通过in silico方法对二氧化的生物降解性分析:模型构造和机制分析
Qing Li1, Hao Yang1, Ning Hao2
1College of Environmental Science and Engineering, North China Electric Power University, Beijing, 102206, China.
Journal of environmental management
|September 1, 2023
概括
机器学习模型使用关键分子描述符,如BCUTp-1h,JGI4和maxwHBa. ,预测二氧化的生物降解性. 这项研究提供了对多化二子-p-二氧化物和多化二酸的生物降解机制的新见解.
科学领域:
- 环境化学环境化学
- 计算化学计算化学
- 生物技术是生物技术.
背景情况:
- 由于生态和经济原因,二氧化的生物降解至关重要.
- 了解影响二氧化生物降解性的因素对于开发有效的处理策略至关重要.
研究的目的:
- 使用计算模型研究多二二二氧化物 (PCDD) 的生物降解性.
- 确定控制二氧化生物降解性的关键分子描述符.
- 开发适用于PCDD和多二福兰 (PCDF) 的多功能预测模型.
主要方法:
- 机器学习模型的构建和验证,包括随机森林,极端梯度增强 (XGBoost) 和定量结构-活动关系 (QSAR) 模型.
- 使用皮尔森相关系数和灵敏度分析识别重要的分子描述符.
- 开发一个3D-QSAR模型来阐明生物降解机制.
主要成果:
- 影响PCDD生物降解性的关键描述因子被确定为BCUTp-1h,JGI4和maxwHBa.
- 开发的QSAR,XGBoost和随机森林模型显示了对二氧化生物降解性的良好预测性.
- 这些模型显示了多功能性,具有可调节的参数,允许预测PCDF生物降解性.
结论:
- 证实BCUTp-1h,JGI4和maxwHBa是影响二氧化物生物降解性的关键描述因素.
- 该研究为了解和预测PCDD和PCDF的生物降解提供了一个新的理论框架.
- 开发的计算模型为环境修复研究提供了有价值的工具.
