使用人工智能和模拟将纳米毒性数据转换为信息
Xiliang Yan1, Tongtao Yue2, David A Winkler3,4,5
1Institute of Environmental Research at the Greater Bay Area, Key Laboratory for Water Quality and Conservation of the Pearl River Delta, Ministry of Education, Guangzhou University, Guangzhou 510006, China.
Chemical reviews
|June 1, 2023
概括
人工智能 (AI) 和分子模拟可以将纳米毒性数据转化为关键信息. 克服数据质量和标准化挑战是推动纳米材料安全评估的关键.
科学领域:
- 纳米毒理学研究
- 计算毒理学计算毒理学
- 材料科学是一种材料科学.
背景情况:
- 在纳米毒理学方面有大量的数据,但提取可操作的信息仍然是一个挑战.
- 庞大的数据流需要先进的方法来识别结构毒性关系和机制.
- 目前的局限性阻碍了计算方法在纳米材料安全方面的全部潜力.
研究的目的:
- 审查人工智能 (AI) 和分子模拟在纳米毒理学中的作用.
- 确定数据驱动的纳米毒性评估的主要挑战和必要的工具.
- 讨论下一代纳米材料设计和安全的未来趋势和战略.
主要方法:
- 审查目前的AI和分子模拟应用在纳米毒理学.
- 数据质量,数据库,纳米描述器和模拟规模限制的分析.
- 讨论解决计算纳米毒理学能力差距的策略.
主要成果:
- 人工智能和分子模拟对于建立定量结构-活性关系 (QSAR) 和阐明分子机制至关重要.
- 重要障碍包括有限的高质量纳米材料数据,缺乏标准化数据库和不足的纳米描述器.
- 目前的模拟方法在纳米材料的现实空间和时间尺度上扎.
结论:
- 解决数据质量,标准化和计算局限性对于人工智能和纳米毒理学中的分子模拟至关重要.
- 需要开发适合模型的数据库,通用纳米描述器和先进的模拟技术.
- 未来的研究应该专注于整合计算方法,以实现更安全的纳米材料设计和风险评估.
