspect. 87:225–262.
Duke, S.O. 1990. Overview of herbicide mechanisms. Environ. Health Perspect . 87:263–271.
167
Eldred, D.V., C.L. Weikel, P.C. Jurs, and K.L.E. Kaiser. 1999. Prediction of fathead minnow acute
toxicity of organic compounds from molecular structure. Chem. Res. Toxicol. 12:670–678.
Franks, N.P. and W.R. Lieb. 1990. Mechanisms of general anesthesia. Environ. Health Perspect.
87:199–205.
Geiger, D.L., L.T. Brooks, and D.J. Call (eds.). Acute Toxicities of Organic Chemicals to Fathead
Minnows (Pimephales promelas). Vols. 1–5. Center for Lake Superior Environmental Studies,
University of Wisconsin–Superior.
Hermens, J.L. 1990. Electrophiles and acute inherent toxicity to fish. Environ. Health Perspect.
87:219–225.
Howard, P.H., A.E. Hueber, and R.S. Boethling. 1987. Biodegradation data evaluation for
structure/biodegradability relations. Environ. Toxicol. Chem. 6:1–10.
Howard, P.H., R.S. Boethling, W. Stiteler, W.M. Meylan, A.E. Hueber, J. Beauman, and M.E.
Larosche. 1992. Predictive model for aerobic biodegradability developed from a file of evaluated
biodegradation data. Environ. Toxicol. Chem. 11:593–603.
Kadlubar, F.F., P.P. Fu, H. Jung, A.U. Shaikh, and F.A. Beland. 1990. The metabolic N-oxidation of
carcinogenic arylamines in relation to nitrogen charge density and oxidation potential. Environ.
Health Perspect. 87:233–236.
Kwok, E.S.C. and R. Atkinson. 1995. Estimation of hydroxyl radical reaction rate constants for
gasphase organic compounds using a structure–reactivity relationship: an update. Atmos. Environ.
29:1685–1695.
Mackay, D. 1991. Multimedia Environmental Models: The Fugacity Approach. Lewis Publishers,
CRC Press, Boca Raton, Florida.
Mason, R.P. 1990. Redox cycling of radical anion metabolites of toxic chemicals and drugs and the
Marcus theory of electron transfer. Environ. Health Perspect. 87:237–243.
Meylan, W.M. and P.H. Howard. 1993. Computer estimation of the atmospheric gas-phase reaction
rate of organic compounds with hydroxyl radicals and ozone. Chemosphere 26:2293–2299.
Meylan, W.M. and P.H. Howard. 1995. Atom/fragment contribution method for estimating octanol–
water partition coefficients. J. Pharm. Sci. 84:83–92.
Mill, T., W. Haag, P. Penwell, T. Pettit, and H. Johnson. 1987. Environmental Fate and Exposure
Studies, Development of a PC-SAR for Hydrolysis: Esters, Alkyl Halides and Epoxides. EPA
Contract No. 68-02-4254. SRI International, Menlo Park, California.
Russom, C.L., S.P. Bradbury, S.J. Broderius, D.E. Hammermeister, and R.A. Drummond. 1997.
Predicting modes of toxic action from chemical structure: acute inherent toxicity in the fathead
minnow (Pimephales promelas). Environ. Toxicol. Chem. 16(5):948–967.
168
APÉNDICE 2
169
Biphenyl and two or fewer hydroxy-substituted polyaromatics
Cyclic chemicals consisting only of C, O, N, and H
Two aromatic rings (e.g., naphthalene and amino-naphthalene)
Aliphatic and aromatic carboxyl groups -C(=O)-OH
Amides -C(=O)-N or C(=S)-N
Unsubstituted aromatic (three or fewer rings)
Unsubstituted phenyl ring -C6H5
Linear C4 alkyl terminal chain -CH2-CH2-CH2-CH3
Alkyl substituent on aromatic ring
Carbamate
170
APÉNDICE 3
A few other qualitative approaches have been suggested by various researchers for extrapolating
from ready and inherent biodegradation test results to a qualitative assessment of persistence.
Table A3-2 summarizes these approaches, according to Aronson and Howard (1999).
171
Table A3-2: Criteria for assessing ready and inherent biodegradation test results (adapted
from Aronson and Howard 1999)
Type of Criteria (%
test degradation) Conclusion Comment
ready >60% or 70% not persistent rapid rate of biodegradation in environment
inherent >70% likely not rate of degradation in environment may be
slow
persistent
ready >20%, but likely not most likely not persistent, but further
<60% testing
or 70% persistent would confirm
inherent >20%, but likely persistent may not be persistent, but further testing is
<70%
required
ready <20% persistent may not be persistent, but further testing is
required
inherent <20% persistent probably very persistent
In general, results presented in Table A3-2 support the Boethling extrapolation approach. Although
these results can be used only for a qualitative determination of persistence, they may be used
along with qualitative analysis to support or negate the Boethling extrapolation approach,
particularly for test results that lie between the pass/fail boundaries of the ready and inherent tests.
Persistence described in Table A3-2 refers only to persistence with respect to biodegradation and
does not take into account other degradation mechanisms in a given medium.
172
Table A3-3: Summary of extrapolation approaches from the BIOWIN model to persistence
estimates
From Table A3-3, it can be seen that researchers have suggested that substances that are
persistent, or potentially persistent, in water, soil, and sediment have a cut-off value ranging from
≥2 to 2.2 in the ultimate and primary survey models and from <0.1 to 0.2 in the BIOWIN probability
models.
As with experimental pass/fail data, the extrapolations outlined in Table A3-3 do not provide a
means for deriving a biodegradation half-life estimate from the BIOWIN models. The only known
approach for such an extrapolation is a method developed by Bob Boethling at the U.S.
EPA, later modified by Boethling and the SRC for use in the U.S. EPA’s PBT-Profiler program.
173
Unless information on the half-life of a substance in an environmental compartment is available,
half-life determinations made using BIOWIN USM output will use the Boethling half-life
assignments and the original 1 × 1 × 4 extrapolation factors (for water, soil, and sediment,
respectively) from Boethling, as outlined below.
HPVC (High Production Volume Chemical) Screening Tool: Using Ready and Inherent
Biodegradability Data to Derive Input Data for the EQC Model
Multimedia fate models like the EQC model require compartmental half-lives for air, water, soil, and
sediment. The scheme in Table A3-4 is offered as a strawman procedure for assigning half-lives for
input to such models. These are bulk half-lives — i.e., for the compartment as a whole. They are
not to be interpreted as (necessarily) half-lives for any specific process such as biodegradation. No
assumptions should be made that compromise their interpretation as bulk half-lives, such as that
biodegradation is the important process and occurs in soil pore water only. Air half-lives are not
addressed here, and it is assumed that data for input to models are either measured or derived
from the Atmospheric Oxidation Program (AOPWIN) or similar methodology.
Half-lives for the soil compartment are assumed to be the same unless compelling evidence to the
contrary is available. Note that this must consist of experimental data specific for the given
substance. Half-lives for the sediment compartment are assumed to be 3–4 times longer than for
water and soil, unless, again, there is convincing experimental evidence to the contrary. These
assumptions are discussed in more detail below.
Table A3-4 can be applied in an automated fashion to HPVC test data. Usually there will be either
a ready test result or an inherent test result but not both. In either case, one just reads over to the
half-life column and finds the appropriate number. However, some rules are needed for what to do
when there are both types of data, especially when there are apparent conflicts. The following rules
are suggested:
1) ready test results 40% trump inherent test results regardless of what they are;
2) inherent test results trump ready test results if the latter are <40%.
Table A3-5 presents a reasonable interpretation of the EEC Technical Guidance Document (TGD;
EEC 1996) relative to extrapolation of ready and inherent test data to surface waters and is
provided for comparison with the scheme in Table A3-5. The TGD does not give default (bulk)
compartmental halflives for soil and sediment, but rather presents a methodology for assigning
half-lives based on ready or inherent biodegradability test data and additional information on the
solids–water partition coefficient for the chemical. This parameter can be calculated from other data
such as Kow after making certain assumptions.
174
Table A3-5: Rate constants according to biodegradation test result
Surface water half-
life
Rate constant (day–
Ready test result Inherent test result (days)
1)
pass test, including 10- – 15 k = 0.047
day window
meet final pass 50 k = 0.014
–
criterion
but not 10-day window
fail both criteria – infinite k=0
>70% 150 k = 0.0047
<70% infinite k=0
Moreover, Federle et al. (1997) questioned the validity of the concept based on their evidence that
the rate of biodegradation in ready tests reflects a chemical’s water solubility (since ready tests use
artificially high levels of test chemical) more than its biodegradation rate in natural waters. Further,
given the stringency of ready tests, assuming no biodegradation for chemicals that just miss the
final pass criteria does not seem reasonable — i.e., is excessively conservative.
The starting point for developing the scheme in Table A3-4 is the assumption that chemicals that
meet the final pass criteria for ready biodegradability tests do so because they have been
completely biodegraded by the end of the test, which normally occurs at 28 days. Although the
precise definition of “completely degraded” is somewhat arbitrary, 5–6 half-lives will lead to 97–
98% loss of parent material; if the test period is 28 days, this implies a half-life no greater than
about 5 days, assuming first order kinetics. Struijs and van den Berg (1995), whose work formed
the basis of the TGD guidance, came to roughly the same conclusion, although they did not
explicitly recommend this half-life as the default for chemicals passing a ready test.
The scheme in Table A3-4 is also designed to give credit for degradation that is certainly
significant, despite missing the formal pass criteria. The rationale is that degradation of 45, 50, and
55% of theoretical is often observed in ready tests and probably represents nearly complete
ultimate biodegradation in most cases. Since ready tests are stringent, this should correspond to a
very significant biodegradation rate in surface waters: Table A3-4 assigns a half-life of 10 days. If
the ready test result is in the 20–40% range, given the stringency of ready tests, this again should
be viewed as significant, but obviously should be assigned a higher half-life (Table A3-4 assigns 30
days).
If the ready result is <20%, only then is it appropriate to consider the rate constant to be zero, but
not if there is an inherent biodegradation test result (usually this would be the Zahn-Wellens [Z-
W]/EMPA test; OPPTS 835.3200), showing significant (defined as >20% DOC loss) degradation. In
175
this case, a half-life of either 30 days (if the Z-W result is >70%) or 100 days (if the Z-W result is in
the 20–70% range) is assigned. If the inherent result is <20%, it is indeed appropriate to assume
that degradation in surface water is negligibly slow.
The 10-day window concept is not employed in this scheme, which is also wise, given that in many
cases only the final test result will be provided anyway.
As stated above, Struijs and van den Berg (1995) developed guidance for extrapolating results of
standard OECD biodegradation test methods to various environmental conditions. The
extrapolation protocol is based on generic microbial population densities, which are assumed to be
100 times higher for soil pore water than for surface water. Equilibrium partitioning (which requires
additional information on solids/water distribution) is then used to adjust the predicted
biodegradation rate for distribution of the chemical between sediment and pore water (i.e., for
sorption), and it is assumed that no degradation occurs in the bound phase. The authors claim that
the protocol yields reasonable predictions of soil biodegradation rates from ready biodegradability
test results, but the number of chemicals studied was small. More importantly, this approach
requires assumptions about bioavailability that may well be false and in any case are unnecessary
when the only parameters needed from this exercise are bulk compartment half-lives for input to a
multimedia fate model.
Another approach to getting the required soil and sediment half-lives is to use the recommended
values for water and extrapolate to the other media using scaling factors. “Scaling factor” is a fancy
name for a number that, when multiplied by a degradation rate constant or half-life for one set of
environmental or test conditions, yields a rate for a second, different set of conditions.
Boethling et al. (1995) collected measured half-life data for a wide variety of chemicals that had
been tested in both soil and water samples collected from the environment. They then calculated
mean ratios of half-life in water to half-life in aerobic surface soil for 20 chemicals. The ratios varied
widely, but the overall mean was around 1, suggesting that, for screening purposes, it is valid to
assume that biodegradation in aerobic surface waters is about as fast as degradation in aerobic
surface soil. They did not study sediment per se, and indeed there are few data in the literature for
test systems containing only the sediment compartment, because it is more common to use
microcosms that contain sediment but a substantial layer of overlying site water. This is important,
because the investigator’s purpose may or may not be to simulate conditions in deeper and
therefore anaerobic sediment layers. Boethling et al. (1995) did compare biodegradation in aerobic
surface soil with anaerobic degradation in flooded soil and found that for chemicals without nitro
groups, which are rapidly reduced anaerobically, aerobic degradation was on average 3–4 times
faster than anaerobic degradation. Again, the actual ratios of mean half-lives varied widely for the
chemicals studied.
Federle et al. (1997) compared degradation rates under various conditions in much the same
fashion as in Boethling et al. (1995), but the experimental data were generated de novo under
carefully controlled conditions, as opposed to being gathered from the literature. Scaling factors for
river water versus soil varied widely as was observed in the earlier study, but the overall mean was
close to 1 as in Boethling et al. (1995). Federle et al. (1997) did not include sediment in their study.
They also found that, contrary to the results of Struijs and van den Berg (1995), biodegradation
rates in river water versus soil did not scale on the basis of microbial density, even if the different
biodegradabilities of sorbed versus free chemical were factored into the comparison.
These studies suggest that half-lives in bulk soil may be assumed for screening purposes to be
about the same as for surface water, and that sediment half-lives may be assumed to be 3–4 times
longer.
References
Boethling, R.S., P.H. Howard, J.A. Beauman, and M.E. Larosche. 1995. Factors for intermedia
extrapolation in biodegradability assessment. Chemosphere 30:741–752.
176
EEC (European Economic Community). 1996. Technical Guidance Document in Support of
Commission Directive 93/67/EEC on Risk Assessment for New Notified Substances and
Commission Regulation (EC) No. 1488/94 on Risk Assessment for Existing Substances, DG XI.
Brussels and Luxembourg.
Federle, T.W., S.D. Gasior, and B.A. Nuck. 1997. Extrapolating mineralization rates from the ready
CO2 screening test to activated sludge, river water and soil. Environ. Toxicol. Chem. 16:127–134.
Painter, H.A. 1995. Detailed Review Paper on Biodegradability Testing. OECD Series on the Test
Guidelines Program, No. 2, OECD/GD(95)43. Environment Directorate, Organisation for Economic
Co-operation and Development, Paris.
Struijs, J. and R. van den Berg. 1995. Standardized biodegradability tests: extrapolation to aerobic
environments. Water Res. 29:255–262.
177
APÉNDICE 4
>4.75 hours
>4.25 – =4.75 hours–days
>3.75 – =4.25 days
>3.25 – =3.75 days–weeks
>2.75 – =3.25 weeks
>2.25 – =2.75 weeks–months
>1.75 – =2.25 months
>1.25 – =1.75 months–longer
=1.25 longer
days <14
weeks <90
months <360
longer =360
Step 2a. If step 1 yields a range of words (e.g., “days to weeks”), assign numbers as above, then
take the mean of these two numbers.
Example
Running a C15 linear alkyl hydrocarbon through the BIOWIN model as an example (SMILES is
CCCCCCCCCCCCCCC), one should get these answers:
178
USM yields 3.33. By the above scheme, it is “days–weeks.” Assigning numbers to get a predicted
range of time for complete degradation gives 14–90 days by the above scheme. The mean is 52
days. Since this is assumed to represent 6 half-lives, divide by 6 to get 8.7 days.
Note
A similar approach can be taken with the primary biodegradation survey model. This scheme is
almost entirely unvalidated. If found consistently too conservative or the opposite, changing the
assumption regarding the number of half-lives constituting “complete” degradation may be a
convenient way to adjust. Some may desire a different number (than 6) anyway.
179
APÉNDICE 5
Gobas (2001)
Model Basis
From this model, one can derive the BAF as
BAF (k1· + kD·(CD/CW)) / (k2 + kE + kM + kG)
The diet-to-water concentration ratio (CD/CW) can be approximated by:
CD/CW = · · ·LD·Kow
where:
= the fraction of the total chemical concentration in the water that is freely dissolved (unitless)
= overall food-chain biomagnification factor (unitless), representing the degree of chemical
magnification (e.g., due to biomagnification in the diet or sediment diagenesis) beyond chemical
partitioning from the water.
= 0, the model assumes no dietary uptake, hence converting back to a bioconcentration model.
> 1, there is chemical magnification taking place. By varying different configurations of food-
chains can be selected. is an empirical parameter that is selected based on empirical
observations.
= trophic dilution factor resulting from metabolic transformation. This factor accounts for the role
of metabolic transformation on the ability of chemicals to biomagnify in food-webs (unitless). The
maximum value for is 1.0, representing no trophic dilution. When the metabolic transformation
rate increases, drops to counteract the effect of biomagnification.
This results in the final equation for the BAF, namely BAF = (k1· + kD· · · ·LD·Kow) / (k2 + kE +
kM + kG)
This BAF can be viewed as the apparent BAF, i.e., the BAF as it would be determined by
measurements of the concentration in the organism and the total (i.e., unfiltered) chemical
concentration in the water.
The chemical’s actual bioaccumulation potential is best expressed as the ratio of the chemical
concentration in the organism and the freely dissolved chemical concentration in the water. It can
be represented by BAFP:
BAFP = BAF/ = (k1 + kD· · ·LD·Kow) / (k2 + kE + kM + kG)
The freely dissolved chemical concentration is difficult to measure, and current BAF observations
are typically presented in a format that includes the total chemical concentration in the water.
Following Gobas (1993), the following methods for the estimation of the rate constants in the model
can be used:
k1 = 1/((0.01 + 1/K ow)·W0.4) = rate constant for chemical uptake from water (L/kg·day)
k2 = k1/LB·Kow = rate constant for chemical elimination via the respiratory surface area (1/day)
kD = 0.02W-0.15·exp(0.06T) / (5·10-8 · Kow + 2) = rate constant for chemical uptake from the diet
(kg/kg diet)
kE = 0.2kD·LD/LB = rate constant for chemical egestion in fecal matter (1/day)
kG = 0.0005W-0.2 = rate constant for organic growth (1/day)
= 1/(1+ POC·0.35·Kow + 0.1· DOC·0.35·Kow)
= 0.0015/kM + 0.0015
180
CB = chemical in the organism (g chemical/kg wet weight)
where:
W = weight of the organism (kg)
LB = lipid content of the organism (unitless)
T = temperature (°C)
POC = concentration of particulate organic carbon in the water phase (kg/L)
DOC = concentration of dissolved organic carbon in the water phase (kg/L)
kM = metabolic transformation rate constant (1/day)
This model requires a limited set of input parameters that can be easily obtained and used to
characterize conditions in Canadian waters. A listing of the input parameters of this model and
recommended default values can be found in Table A5-1.
Table A5-1: Input parameters and suggested default values for the modified Gobas model
that is recommended for the categorization and screening of chemicals on the DSL
Environmental characteristics:
Mean water temperature (10°C)
Concentration of particulate organic carbon in the water (5 ×10-7 g/g)
Concentration of dissolved organic carbon in the water (5 × 10-7 g/g)
Maximum food-chain biomagnification factor = 70
Chemical properties:
Octanol–water partition coefficient
Organism characteristics:
Lipid content (0.20) of the prey species or materials at the bottom of the food chain
LD = 0.01
Weight (1.0 kg)
Metabolic transformation rate constant (0 day-1)
Trophic dilution factor or = 1
Model Strengths
The model can be applied to different aquatic food chains. The model provides estimates of the
BAF for all the species included in the food chain.
The model uses a set of input parameters that are easy to obtain. The model includes bioenergetic
equations to estimate feeding rates and growth rates of organisms.
The model includes pelagic and benthic food web interactions, making the BAF a function of both
water and sediment concentrations.
The model includes an algorithm for constructing uncertainty analysis through Monte Carlo
simulation.
Steady-state assumptions enable model calculations to be performed simply and quickly.
Steady-state assumptions provide estimates for the BAF that can be expected after prolonged
exposure. These can be viewed as estimates of the maximum BAFs, i.e., the BAF that will
eventually be achieved in the species modelled.
The model has been applied to many real-world situations and has been shown to provide good
results by a range of authors.
The model can be applied to represent Canadian conditions.
Model Weaknesses
The model does not allow for cannibalism in the food chain.
Like all the other models discussed in Gobas (2000), the Gobas model cannot predict the ability of
organisms to metabolize chemical substances. Estimates of the BAF are therefore conservative for
chemicals that do metabolize. The model is based on the following mass balance equation (Gobas
1993):
k1· ·CW + kD·CD = (k2 + kE + kM + kG)·CB
In this mass balance model, k1· ·CW represents chemical uptake from water, kD·CD represents
chemical uptake from the diet, and (k2 + kE + kM + kG)·CB represents chemical depuration from
the organism.
181
Modification from Original Gobas Model
1. The modified model includes the relationship between sediment and water concentrations. In the
original model, this had to be entered. This allows the user to calculate a BAF without having to
input the sediment concentration and suspended sediment concentrations.
2. The modified model includes a default food chain. In the original model, this had to be entered.
This will provide an estimate of the BAF at a higher trophic level (e.g., large upper trophic level fish)
in an aquatic food chain. The original model produces a range of BAFs, one for each step of the
food chain.
3. The model is calibrated to conform to and represent conditions in Canadian waters. The original
model is a generic non-calibrated model, not representing any particular conditions. The modified
model is calibrated to field conditions in Canada.
4. The GIT magnification model is modified from the previous version of the model to represent
new findings since the development of the original model.
5. The various model parameters used to characterize the gill uptake and dietary intake rates have
been slightly modified to make the model simpler.
References
Gobas, F.A.P.C. 1993. A model for predicting the bioaccumulation of hydrophobic organic
chemicals in aquatic food-webs: application to Lake Ontario. Ecol. Model. 69:1–17.
Gobas, F. 2001. The Application of Bioaccumulation Models for Categorization and Screening of
Chemical Substances on the DSL. Prepared under contract for the Chemicals Evaluation Division,
Environment Canada, Hull, Quebec. June.
182
APÉNDICE 6
(TRAINING SET OF CHEMICALS FOR THE PNN, OASIS, AND ASTER MODELS)
Note: Training sets for the TOPKAT and ECOWIN models have not been included, as these
models
are proprietary commercial products.
183
102-69-2 107-29-9 110-40-7 115-20-8 124-04-9 148-53-8
102-71-6 107-41-5 110-43-0 115-29-7 124-22-1 150-19-6
103-05-9 107-45-9 110-54-3 115-32-2 125-12-2 150-76-5
103-76-4 107-47-1 110-56-5 115-86-6 126-73-8 150-78-7
103-83-3 107-49-3 110-58-7 116-06-3 126-81-8 151-21-3
103-90-2 107-87-9 110-62-3 117-80-6 127-00-4 152-16-9
104-13-2 108-05-4 110-65-6 118-55-8 127-06-0 253-52-1
104-40-5 108-10-1 110-73-6 118-61-6 127-18-4 260-94-6
104-51-8 108-20-3 110-80-5 118-74-1 127-20-8 271-89-6
104-76-7 108-38-3 110-86-1 118-79-6 127-65-1 280-57-9
104-88-1 108-39-4 110-88-3 118-96-7 127-66-2 281-23-2
104-90-5 108-41-8 110-93-0 119-32-4 128-37-0 298-00-0
105-14-6 108-46-3 111-13-7 119-34-6 128-44-9 298-02-2
105-53-3 108-59-8 111-15-9 119-61-9 129-67-9 298-03-3
105-60-2 108-70-3 111-25-1 120-07-0 131-11-3 298-04-4
105-67-9 108-86-1 111-26-2 120-21-8 131-52-2 299-84-3
105-75-9 108-88-3 111-27-3 120-62-7 132-64-9 300-76-5
105-99-7 108-89-4 111-42-2 120-80-9 133-06-2 309-00-2
106-40-1 108-90-7 111-46-6 120-82-1 133-07-3 309-43-3
106-42-3 108-93-0 111-47-7 120-83-2 133-11-9 311-45-5
106-43-4 108-94-1 111-68-2 120-92-3 134-62-3 314-40-9
106-44-5 108-95-2 111-69-3 121-14-2 135-19-3 315-18-4
106-46-7 108-99-6 111-70-6 121-32-4 137-30-4 329-71-5
106-47-8 109-01-3 111-76-2 121-33-5 137-40-6 330-54-1
106-48-9 109-06-8 111-83-1 121-54-0 140-31-8 330-93-8
106-49-0 109-07-9 111-86-4 121-57-3 140-88-5 333-41-5
106-51-4 109-21-7 111-87-5 121-69-7 141-03-7 350-46-9
106-63-8 109-60-4 111-90-0 121-73-3 141-28-6 368-77-4
106-89-8 109-64-8 111-91-1 121-82-4 141-43-5 371-40-4
106-94-5 109-65-9 111-96-6 121-87-9 141-78-6 383-63-1
107-02-8 109-73-9 112-05-0 122-03-2 141-91-3 385-00-2
107-05-1 109-75-1 112-12-9 122-14-5 141-93-5 387-45-1
107-06-2 109-76-2 112-18-5 122-39-4 141-97-9 393-39-5
107-07-3 109-77-3 112-20-9 122-99-6 142-28-9 446-52-6
107-10-8 109-85-3 112-24-3 123-07-9 142-62-1 447-60-9
107-12-0 109-86-4 112-27-6 123-15-9 142-71-2 454-89-7
107-13-1 109-87-5 112-30-1 123-31-9 142-92-7 459-59-6
107-14-2 109-89-7 112-34-5 123-42-2 142-96-1 464-45-9
107-15-3 109-97-7 112-42-5 123-54-6 143-08-8 464-48-2
107-18-6 109-99-9 112-53-8 123-66-0 143-16-8 470-82-6
107-19-7 110-00-9 112-80-1 123-72-8 143-33-9 471-77-2
184
502-56-7 602-01-7 693-93-6 1111-78-0 2117-11-5 4253-89-8
506-96-7 603-83-8 693-98-1 1122-54-9 2138-22-9 4412-91-3
512-56-1 606-20-2 700-38-9 1126-46-1 2150-47-2 4460-86-0
513-81-5 607-00-1 700-58-3 1126-79-0 2176-62-7 4655-34-9
514-10-3 607-81-8 706-14-9 1129-35-7 2216-51-5 4798-44-1
525-82-6 608-71-9 708-76-9 1194-65-6 2232-08-8 4839-46-7
527-60-6 608-93-5 709-98-8 1198-55-6 2234-16-4 4901-51-3
528-29-0 609-23-4 732-26-3 1204-21-3 2243-27-8 4916-57-8
529-19-1 610-39-9 760-23-6 1303-33-9 2243-62-1 4920-77-8
529-20-4 613-45-6 761-65-9 1330-20-7 2357-47-3 5217-47-0
532-32-1 614-80-2 764-01-2 1420-04-8 2362-61-0 5267-27-6
534-52-1 615-65-6 764-13-6 1444-64-0 2370-63-0 5292-45-5
538-68-1 616-21-7 768-94-5 1461-25-2 2416-94-6 5329-14-6
540-88-5 616-45-5 769-28-8 1482-15-1 2437-25-4 5331-91-9
541-73-1 616-86-4 771-60-8 1484-13-5 2437-29-8 5372-81-6
542-75-6 618-85-9 786-19-6 1484-26-0 2439-77-2 5395-75-5
544-40-1 618-87-1 791-28-6 1563-66-2 2447-79-2 5407-04-5
552-41-0 619-15-8 815-57-6 1582-09-8 2455-24-5 5465-65-6
552-89-6 619-50-1 818-61-1 1600-27-7 2460-49-3 5600-21-5
555-16-8 619-72-7 818-72-4 1634-04-4 2463-84-5 5673-07-4
563-12-2 619-80-7 821-55-6 1638-22-8 2495-37-6 5683-33-0
563-47-3 620-88-2 822-86-6 1647-16-1 2499-95-8 5813-64-9
563-80-4 621-08-9 831-82-3 1689-82-3 2626-83-7 5835-26-7
569-64-2 621-42-1 868-77-9 1689-83-4 2759-28-6 5922-60-1
570-24-1 622-40-2 868-85-9 1689-84-5 2859-67-8 5989-27-5
573-56-8 623-25-6 872-31-1 1740-19-8 2869-34-3 6175-49-1
576-26-1 625-86-5 874-42-0 1745-81-9 2894-51-1 6203-18-5
578-46-1 627-30-5 882-33-7 1746-23-2 2905-69-3 6266-23-5
583-53-9 628-76-2 886-86-2 1761-61-1 2921-88-2 6284-83-9
584-79-2 629-04-9 887-79-6 1787-61-7 2973-76-4 6358-64-1
584-84-9 629-11-8 920-66-1 1825-21-4 3066-71-5 6361-21-3
589-09-3 629-19-6 924-41-4 1871-57-4 3126-90-7 6393-42-6
589-16-2 629-40-3 927-74-2 1891-95-8 3206-31-3 6575-09-3
590-86-3 634-66-2 928-96-1 1912-24-9 3389-71-7 6602-32-0
591-78-6 634-67-3 928-97-2 1918-02-1 3428-24-8 6636-78-8
592-35-8 635-93-8 932-16-1 1929-82-4 3481-20-7 6921-29-5
592-46-1 645-56-7 939-23-1 1962-75-0 3558-69-8 6948-86-3
185
7646-85-7 15673-00-4 54576-32-8 71-43-2 90-02-8 100-46-9
7647-14-5 15972-60-8 55792-61-5 71-55-6 90-59-5 100-52-7
7664-41-7 16245-79-7 56108-12-4 75-04-7 91-20-3 100-61-8
7718-54-9 16752-77-5 56207-39-7 75-05-8 91-22-5 100-70-9
7757-82-6 16879-02-0 56348-39-1 75-07-0 91-65-6 100-71-0
7761-88-8 16919-19-0 56348-40-4 75-09-2 91-66-7 100-79-8
7775-09-9 17584-12-2 57055-39-7 75-47-8 91-88-3 101-84-8
7778-50-9 17754-90-4 59756-60-4 75-65-0 92-51-3 102-27-2
7778-80-5 17804-35-2 61096-84-2 75-89-8 92-52-4 102-69-2
7784-46-5 18278-34-7 65337-13-5 75-97-8 93-89-0 102-71-6
7786-30-3 18292-97-2 69723-94-0 76-01-7 94-09-7 103-05-9
7789-43-7 18368-63-3 69770-23-6 77-71-4 95-01-2 103-76-4
8001-35-2 19406-51-0 70124-77-5 77-74-7 95-47-6 103-83-3
10031-82-0 19549-98-5 70343-06-5 77-75-8 95-48-7 103-90-2
10043-52-4 20662-84-4 79124-76-8 78-27-3 95-50-1 104-13-2
10102-18-8 21725-46-2 78-83-1 95-51-2 104-40-5
10108-64-2 22037-97-4 78-87-5 95-52-3 104-42-7
10113-37-8 22104-62-7 OASIS 78-90-0 95-57-8 104-51-8
10202-92-3 22726-00-7 50-00-0 78-92-2 95-63-6 104-76-7
10222-01-2 23103-98-2 51-28-5 78-93-3 95-75-0 104-88-1
10293-06-8 23135-22-0 51-79-6 78-96-6 95-76-1 104-90-5
10453-86-8 24019-05-4 55-21-0 79-00-5 95-80-7 105-14-6
10543-57-4 24544-04-5 56-23-5 79-01-6 95-94-3 105-67-9
11067-81-5 25154-52-3 58-90-2 79-20-9 96-13-9 105-99-7
12125-01-8 26628-22-8 59-50-7 79-34-5 96-17-3 106-40-1
13071-79-9 28001-58-3 60-13-9 80-46-6 96-18-4 106-42-3
13171-21-6 28434-00-6 60-29-7 80-52-4 96-22-0 106-44-5
13209-15-9 28680-45-7 62-53-3 80-62-6 96-80-0 106-47-8
13356-08-6 29091-05-2 63-25-2 81-19-6 97-02-9 106-48-9
13410-01-0 29553-26-2 64-17-5 83-32-9 98-54-4 106-49-0
13608-87-2 30030-25-2 65-30-5 83-34-1 98-82-8 106-63-8
13909-73-4 31502-57-5 65-45-2 84-62-8 98-86-2 106-94-5
13952-84-6 34274-04-9 66-25-1 84-66-2 98-95-3 107-06-2
186
108-46-3 111-42-2 124-22-1 459-59-6 616-86-4 999-61-1
108-86-1 111-46-6 124-25-4 462-18-0 619-50-1 1120-16-7
108-88-3 111-47-7 127-00-4 464-45-9 619-80-7 1122-54-9
108-89-4 111-68-2 127-18-4 464-48-2 620-88-2 1126-46-1
108-90-7 111-69-3 127-66-2 470-82-6 621-42-1 1126-79-0
108-93-0 111-70-6 128-37-0 496-16-2 622-40-2 1129-35-7
108-94-1 111-83-1 131-11-3 497-37-0 623-25-6 1198-55-6
108-95-2 111-86-4 132-64-9 498-66-8 624-38-4 1204-21-3
108-99-6 111-87-5 134-62-3 500-22-1 625-86-5 1319-77-3
109-01-3 111-90-0 138-86-3 502-56-7 627-30-5 1330-20-7
109-06-8 112-12-9 140-31-8 513-81-5 628-76-2 1482-15-1
109-07-9 112-20-9 140-88-5 527-60-6 629-04-9 1484-13-5
109-60-4 112-27-6 141-03-7 529-19-1 629-40-3 1563-66-2
109-64-8 112-30-1 141-28-6 529-20-4 634-67-3 1634-04-4
109-65-9 112-70-9 141-43-5 534-52-1 635-93-8 1647-16-1
109-73-9 114-26-1 141-78-6 538-68-1 645-56-7 1689-83-4
109-75-1 115-19-5 141-91-3 540-88-5 653-37-2 1689-84-5
109-76-2 115-20-8 141-93-5 541-73-1 683-72-7 1745-81-9
109-85-3 115-32-2 142-28-9 542-75-6 685-91-6 1746-23-2
109-87-5 117-81-7 142-92-7 544-40-1 693-16-3 1761-61-1
109-89-7 117-84-0 142-96-1 552-41-0 693-54-9 1825-21-4
109-97-7 118-61-6 143-08-8 552-89-6 693-65-2 1871-57-4
109-99-9 118-79-6 143-16-8 555-16-8 700-58-3 1891-95-8
110-00-9 119-34-6 143-28-2 563-80-4 708-76-9 1962-75-0
110-12-3 119-61-9 148-53-8 573-56-8 709-98-8 2008-58-4
110-40-7 120-07-0 150-19-6 583-53-9 732-26-3 2016-57-1
110-43-0 120-21-8 150-76-5 586-62-9 760-23-6 2032-59-9
110-54-3 120-82-1 150-78-7 589-09-3 764-01-2 2150-47-2
110-56-5 120-83-2 271-89-6 589-16-2 764-13-6 2156-97-0
187
2859-67-8 13909-73-4 62-53-3 96-17-3 111-15-9 333-41-5
2869-34-3 14321-27-8 63-25-2 96-22-0 111-27-3 350-46-9
2905-69-3 14548-45-9 64-17-5 97-02-9 111-87-5 371-40-4
2973-76-4 14548-46-0 65-30-5 97-23-4 111-90-0 387-45-1
3066-71-5 15045-43-9 66-25-1 98-54-4 112-27-6 393-39-5
3206-31-3 15673-00-4 67-56-1 98-86-2 112-30-1 446-52-6
3481-20-7 15972-60-8 67-63-0 100-01-6 112-42-5 454-89-7
3558-69-8 16245-79-7 67-64-1 100-02-7 112-53-8 462-18-0
3944-76-1 17754-90-4 67-72-1 100-52-7 112-70-9 500-22-1
4117-14-0 18172-67-3 70-30-4 101-84-8 114-26-1 502-56-7
4180-23-8 18368-63-3 71-36-3 104-13-2 115-20-8 513-81-5
4412-91-3 19549-98-5 75-07-0 104-40-5 115-32-2 534-52-1
4460-86-0 22104-62-7 75-89-8 104-88-1 115-90-2 541-73-1
4655-34-9 22532-72-5 75-97-8 105-67-9 116-06-3 542-75-6
4798-44-1 22726-00-7 76-01-7 106-40-1 118-74-1 552-41-0
4901-51-3 23184-66-9 78-83-1 106-44-5 119-61-9 552-89-6
4916-57-8 24544-04-5 78-93-3 106-46-7 120-82-1 555-16-8
5292-45-5 29082-74-4 79-00-5 106-47-8 120-83-2 563-80-4
5372-81-6 29553-26-2 79-01-6 106-49-0 121-14-2 573-56-8
5395-75-5 30030-25-2 79-20-9 106-63-8 121-33-5 589-16-2
5407-04-5 33966-50-6 79-34-5 107-02-8 121-75-5 590-86-3
5465-65-6 34274-04-9 80-46-6 107-06-2 121-87-9 608-71-9
5673-07-4 34723-82-5 81-19-6 107-07-3 122-99-6 608-93-5
5683-33-0 37529-30-9 83-34-1 107-14-2 123-07-9 613-45-6
5813-64-9 39905-57-2 83-79-4 107-18-6 123-15-9 615-65-6
616-86-4 2138-22-9
620-88-2 2176-62-7
623-25-6 2234-16-4
629-19-6 2357-47-3
629-82-3 2439-77-2
634-66-2 2447-79-2
634-67-3 2626-83-7
645-56-7 2921-88-2
653-37-2 2973-76-4
683-72-7 3066-71-5
693-54-9 3428-24-8
693-65-2 3481-20-7
693-98-1 3698-83-7
708-76-9 3944-76-1
760-23-6 4412-91-3
764-01-2 4460-86-0
771-60-8 4798-44-1
786-19-6 5465-65-6
818-61-1 5673-07-4
818-72-4 6203-18-5
831-82-3 6284-83-9
872-31-1 6361-21-3
188
874-42-0 7383-19-9 101836-92-4
882-33-7 8065-48-3
924-41-4 10031-82-0
927-74-2 10453-86-8
932-16-1 13071-79-9
999-61-1 13209-15-9
1198-55-6 13608-87-2
1204-21-3 13909-73-4
1484-13-5 16245-79-7
1484-26-0 16752-77-5
1563-66-2 23135-22-0
1634-04-4 24544-04-5
1647-16-1 26628-22-8
1689-82-3 30030-25-2
1745-81-9 37529-30-9
1746-23-2 39905-57-2
1871-57-4 51630-58-1
2032-59-9 52645-53-1
2034-22-2 65337-13-5
2104-64-5 70124-77-5
2117-11-5
189
APÉNDICE 7
Background
It is known that all chemicals have the potential to express toxicity, and narcosis is understood to
be the mechanism for the least toxic substances. Therefore, if a substance is thought to have a
mode of action (MOA) other than narcosis, but it is not well defined, the application factor (AF) will
serve to provide an extrapolation from the less toxic narcosis MOA to a more toxic MOA.
An approach described by Verhaar et al. (1992) classifies chemicals into one of the four classes on
the basis of their molecular structure, according to rules formulated for each of the classes (Table
A7-1). For chemicals in class I, reliable estimates of aquatic toxicity can be obtained, based on
QSAR models for several endpoints. Estimation models for class I chemicals are given in Table
A7-2.
Table A7-1: Chemical classes for mode of toxic action according to Verhaar et al. (1992)
190
Table A7-2. Overview of estimation models for several aquatic toxicity endpoints, all for
class I substances
(equations taken from van Leeuwen et al. [1992] and Verhaar et al. [1992])
For chemicals in classes II, III, and IV, no precise predictive models are available yet, and only
worst-case estimates for acute fish toxicity (LC50) can be made. The estimates are based on
toxicity range factors (TRFs), which represent multiplication factors applied to the estimated
baseline toxicity of a chemical. The TRFs define a range of effect concentrations that extend
beyond the true effect concentration of this chemical and are based on general observations of
acute toxicities (LC50 for guppy) of members of these three classes of chemicals. Table A7-3 lists
mean and maximum TRFs for each class. These TRFs are based on the data presented in Figure
A7-1.
Table A7-3: Toxic ratio for classes II, III, and IV: log TR (from Verhaar et al.
1992)
Class
Class II Class III
IV
number of chemicals 40 42 34
mean log TR 0.81 1.98 1.79
standard deviation 0.31 1.01 1.27
maximum log TR 1.58 3.74 4.22
191
Figure A7-1: LC50 data for guppy (Poecilia reticulata) for class I, II, III, and IV chemicals
(data compiled by
Verhaar et al. 1992)
The overall approach proposed by Verhaar et al. (1992) showing the steps to determining an
effects concentration is given in Figure A7-2.
192
Figure A7-2: General scheme for determining an effects concentration for di fferent modes
of toxic action
according to Verhaar et al. (1992)
References
van Leeuwen, C.J., P.T.J. van der Zandt, T. Aldenberg, H.J.M. Verhaar, and J.L.M. Hermens.
1992. Application of QSARs, extrapolation and equilibrium partitioning in aquatic assessment: I.
Narcotic industrial pollutants. Environ. Toxicol. Chem. 11:267–282.
Verhaar, H.J.M., C.J. van Leeuwen, and J.L.M. Hermens. 1992. Classifying environmental
pollutants. 1: Structure–activity relationships for prediction of aquatic inherent toxicity.
Chemosphere 25(4):471–491.
193
APÉNDICE 8
Before running substances in ECOWIN, the U.S. EPA OPPT classifies all chemicals to be
assessed into six substance class subsets:
(1) polymer;
(2) dye;
(3) surfactant;
(4) inorganic;
(5) organometallic; and
(6) others.
Quaternary nitrogens, sulphoniums, and phosphoniums should not be assessed as “others” in
ECOWIN. These substances should be assessed using appropriate class SARs such as
surfactants. For example, quaternary nitrogen-containing herbicides should be assessed as either
a mono- or dialkyl cationic surfactant for fish and daphnid, and nearest analogue analysis should
be used for green algae. Non-surfactants should be run through ECOWIN one by one according to
the following rules:
Always use predicted log Kow for the neutral chemical.
When ECOWIN is not programmed for a chemical class with excess inherent toxicity, such
as polyguanidines or cyanates (cyanates [-OCN], isocyanates [-NCO], thiocyanates [- SCN], and
isothiocyanates [-NCS]), then ECOWIN will give predictions for neutral organic chemicals as a
default.
If the effects concentration is less than the water solubility of the substance, then use the
ECOWIN results as the prediction. If the effects concentration is equal to the water solubility of the
substance or is within 10 times the solubility, then report the predicted effects concentration or
report the results as no effects at saturation (= * in ECOWIN). For example, if the water solubility of
a substance is 1.0 mg/L and the predicted effects concentration is 9.9 mg/L or less, then use either
the predicted value or no effects at saturation. If the predicted value is 10 times higher than the
water solubility of the substance or more, then report no effects at saturation.
Dyes, Pigments, and Fluorescent Whitening Agents: The U.S. EPA OPPT includes dyes, pigments,
and fluorescent whitening agents (FWA) as one class of compounds due to structural similarities.
These compounds are sorted by charge at pH 7 as neutral, anionic, cationic, or amphoteric. The
following rules have been given for assessing these compounds in ECOWIN for dyes, but are
applicable to pigments and FWAs as well.
Neutral Dyes: In ECOWIN, the green algal 96-hour EC50 and chronic value (ChV) predictions may
need to be adjusted due to shading if the dye is coloured, according to the following procedure. If
the dye is black, water solubility is ≥1.0 mg/L, the predicted algal EC50 is >1.0 mg/L, and the algal
ChV is >0.100 mg/L, then the 96-hour EC50 should be reduced to 1.0 mg/L and the ChV reduced
to 0.100 mg/L due to shading. If the dye is coloured but not black, water solubility is <20.0 mg/L,
the algal EC50 is <20.0 mg/L, and the ChV is >2.0 mg/L, then the algal
96-hour EC50 should be reduced to 20.0 mg/L and the ChV reduced to 2.0 mg/L due to shading.
These are geometric means of the effects concentrations. If the dye is not coloured, such as with
FWAs, then the predicted effects concentrations should not be adjusted for shading.
Anionic Dyes: These dyes are sorted by the number of acids on the dye and the type of metal
chelate in the centre of the dye. This approach assumes no toxic salt counterions. If the dye has
three or more acids or no metal chelate or if the metal chelate is Cu, Co, or Ni, then ECOWIN will
provide the following predictions:
194
fish 96-hour LC50 = >100.0 mg/L
daphnid 48-hour LC50 = >100.0 mg/L
green algal 96-hour EC50 = correct due to shading
fish ChV = >10.0 mg/L
daphnid ChV = >10.0 mg/L
green algal ChV = correct due to shading.
The procedure for correcting the ECOWIN algal predictions for effects due to shading is the same
as for neutral dyes. If the anionic dye contains three or more acids and the metal chelate is Cr or
Al, then ECOWIN will provide the following predictions:
fish 96-hour LC50 = 7.0 mg/L
daphnid 48-hour LC50 = 7.0 mg/L
green algal 96-hour EC50 = correction for shading due to excess inherent toxicity from metal
chelate
fish ChV = 0.700 mg/L
daphnid ChV = 0.700 mg/L
green algal ChV = correction for shading due to excess inherent toxicity from metal chelate.
The procedure for correcting the above ECOWIN algal predictions for effects due to shading is
the same as for neutral dyes. If the anionic dye contains one or two acids, then the nearest
analogue analysis is employed by the U.S. EPA OPPT. Anionic dyes with one or two acids show
acute inherent toxicity towards fish (96-hour LC50 from 0.100 to >100.0 mg/L), with most fish acute
values occurring in the moderate range (5.0–30.0 mg/L).
Cationic Dyes: These substances are not assessed using ECOWIN, but are sorted by type of
cationic charge (delocalized charge, one localized cation per molecule, two localized cations per
molecule, etc.), and the nearest analogue is used to determine inherent toxicity.
Amphoteric Dyes: If the number of cations equals the number of anions or the number of anions is
greater than the number of cations, then the dye is assessed as an anionic dye using the default
SARs in ECOWIN. If the number of cations is greater than the number of anions, then the dye is
assessed as a cationic dye, and inherent toxicity is reduced based on the cation to anion ratio. For
example, for a delocalized cationic dye with one carboxylic acid, inherent toxicity data for a nearest
analogue to the delocalized cationic dye are used, and then toxicity is reduced 10 times due to the
acid.
ECOWIN should be used for surfactants when the class is covered by the SARs. For surfactant
classes not in ECOWIN, the U.S. EPA OPPT recommends that they be sent to the U.S. EPA for
creation of SARs until ECOWIN is fully programmed for the missing surfactant classes.
195
Complex Hydrophobes or Complex Hydrophiles: Some SARs in ECOWIN are based on the linear
number of alkyl carbons for the hydrophobe and the average number of ethoxy units for the
hydrophile. When assessing complex hydrophobes or complex hydrophiles, the complex
hydrophobes will have to be converted to an equivalent number of linear carbons, and the complex
hydrophiles will have to be converted to an equivalent number of linear ethoxy units. Conversions
can be done using predicted log Kow. When log Kow values are equal, the relative
hydrophobicities or hydrophilicities are also equal. It is recommended that ClogP or KOWWIN
(SRC) be used for hydrophobes, but only KOWWIN be used for hydrophiles (i.e., ethoxybased
hydrophiles).
196
APÉNDICE 9
(MODEL-DIFFICULT SUBSTANCES)
PERSISTENCE
Ionizable Substances
More recent versions of QSAR models for persistence contain ionizable substances in their training
sets (e.g., sulphonic acid salts in BIOWIN) and therefore may provide reliable QSAR predictions for
specific classes of ionizable compounds. Also, an analogue may be found in the training set of the
QSAR (e.g., BIOWIN, TOPKAT, Loonen et al. 1999), which may provide a more accurate estimate
of the property of the substance than the combined structures.
Pigments
The term pigment describes a use category under the categorization exercise. Some structures
associated with pigments are considered model-difficult because the predicted properties do not
reflect their environmental behaviour (e.g., bioaccumulation, water solubility). This is largely due to
the lack of pigments in the training sets of available QSAR models for persistence, although some
structural fragments that would be typical of pigments are included (e.g., phenyl azo groups). Most
pigments are designed to be stable under environmental conditions and thus are often not
susceptible to hydrolysis, photolysis, or rapid biodegradation. Many structures associated with
pigments will be predicted as persistent using BIOWIN (e.g., does not biodegrade quickly;
recalcitrant). These results should be used for categorization. However, because some structures
associated with pigments may not be persistent, the QSAR prediction should be compared with the
structure of the pigment to verify the presence of structural features (Appendix 2) that enable the
substance to persist.
Dyes
Like pigments, dyes are a chemical use category. Not all structures associated with dyes are
problematic for QSAR prediction. Some structures, such as those associated with acid dyes, are
contained in the training sets of QSAR models for persistence (see BIOWIN). Other structures
associated with disperse dyes act similarly to pigments, and prediction of their intrinsic properties
can be misleading. Qualitative analysis (see Section 2.3.4) will be used to verify the applicability
domain of the QSAR for these structures. However, as with pigments, dyes are designed to be
persistent, and predictions from QSARs should be taken as the best available indication of
persistence.
BIOACCUMULATION
Model-difficult substances for bioaccumulation are generally those substances that are outside the
domain of a QSAR’s training set. Often, lack of inclusion in the training set of bioaccumulation
QSARs is a result of experimental difficulties in determining log Kow (e.g., poor water solubility,
surfactant behaviour, organometallic). Model-difficult substances can also be considered
compounds for which reliable estimates of log Kow cannot be obtained or are not environmentally
realistic (e.g., pigments). At the Philadelphia QSAR workshop, QSAR bioaccumulation experts
identified some of the same classes of model-difficult substances as they did for persistence. The
following classes were suggested as model-difficult for estimating bioaccumulation:
polymers;
UVCBs;
surfactants; and
substances with very low water solubility (e.g., pigment/disperse dye structures).
197
The following sections outline some rules of thumb for assessing some of these model-difficult
substances using QSARs and/or qualitative analysis.
Surfactants
Log Kow can be predicted for some surfactants (e.g., linear alkyl sulphonates [LASs], quaternary
ammonium surfactants) using existing models, but many surfactants do not appear in the training
set of QSARs. Predictions should be examined to determine if the model accounts for the ionized
form of the surfactant. For surfactants expected to be ionic at typical environmental pHs, as
determined by the pKa, the log D estimate for the ionic form of a substance should be used.
However, the value for the ionic compound should be verified as “realistic” for the substance. For
example, log Kow estimates for a C12 LAS are 3.02 using KOWWIN (calculation for charged
molecule) and 0.05 using PALLAS at pH 7 and 0.8 using ACD version 4.01 (Advanced Chemistry
Development Inc.) at pH 7. The KOWWIN estimate is less realistic than the estimates from the
models that use pKa to estimate log D, as the LAS is highly ionic and water soluble (dispersible)
and should have a log D estimate <1.0; the experimental log Kow for this substance (CAS No.
2386-53-0) is 0.96 (sodium salt). However, in this case, the KOWWIN model was not used
appropriately, since KOWWIN “corrects” for
ionization for ion pairs only, and the sodium salt of the substance should have been input into the
model rather than the free acid form. If the sodium salt of the LAS is input into KOWWIN, a more
accurate estimate of 0.87 for the log Kow is produced.
For substances expected to be ionic in the environment (e.g., dissociable ion pairs, acids,
protonated amines) and for which a log Kow for the ionic form (log D) cannot be predicted, an
analogue approach should be used. If no analogue data are available, a log Kow predicted for the
neutral form can be used as a worst-case conservative estimate in combination with qualitative
analysis to determine bioaccumulative potential.
Generally, substances with low water solubility have a high predicted log Kow value (e.g., >8.0),
which indicates that the substance likely has a high affinity for lipids. In many cases, if the predicted
log Kow is much greater than 5, the absolute accuracy of the prediction is not important, because
the structure (or chemical class) of the substance can be used to determine if solubility in lipids is
expected to be high (e.g., fatty acid esters, long-chain hydrocarbons, PAHs, paraffins). However, it
has been observed that some structures associated with pigments and disperse dyes have high
predicted log Kow values (>5), but are not soluble in n-octanol or simulated fats.
Substances with low water solubility (and typically high predicted BAF and/or log Kow) should be
considered highly bioaccumulative unless there is evidence from an analogue to suggest that
solubility in lipid-like materials is negligible (e.g., for many pigment-like structures). In this situation,
qualitative analysis will be used to categorize the substance for bioaccumulation.
INHERENT TOXICITY
As with persistence and bioaccumulation, QSAR ecotoxicity predictions for some substances are
not considered reliable. At the Philadelphia QSAR workshop, several types of substances were
identified as model-difficult, and rules of thumb were proposed by experts for determining
ecotoxicity using available toxicity QSARs and/or qualitative analysis. The types of substances
considered model-difficult included:
polymers;
UVCBs;
many pigment and dye structures;
high log Kow substances;
ionizable substances; and
surfactants.
198
QSARs for ecotoxicity can be used to categorize structures associated with pigments and disperse
dyes. In fact, the results of The Cadmus Group, Inc. (1999) study suggest that the PNN model may
work well with pigments and dyes (since many molecular descriptors are used by the models);
however, since these compounds were not tested, model accuracy is unknown.
These structures are not considered model-difficult because of lack of inclusion in model training
sets or because of lack of fragment inclusion in model training sets. Rather, these structures have
been associated with poor water solubility, and thus estimates of toxicity above solubility limits are
expected to result in no effects on pelagic species at saturation in the water column.
Structures associated with pigments and disperse dyes shall be treated as routine organic
chemicals that are predictable by current models. However, qualitative analysis will be required
when interpreting the results of QSARs with respect to water solubility and consideration of
bioavailability.
Many pigments have very low water solubility, and thus no acute or chronic effects are expected in
water saturated with the substance; however, this determination is made on a case by- case basis
using “cut-offs” for water solubility and log Kow. Pigments with reactive functional groups (e.g.,
anilines, nitriles) have the potential to be charged under typical environmental pH conditions and so
are assessed as such at pH 7 or using an analogue approach if a QSAR prediction is considered
not reliable. Pigments that have a low molecular weight, are sparingly soluble in water, and contain
reactive functional groups have been shown to be moderately to highly toxic to fish.
Anionic Dyes
Experience with new dyes at Environment Canada and the U.S. EPA Office of Pollution Prevention
and Toxics (OPPT) has shown that, in general, the number of sulphonic acid groups determines
potential for toxicity. Dyes with one or two sulphonic acid groups have shown moderate to high
acute toxicity (<1–10 mg/L) to some aquatic biota, while dyes with more than
Two sulphonic acid groups have shown low acute (>100 mg/L) and chronic (>10 mg/L) toxicity to
most aquatic biota. Environment Canada has generally found anionic dyes to be of low toxicity
regardless of the number of acid groups, but some exceptions have been found (e.g., when a
reactive functional group is not hindered).
Anionic dyes are almost always highly soluble in water (>10 g/L) and often have high molecular
weights. Environment Canada has assessed anionic dyes as new substances based on a weight of
experimental toxicity evidence received under the New Substances Program.
Practically all of the anionic dyes assessed to date do not contain counterions that would be
considered the “moiety of concern” (see Chapter 3) because they are not likely to meet the criteria
for categorization (e.g., Ca, Mg, Na), but some exceptions have been noted (e.g., Sr), and the
counterions are assessed as dissociable metals.
Anionic dyes often show light shading effects in algal toxicity studies. This endpoint is considered
an indirect effect and not related to the compound’s toxicity and is usually corrected for in
experimental data received in a new substance notification. The U.S. EPA OPPT has also
developed rules for light shading effects in algal populations for use when interpreting output from
ECOWIN (see Appendix 8).
Cationic Dyes
Cationic dyes are likely to be assessed for whether they are inherently toxic on a case-by-case
basis using an analogue approach according to localized charge (i.e., one or more localized or
non-localized charge sites). In comparison with anionic dyes, cationic dyes are potentially more
toxic to aquatic organisms due to localized and non-localized charges. Although the molecular
weights of these dyes can be high (>700 g/mol), no molecular weight cut-off is used, since these
substances cause a toxic effect by undergoing cationic binding with respiratory membranes.
199
Cationic dyes are examined for reactive cationic functional groups of concern (e.g., anilines,
amines, pyrimidines, pyridines, etc.), and then localized and non-localized charges of these
cationic groups are considered. Cationic dyes of concern include triphenylmethane dyes. However,
as the nitrogen groups are ethoxylated in these dyes, toxicity decreases linearly and proportionally
with the number of ethoxy groups added.
Amphoteric Dyes
Amphoteric dyes should be assessed as an anionic dye or as a cationic dye depending on the net
charge of the dye. If the number of cations equals the number of anions or the number of anions is
greater than the number of cations, then the dye is assessed as an anionic dye. If the number of
cations is greater than the number of anions, then the dye is assessed as a cationic dye, and the
inherent toxicity is reduced based on the cation to anion ratio. For example, for a delocalized
cationic dye with one carboxylic acid, iT data for an analogue are used, and then toxicity is reduced
10 times due to the acid.
Results of the Philadelphia QSAR workshop (CED 2000) and subsequent discussions with QSAR
experts were used to recommend an approach for categorizing organic substances with high log
Kow for iT to non-human organisms.
If the substance is ionizable at a relevant environmental pH, it should be excluded from this class of
model-difficult substances. An analogue approach is likely to be used to initially determine the
ecotoxicity potential for water column species if acceptable data are available.
When using analogue data or QSAR predictions from models other than ECOWIN, the water
solubility of the substance (preferably experimental) should be taken into account to determine if
the predicted effects are above the limit of solubility of the substance (i.e., to determine if there are
no effects at saturation). Some QSARs (e.g., ECOWIN) perform this check as a matter of its
function, but it is important to input an accurate estimate of the water solubility of the substance in
order for this check to be useful. The result from the best-performing model (according to the
Cadmus study) should be used as the final prediction to categorize the substance if a prediction
below the water solubility limit can be achieved.
If no effects at saturation are predicted in ECOWIN or other models, it does not mean that the
substance should be regarded as not inherently toxic. For organic substances with high log Kow
values (e.g., 6 < log Kow < 12), ecotoxicity may no longer be a function of the water column, but
rather may be a function of the food chain, since these substances are expected to be highly
bioaccumulated through the diet and possibly biomagnified through to terrestrial receptors at higher
trophic levels. Consequently, substances with high log Kow showing no effects at saturation will be
assessed, subject to data availability, using non-aquatic biota, such as terrestrial wildlife species.
Surfactants
200
Surfactants should be sorted by charge and assessed using a reliable QSAR, if available (e.g., the
SARs for surfactants in ECOWIN). If a QSAR cannot provide a reliable prediction, an analogue
approach shall be selected, if available. Surfactants with alkyl chains greater than18 carbons are
assessed on a case-by-case basis to determine if the substance still has surface active properties
in water (e.g., surfactants with alkyl chains greater than 18 carbons may be poor surfactants in
water, but may be good surfactants in oils, etc.).
201
APÉNDICE 10
For many species, solubility was calculated using the solubility product, Ksp, found in theliterature.
For the general case of a compound AaBb(s) dissolving to yield aA(aq) + bB(aq),
For a specific example, consider the dissolution of lead sulphide, PbS, in water:
2+ 2
PbS(s) ? Pb (aq) + S -(aq)
The definition of Ksp for lead sulphide is written in terms of the concentration of the aqueous
species released by the parent compound. The Ksp given in the literature is 3.40 × 10-28.
2+ 2- -28
Ksp = [Pb (aq)][S (aq)] = 3.40 × 10
-14
The concentration of Pb2+(aq) is the square root of Ksp, 1.84 × 10 mol/L. To convert the molar
units to mg/L, the solubility is multiplied by the molecular weight of PbS, resulting in a value of 4.4 ×
-15
10 mg/L.
Solubility values can be calculated from published Gibbs free energy values, which are readily
available for many species, especially those of geological interest. For the general case,
the free energy of the reaction is ?Gº, which can be calculated from the free energies of formation
of the reaction species:
The equilibrium constant, Keq, which is the same as a solubility product, is defined according to:
a b
Keq = [A(aq)] [B(aq)]
The relationship between the equilibrium constant and the free energy of the dissolution reaction is:
where R is the universal gas constant and T is temperature expressed in Kelvin. For these
calculations, it was assumed that the solid dissolved to release the relevant free metal ions,
hydroxide ions, and SiO2(aq), in the case of silicates. For example, kyanite, Al2O(SiO4),
wasassumed to dissolve according to:
3+
Al2O(SiO4)(s) + 3 H2O(l) ? 2 Al (aq) + SiO2(aq) + 6 (OH-)(aq)
202
Previous solubility estimates were calculated at pH 5. The calculations of solubilities at pH 6 and
pH 8 were made by considering the acid–base chemistry of the compounds. Each compound falls
into one of the following five categories:
1. If the compound is the salt of a weak acid (the case for the majority of the compounds on
the list), the solubility will be lower at a higher pH. The calculations required are outlined
below as “Case 1.”
2. If the compound is a weak acid itself, it will be more soluble at higher pH. No calculations
were required for these compounds, since most of them were already classified as “Very
Soluble.”
3. If the compound is a salt of a weak base, the solubility will be higher at higher pH. This was the
case for a number of ammonium compounds, most of which were “Very Soluble” at pH
5 and thus were “Very Soluble” at pH 8 as well. This was also the case for a number of very large
molecules, which were insoluble at pH 5 and, although no acid or base hydrolysis constants were
available, were estimated to be insoluble at higher pH as well.
5. If the compound is somewhat soluble at the higher pH values, but the hydroxide of the metal
ion is relatively insoluble, then the solubility of the hydroxide was calculated and reported as
the “solubility.” This is detailed below under “Case 2.”
Case 1
Compound is a salt of a weak acid, and the hydroxide of the metal ion is soluble. We denote the
compound as MpAq and its dissolution as:
x+ y-
MpAq ? pM + qA
Since the anion is the conjugate base of the weak acid, it hydrolyzes according to:
y- (y-1)-
qA (aq) + qy H2O(l) ? q HyA (aq) + qy OH-(aq)
If the weak acid is polyprotic (i.e., if y > 1), then the general case involves the product of the
successive base hydrolysis constants, Kb. For instance, if the weak acid is triprotic,
[H3A)aq)][OH- (aq)]
We can also calculate the solubility as being the concentration of the metal ion,
i.e., dissolution of the compound results in a certain amount of the anion and a certain amount of
the hydrolyzed anion, and the sum of these two quantities must be the same as the metal ion
concentration.
203
Combining equations (1), (2), and (3), we can calculate the concentration of the metal ion, i.e., the
solubility of the compound:
FORMULA
p M q A HA H A H A
FORMULAS INTEGRALES
where F is defined in equation 4. If the solubility is known at a certain pH (the solubilities in the first
phase of this work were calculated at pH 5), then the solubility at any other pH can be calculated
using the above relation.
Case 2
Compound is a salt of a weak acid, and the hydroxide of the metal ion is insoluble. In this case, the
solubility of the parent compound is limited by the solubility of the relatively insoluble hydroxide. In
other words, the concentration of the aqueous-phase metal ion will be calculated according to the
Ksp value of the hydroxide, rather than by the method outlined above. Thus, the calculations
outlined above must first be done, and the results compared with the solubility of the hydroxide.
Whichever is lower is taken as the solubility of the parent compound.
Note that this does not predict how much of the parent compound actually dissolves, since as it
does so, the hydroxide will continuously precipitate. The net effect is conversion of the parent
compound into the solid hydroxide. In cases where the solubility of the hydroxide is lower than that
of the parent compound, the solubility of the hydroxide is considered to be limiting and is given as
the overall solubility estimate.
Summary
The solubility may be lower at higher pH if:
1. The compound is a salt of a weak acid.
2. The metal ion in the parent compound forms relatively insoluble hydroxides.
3. The compound is basic itself.
The solubility may be higher at higher pH if:
1. The compound is a salt of a weak base. This is the case only for ammonium-containing
compounds, all of which were very soluble even at pH 5. Thus, at pH 6 or 8, these
compounds become “very very” soluble, and no calculations were done to predict
numerical solubilities.
2. The compound is acidic itself. Likewise for the salt of weak bases, numerical calculations
were not done for these compounds.
The solubility will not be affected by a change in pH if the compound has no acid–base
properties. This will be the case if the metal ion is the cation from a strong base (e.g., K+, Na+) and
if the anion is from a strong acid (e.g., Cl-, SO4 2-, etc.).
Simple Solvation
Parent substance dissolves in water and no other species are produced, e.g., carbon monoxide,
CO(g) ? CO (aq)
Parent substance is hydrolyzed by water immediately and releases constituent moieties, e.g.,
204
potassium thiocyanide,
Dissolution with Dissociation into Ions, Some of which Further React with Water
This is the most common dissolution scenario for the inorganic metal salts on the DSL. There are
two sub-scenarios in this category that result from the acid–base behaviour of the parent
compound.
If the parent compound is a metal salt of a weak acid, the species produced upon dissolution
are the metal ion and the conjugate base of the weak acid. The base then hydrolyzes (at least
partially) to yield some of the weak acid in solution. For example, magnesium carbonate,
MgCO3(s), dissolves in water and dissociates to release magnesium, Mg2+
(aq), and carbonate
ions, CO32(aq):
Because the carbonate ion, CO32-(aq), is the conjugate base of a weak acid, HCO3-(aq), it
immediately reacts further with water:
HCO3-(aq) is the conjugate base of another weak acid, H2CO3 (aq), so another equilibrium is
immediately established:
There are now four species in solution: Mg2+(aq), CO32-(aq), HCO3-(aq), and H2CO3-(aq).
If the parent compound is the salt of a weak base, reactions analogous to those above occur.
There are instances where the immediate dissolution products are unknown, in which case a
general statement will be made, e.g., “X species” where X is an element. In cases where the
solubility is expected to be very low, this data gap is not critical. For soluble species, this lack of
speciation information is more relevant because it poses a challenge for applying appropriate
toxicity and persistence data. The only option is to proceed with the available data and to apply the
common ion/moiety approach as reasonably as possible.
The lack of quantitative data made it necessary to develop a framework for applying
professional judgement so that qualitative solubility estimates could be derived. Different
approaches were taken depending on the chemistry of the salt.
Case 1
The dissolution of the organic metal salt yields the metal ion and the anion of a weak organic acid,
The solubility of the salt was estimated based on how extensively the expert thought the reaction
would proceed to the right. Several factors influenced this decision: lattice energy,
205
hydrophobicity, chemistry rules of thumb, analogues, and homologues.
The higher the lattice energy of the solid metal salt, the lower the solubility will be, all other
factors being equal. Generally speaking, the lattice energy of the solid will increase, especially if
the charges of the anion and cation are increased or if the radius of the metal ion is decreased.
The greater the hydrophobicities of the anion and cation, the lower the solubility will be. This is
because the energy gained from solvation of the ions will not offset the energy spent overcoming
the lattice energy of the solid. It is relatively easy to arrange the large organic anions (the organic
moiety is usually the anion) in order of hydrophobicity, molecular weights, and number ofhydrophilic
groups attached to the substance.
Simple solubility rules of thumb that are well known to chemists are helpful. For instance,
lithium, sodium, and potassium salts are generally soluble, regardless of what the anion is. This
was assumed to be the case for all such salts. Salts of transition metals are generally less soluble
than salts of group I or II metals. Salts having molybdate, tungstate, or phosphate species as
counterions were generally assumed to be insoluble.
There are many organic metal salts on the DSL that are identical, except for the identity of the
metal ion. Many of these substances have large, highly conjugated systems with strong
chromophores (dyes and pigments). The alkali metal salts were predicted to be very soluble,
whereas the heavier metals ions were predicted to be somewhat soluble or insoluble.
There are several homologous series of compounds. For example, the alkanoic acid salts form a
series from C2, acetic, up to C22, docosanoic. Solubility information was available for the lower
molecular weight salts and for a few high molecular weights salts. Based on trends in the data, the
solubilities of many metal alkanoate salts could be estimated to be soluble, S, when they possess
fewer carbon atoms.
Case 2
The relative concentrations of the acid and its anion were calculated in the same manner as for
inorganic species.
Case 3
Large organic ions generally have a large capacity to complex metal ions (or other metal ions in
solution) to form stable soluble complexes according to reactions such as,
Stability constants can be defined, and, along with mass balance equations and acid hydrolysis
constants for the organic acids, the concentrations of all the species can be predicted at a given
pH. Unfortunately, the stability constants for these substances are not readily available.
Therefore, the best that could be done was to indicate that some complexation will occur,
resulting in lower concentrations of the uncomplexed metal ion and ligand.
206
APÉNDICE 11
FUENTES DE INFORMACIÓN
La situación de falta de datos sobre los compuestos químicos es realmente preocupante. Por ello,
la Organización para la Cooperación y el Desarrollo Económico (OCDE) inició en 1900 un
programa para evaluar los Compuestos de Alta Producción (HPV, por sus siglas en inglés)
producidos en más de 1 000 toneladas por año en al menos 1 país miembro de la OCDE (unos 4
000). Realmente no se trata de obtener una información completa para la evaluación del riesgo,
sino sólo de la información básica (Screening Information Data Sets (SIDS)) necesaria para poder
priorizar acciones.
El objetivo consistió en ensayar 2800 compuestos HPV en el periodo 1998- 2004. Los costos
fueron sufragados por la industria y ascendieron a 500-700 millones de dólares, con el consumo
previsto de más de 750 000 animales.
Por tanto, la situación es preocupante puesto que se conoce muy poco acerca de los efectos
adversos de los compuestos. Se han descrito más de 12 millones de sustancias. Sin embargo, la
mayoría de ellas no se comercializan, por lo que es muy poco probable que entren en contacto
con el ser humano y el medio ambiente, suponiendo por ello poco riesgo.
Aunque puede argumentarse que los compuestos que llevan muchos años utilizándose no
deberían ser especialmente perniciosos puesto que “parecen no haber causado daños
importantes”, desde el punto de vista toxicológico y de salud ambiental preocupa una exposición a
peligros que no han sido cuantificados.
- Más de 2 500 son producidas en gran cantidad, es decir, más de 1 000 toneladas/año
- De 75 000 no hay información
- De 25 000 hay datos limitados
- Existen unas 120 que se consideran sustancias prioritarias para investigar
Desde 1981, se han presentado unas 4 000 notificaciones correspondientes a 2 000 nuevas
sustancias, lo que equivale a unas 400 por año.
207
Las sustancias existentes se incluyen en IUCLID: Base de datos Uniforme de Información Química
Internacional, que es utilizada por la Comisión Europea para Almacenar y difundir la Información
recabada con arreglo al reglamento CEE No. 793/93, y que también ha sido adoptada por la
OCDE.
Acceso a la Información
Antes de 1990, el acceso a la información toxicológica estaba muy limitado, quedando está
concentrada en algunas bases de datos privadas u oficiales o comerciales, o directamente en
revistas o directorios de resúmenes de publicaciones. A partir de entonces gran parte de la
información pasa a ser compartida. Comienza la disponibilidad a través de internet en diversas
bases de datos de gran interés, ya que sus propietarios permiten su difusión.
A partir del año 2000 se generaliza el acceso a textos completos, incluyendo los artículos de
revistas, habiendo surgido en la actualidad el debate acerca de la necesidad de la libre disposición
de los mismos.
Esta información se encuentra en una gran cantidad de bases disponibles, por lo que los criterios
más útiles para seleccionarlas deberán basarse en una relevancia de la información que
contengan; la objetividad en el tratamiento de los datos, separando la información de cualquier tipo
de anuncios, y si es posible, citando la fuente original; la mayor cobertura posible; y la
actualización periódica.
No pueden proporcionarse reglas generales para la selección de las bases de datos, ya que
aunque se dispone de algunas bases muy completas, siempre suele existir alguna base de datos
más específica que profundice más sobre el aspecto concreto que interesa.
Por ello, en principio es conveniente buscar la información en varia bases de datos, comenzando
por una general, como la de HSDB, y después en algunas de la temática concreta de interés. Sin
embargo, cada caso particular requiere una estrategia diferente.
Las bases de datos pueden ser de acceso gratuito, de acceso libre tras registro o de pago. Según
el formato pueden encontrarse en CD-Rom para acceso desde sistemas convencionales o en
agendas electrónicas (PDA y Notebook) o en Internet. En este caso, la propiedad del sistema
deberá quedar clara, así como la autoría de los documentos. El respaldo de instituciones de
prestigio supone un valor añadido de gran interés.
Existen muy diversas bases de datos comerciales de gran calidad, a las que pueden accederse
bien en formato CD-Rom, para PDA o en línea. La siguiente tabla no comprende una información
exhaustiva, sino un ejemplo de algunas de las más útiles. Además, algunas de ellas son conjuntos
de bases de datos, lo que permite que puedan adquirirse solamente las que se consideren más
apropiadas para el trabajo que se realice.
Las bases de datos en Internet presentan una serie de ventajas que incluyen el acceso desde
cualquier lugar, la inmediatez de la respuesta, la disponibilidad de la última versión de la
información, fácilmente actualizada y la gran variedad y amplitud de contenido de la misma.
Entre los principales inconvenientes figura que las direcciones de acceso son muy cambiantes, lo
que obliga a comprobar continuamente su funcionamiento.
208
algunos navegadores resultan incompatibles para determinadas direcciones. El idioma puede
suponer una limitación más, ya que la mayor parte de las bases de datos están en inglés.
Los portales o buscadores generales (Google, Altavista, Yahoo, Excite, etc) pueden ser útiles para
encontrar documentos sobre diversos compuestos. Aunque no garanticen el éxito de la búsqueda
ni la objetividad de la información, en ocasiones resultan interesantes por su capacidades de
localizar documentos y paginas por gran parte de la red, aunque no revisan bases de datos
especificas.
Una opción más refinada consiste en realizar una búsqueda dirigida en buscadores especializados
enfocados al tipo de información precisada. Para ello es imprescindible disponer de un listado
actualizado de las mejores bases de datos disponibles en cada momento.
Otra opción es acceder a ellas a través de BUSCATOX, para el que se ha realizado una selección
de unas 60 direcciones de gran interés, escogidas de entre los más de 400 enlaces actuales con
información toxicológica de calidad. BUSCATOX está disponible en la página del área de
toxicología de la Universidad de Sevilla (http://www.us.es/toxicologia/)
En la tabla se incluye una selección de bases de datos agrupadas según diversas áreas. Como
ejemplos de algunas de ellas, es conveniente citar al Sistema de Información Europeo sobre
Sustancias Químicas (ESIS) que incluye bases de datos como EINEC, ELINCS y un extracto de
IUCLID. Para aspectos medioambientales es muy útil N-Class.
209
Effects of
Chemical
Substances
>150 000
CCRIS Chemical http://toxnet.nlm.nih.gov/cqi-bin/sis/htmlgen?CCRIS
Carcinogenesis
Research
Information
System
Cheminfo http://www.nisc.com/cis/details/ohm-tads.html
Poisindex http://www.micromedex.com
Conjuntos de bases de datos
CYS Chemical http://www.nisc.com/cis
Information
System >36
bases de datos
Micromedex Poisindex http://www.micromedex.com
Tomes, etc
CHEM-BANK RTECS, HSDB, http://www.croner.co.uk/cqi-
TSCA, etc. bin/croner/jsp/Mr_offer.do?contentid=1056&channelld=-48363
*Versión gratuita en línea
Tabla A11-2. Bases de datos toxicológicas accesibles libremente en Internet (todas ellas incluidas
en BUSCATOX http://www.us.es/toxicologia/buscatox.htm
210
La Biblioteca Nacional de Medicina Norteamericana con TOXNET dispone de un conglomerado
con varias de las mejores bases de datos toxicológicos, entre las que cabe destacar la base de
datos de Sustancias peligrosa HSDB. Es la base de datos sobre compuestos químicos más
potente disponible en forma gratuita, y supera en capacidad a muchas comerciales. Para su
empleo se recomienda utilizar lo más posible el índice de las subpáginas.
En casos de emergencia química es muy útil la versión en español de la base de datos ERG 2000,
disponible no sólo en línea, sino también en versión descargable.
Las bases de datos emplean diferentes criterios para la clasificación y búsqueda de la información,
lo que obliga al usuario a adaptarse y a recordar las peculiaridades de cada una de ellas si desea
obtener con rapidez resultados útiles.
Una vez instalada la base de datos se accede al programa de búsquedas, en el caso de las bases
de datos en internet se abre el navegador, y en la ventana de selección se teclea exactamente la
dirección completa de la página de acceso a cada base de datos, que se identifica con las siglas
“http”.
Cuando se abre la página, se escriben en la ventana de búsqueda los términos que mejor definan
el objetivo de la misma. No es posible dar recomendaciones generales, ya que cada base de datos
es diferente a las demás. En algunas bases de datos la búsqueda se realiza a través de menús,
pulsando sucesivamente en las letras y términos, generalmente subrayados y en azul, que
enlazan sus contenidos.
Es muy conveniente seguir las recomendaciones de la Internacional Union of Pure and Applied
Chemistry ( IUPAC) o mejor aún, emplear el número clave asignado por el Chemical Abstract
Service (CAS) para más de 25 millones de sustancias. Otras entidades también emplean sus
propias claves, como RTECS, EINECS EEC, etc. Este aspecto es fundamental ya que muchas
publicaciones citan los compuestos estudiados con nomenclaturas antiguas.
En primer lugar es preciso definir claramente cuál es la información que se desea encontrar. Es
recomendable preparar previamente una lista con los descriptores, sinónimos, o frases que mejor
definan el objetivo, usando el idioma de la base de datos. Los términos suelen combinarse entre sí
para reducir el número de respuestas, empleando cuando sea necesario comandos de inclusión
de ambos (y/and/+), inclusión de alguno (o/or) o exclusión (no/not/-).
Para no perder información, se recomienda utilizar términos en singular, o mejor aún, usar solo la
parte básica de la palabra, truncamiento que en algunos archivos será preciso señalar con
símbolos como “*” o “?”. Por ejemplo, si el término empleado es “toxi”, la búsqueda identificará
todas las variantes, como toxinas, toxico, toxicidad, etc.
La elección de los términos adecuados requiere práctica, por lo que es muy útil comenzar con
palabras clave de alguna publicación de tema semejante al objetivo. Las diferentes estrategias de
ir añadiendo o resumiendo términos persiguen obtener un número adecuado, es decir, suficiente
pero no demasiado alto que permita manejar las respuestas.
211
Para poder practicar y aprender o mejorar en la eficiencia de la búsqueda de información es
necesario un entrenamiento periódico para estar al día de las nuevas estructuras y funciones de
búsqueda de las bases de datos. Se recomienda realizar el curso práctico de autoaprendizaje de
Buscatox disponible en la página http://www.us.es/toxicologia/BUSCATOX.htm y practicar
periódicamente con distintas bases de datos. Esta es la única manera de estar preparados para
ser capaces de encontrar eficientemente información útil para tomar decisiones trascendentes y
generalmente urgentes, como se nos demanda en la práctica profesional.
Bibliografia
212
Science [370]
TULSA™ (Petroleum Abstracts) [871
The McGraw-Hill Companies Publications Online [624]
WastelnfofllOI
Water Resources Abstracts [117]
Wilson Applied Science & Technology Abstracts [99]
Regulación Ambiental [ENVREGS]
Base de datos:
Business & Industry™ [9]
Energy Science and Technology [103]
Federal News Service [660]
Federal Register [180]
Gale Group Legal Resource Index™ [150]
Gale Group Newsletter Datábase™ [636]
Gale Group PROMT® (1972-1989) [1601
Gale Group PROMT® (1990 - present) [16]
Gale Group Trade & Industry Datábase™ [148]
PIRA (PackaRJng, Paper. Printing and Publishing, Imaging and Nonwovens
Abstraéis) [2481
RAPRA Polymer Library [3231
The Journal of Commerce [637]
The McGraw-Hül Companies Publications Online [624]
Transportation Research Information Services (TRIS) [63]
U.S. Newswire (1995-Apr 1999) [6651
WastelnfbrilOI
Contaminación [POLLUT]
Base de Datos:
Aqualine [78]
BIOSIS Previews® (1926-present) \5]
CAB ABSTRACTS [50]
Civil Engineering Abstracts [61]
Ei Compendex" [81
Ei EnCompassLIT™ [354]
Energy Science and Technology [103]
Enviroline® [40]
Environmental Engineering Abstracts [64]
Environmental Sciences [76]
FLUIDEX [961
Federal Research in Progress (FEDRIP) [2661
GEOBASE™ [2921
General Science Abstracts [98]
GeoArchive [581
GeoRef [891
Meteorological and Geoastrophysical Abstracts [29]
NTIS - National Technical Information Service [6]
PAÍS International [491
PASCAL [144]
Pollution Abstracts [41]
TULSA™ (Petroleum Abstracts) [871
WastelníbrilQ]
Water Resources Abstracts [117]
Wilson Applied Science & Technology Abstracts [99]
Toxicológicos [TOXICOL]
Bases de Datos:
Adis Newsletters - Archive [429]
Adis Newsletters - Current [428]
213
BIOSIS Previews® (1926-present) [51
Beilstein Datábase - Abstracts [393]
CA SEARCH® - Chemical Abstracts® (1967- present) [3991
CAB ABSTRACTS [50]
CSA Life Sciences Abstracts [24]
Chemical Safety Newsbase [317]
DIOGENES®: Adverse Drug Events Datábase [1811
EMBASE® (1974-present) [73]
EMBASE® (1993-present) [721
EMBASE® Alert[ 1721
Energy Science and Technology [1031
1
Enviroline' " [40]
Environmental Sciences [76]
Food Science and Technology Abstracts [51 ]
Foodline®: SCIENCE [531
Global Health [1621
Inside Conferences [651
International Pharmaceutical Abstracts [74]
MEDLINE® (1950-present) [155]
Material Safety Data Sheets - OHS™ [3321
Meteorological and Geoastrophysical Abstracts [29]
NTIS - National Technical Information Service [6]
New England Journal of Medicine [444]
PASCAL [1441
Pollution Abstracts [411
Registry of Toxic Effects of Chemical Substances (RTECS®) [3361
SciSearch® - a Cited Reference Science Datábase - 1974-1989 [4341
SciSearch*' - a Cited Reference Science Datábase - 1990- [34]
TOXFILE[1561
Wastelnfo [1101
Wilson Applied Science & Technology Abstracts [99]
Documentos para Toxicidad, IPA, Biosis toxicológica [TOXSEARC]
Bases de Datos:
BIOSIS® Toxicology [1571
IPA Toxicology [1531
TOXFÍLE [1561
PRODUCTO
Bases de Datos:
Advertiser and Agency Red Books™ : Agencies[178]
Brands and Their Companies[l 16]
Business & Industry™[9]
Director/ of Chemical Producers - Products[363]
Gale Group Aerospace/Defense Markets & Technology®[80]
Gale Group Computer Database™[275]
Gale Group Globalbase™[5831
SM
Gale Group Health & Wellness Database [1491
Gale Group Magazine Database[47]
Gale Group National Newspaper índex™ [111]
K!
Gale Group New Product Announcements/Plus [621]
Gale Group Newsearch™[2111
Gale Group Newsletter Database™[636]
Gale Group PROMT® (1972-1989)[160]
Gale Group PROMT® (1990 - presentólo]
Gale Group Trade & Industry Database™[148]
Health Devices Alerts®[1981
214
;
Health Devices Sourceboolr [1881
Kompass Asia/Pacifíc[592]
Kompass Central/Eastern Europe[593]
Kompass Latín AmericarSSó]
Kompass Middle East/Africa/Mediterranean[585]
Kompass USAÍ5841
Kompass Western Europe[590]
Medical Device Register[167]
Periodical Abstraéis PlusText™[484]
PIERS Exports (Latín America) [5 721
PIERS Exports (U.S. Ports)[5711
PIERS Imports (Latín America)í5741
PIERS Imports (U.S. Ports)[5731
Readers' Guide Abstracts[141]
TableBase™r931
TecTrends[256]
l&
Thomas Register Online [535]
UBM Computer Fulltext[6471
215
APÉNDICE 12
Los modelos contenidos en el programa EPI Suite 4.0 (creado por la Oficina de Prevención de la
Contaminación Tóxica de la EPA y la Corporación de Investigación de Siracusa -SRC-), son
ampliamente recomendados y utilizados por diversas iniciativas ambientales internacionales para
realizar ejercicios de categorización de sustancias químicas, pues se trata de modelos validados y
fundamentados científicamente
3.- Aparece desplegada una página con varias opciones, se elige la 2ª. opción
EPISuite
5.- Se baja por la página con el cursor hasta encontrar “Download EPI 4.0”
6.- Se pulsa esta opción, se abre la ventana que da la opción de ejecutar la cual se oprime con el
cursor.
7.- Hay que esperar entre 10 a 20 minutos según el equipo para que se baje la información.
8.- En lo que se espera que baje este programa, se abre una carpeta en la PC en C: con la
leyenda “EPI SUITE 4.0”
9.- Una vez que se instaló el programa se abre una ventana que dice:
10.- En esta misma ventana aparece un campo libre y al lado la palabra “Browse”
11.- Se oprime “Browse” y se busca en C: la carpeta EPI SUITE 4.0 y se selecciona “aceptar”.
13.- Se oprime la opción “Unzip” que aparece en la misma ventana en la parte superior derecha.
15.- Una vez que termina esta instalación, se abre la carpeta de EPI SUITE 4.0 se le oprime en
“Setup.exe”.
16.- Aparecen diferentes ventanas y en todas hay que elegir la palabra “NEXT”, hasta que en la
última ventana aparece la palabra “FINISH”
216
Una vez instalado el programa EPI-SUITE en la computadora, se procede a la búsqueda de datos
de la siguiente manera:
1.- Se abre el programa, en el campo “Input CAS#” se escribe o pega el número CAS de la
sustancia.
2.- Se pulsa en la pestaña “Show Structure” (centro superior de la página, y en los campos de
“Input Smiles” e “Input Chem Name”, aparecen los nombres y estructura lineal de la sustancia
química en cuestión, así como su estructura química bidimensional. Este paso es importante, pues
de otra manera no avanza el programa. Otro paso importante es activar la opción de “Full” en el
apartado de “Output”, para así obtener toda la información contenida en los modelos
3.- Posteriormente, se pulsa el botón “Calculate”, el programa hace los cálculos y en la parte
posterior los despliega. Si al pulsar este botón aparece una ventana con la leyenda “”0.5” is not a
valid floating point value”, elegir aceptar y pulsar de nuevo el botón “Calculate”, esperar unos
segundos y aparecerá toda la información disponible de la sustancia en cuestión.
4.- En la parte inferior de la página aparecen las pestañas de la siguiente manera: All results-
KOWWIN-MPBPVP-WaterSolubility-ECOSAR-HENRYWIN-KOWIN-BIOWIN-BioHCwin-
AEROWIN-AOPWIN-KCOWIN-HYDROWIN-BCFBAF Volatilization-STP Removal-Fugacity
5.- Según el dato deseado, se elige la pestaña correspondiente al modelo que lo contiene. Una
opción es escoger la pestaña “All results”, la cual despliega una ventana con toda la información
disponible de la sustancia en cuestión. La otra opción es desplegar pestaña por pestaña, lo cual es
más práctico, pues se ofrecen los datos con mayor claridad y orden. Es importante señalar que
para algunas sustancias, se proporcionan también datos experimentales, además de las
predicciones, por lo cual se recomienda observar atentamente toda la información.
6.- A continuación se presentan los modelos que se recomienda utilizar y la información que
proporciona cada uno:
HYDROWIN v. 1.67. Hidrólisis. Proporciona datos numéricos que indican los días de vida
media en agua
AOPWIN v 1.91. Fotólisis. Proporciona datos numéricos que indican los días de vida media
en aire, con base en reacciones con radicales hidroxilo y con ozono, se capturan los
valores indicados en días “Days”.
217
KOWWIN v. 1.67. Contiene también el Log Kow estimado y algunas veces, el experimental
7.- Si se desea empezar la búsqueda con otra sustancia, se oprime la tecla “Clear Input Fields”,
localizada en la parte superior derecha (a un lado de la tecla “Calculate”) y se inicia nuevamente
todo el proceso.
8.- Por último, En las pestañas superiores del programa, se encuentra la denominada “Help”, donde
se proporciona información a detalle de cada uno de los modelos. Además, en los apéndices 1 al
10 también se encuentra información acerca de los modelos de este programa.
218