A physiologically-based pharmacokinetic (PBPK) model for perfluorinated alkyl acids (PFAAs) in rainbow trout has been updated to include formation of perfluorooctanoic acid (PFOA) from the biotransformation of 8:2 fluorotelomer carboxylic acid (8:2 FTCA). The updated model is dynamic and simulates both uptake and depuration phases. Two empirical studies are used to parameterize and test the model. In the first case, parameters related to fecal elimination and protein binding were optimized. In the second case, parameters were sourced either from literature or from optimized values based on the first study to test model performance. Optimization of parameters resulted in a decrease in the difference between experimental data and simulation results by 57 and 23 percent for the first and the second case, respectively, compared to the original case. Sensitivity analysis was performed to identify important parameters, and uncertainty in model prediction propagated by these parameters was assessed using Monte Carlo analysis. For each case, 80 and 89 percent, respectively, of median predicted values were within the limits of experimental error when comparing simulated and experimental data. This is the first toxicokinetic model that incorporates biotransformation of PFAA precursors and simultaneously predicts the distribution of the precursor and metabolite in different tissues. The model is mechanistic, and could be applied to simulate a variety of scenarios by using the organism-specific physiological properties compiled here with other chemical-specific parameters (e.g. protein interactions).

虹鳟鱼中全氟烷基酸（PFAA）的基于生理的药代动力学（PBPK）模型已更新，包括从8：2含氟端粒羧酸（8：2 FTCA）的生物转化形成全氟辛酸（PFOA）。更新后的模型是动态的，可以模拟吸收阶段和净化阶段。两个实证研究用于参数化和测试模型。在第一种情况下，优化了与排便和蛋白质结合有关的参数。在第二种情况下，参数是根据第一项研究的文献资料或优化值得出的，以测试模型的性能。与原始情况相比，参数的优化导致第一种情况和第二种情况的实验数据与模拟结果之间的差异分别减少了57％和23％。进行灵敏度分析以识别重要参数，并使用蒙特卡洛分析评估由这些参数传播的模型预测中的不确定性。在每种情况下，比较模拟数据和实验数据时，分别有80％和89％的中值预测值在实验误差的范围内。这是第一个结合PFAA前体生物转化并同时预测前体和代谢物在不同组织中分布的毒物动力学模型。该模型是机械模型，可以通过使用此处编译的生物体特定的生理特性以及其他化学特定的参数（例如蛋白质相互作用）来应用于模拟各种情况。这些参数传播的模型预测的不确定性使用蒙特卡洛分析进行了评估。在每种情况下，比较模拟数据和实验数据时，分别有80％和89％的中值预测值在实验误差的范围内。这是第一个结合PFAA前体生物转化并同时预测前体和代谢物在不同组织中分布的毒物动力学模型。该模型是机械模型，可以通过使用此处编译的生物体特定的生理特性以及其他化学特定的参数（例如蛋白质相互作用）来应用于模拟各种情况。这些参数传播的模型预测的不确定性使用蒙特卡洛分析进行了评估。在每种情况下，比较模拟数据和实验数据时，分别有80％和89％的中值预测值在实验误差的范围内。这是第一个结合PFAA前体生物转化并同时预测前体和代谢物在不同组织中分布的毒物动力学模型。该模型是机械模型，可以通过使用此处编译的生物体特定的生理特性以及其他化学特定的参数（例如蛋白质相互作用）来应用于模拟各种情况。比较模拟数据和实验数据时，中位数预测值在实验误差的范围内。这是第一个结合PFAA前体生物转化并同时预测前体和代谢物在不同组织中分布的毒物动力学模型。该模型是机械模型，可以通过使用此处编译的生物体特定的生理特性以及其他化学特定的参数（例如蛋白质相互作用）来应用于模拟各种情况。比较模拟数据和实验数据时，中位数预测值在实验误差的范围内。这是第一个结合PFAA前体生物转化并同时预测前体和代谢物在不同组织中分布的毒物动力学模型。该模型是机械模型，可以通过使用此处编译的生物体特定的生理特性以及其他化学特定的参数（例如蛋白质相互作用）来应用于模拟各种情况。