化学信息学和机器学习方法来评估富勒烯衍生物的水生毒性概况

科学领域:

• 环境毒理学环境毒理学
• 纳米材料的安全性
• 计算化学是一种计算化学.

背景情况:

• 富勒烯衍生物 (FDs) 在各种行业中使用,包括纳米材料,制药和生物医学.
• 评估FD对环境的影响,特别是对水生生态系统的影响,至关重要.
• 现有的毒性评估方法可能是复杂和耗时的.

研究的目的:

• 评估169种富勒烯衍生物 (FDs) 对水生环境的潜在毒性影响.
• 确定FD的特定结构特征,这些特征有助于水生物质的毒性.
• 开发用于评估FD水中毒性的预测模型,以促进更安全的制造决策.

主要方法:

• 来自蛋白质数据库 (PDB) 的169个FD与10种与水生物种蛋白质有很高相似性的人类蛋白质的结合亲和力分析.
• 评估FDs对乙胆酶 (AChE) 的结合活性,这是已知的水生毒素标.
• 使用ToxAlert用于结构性水生有毒性警报,以确认作用机制.
• 机器学习和化学信息学工具的应用,包括反传播人工神经网络 (CPANN) 和定量结构-活动关系 (QSAR) 模型.

主要成果:

• 通过使用CPANN模型,确定了FD与水生有毒性相关的蛋白质的关键结合特性.
• 预测未知FD的结合亲和力,减少了广泛实验测试的需要.
• 确定了FD的哪些结构特征对水生生物产生最重要的影响.

结论:

• 该研究为FD水生毒性的结构性决定因素提供了关键的见解.
• 这些发现可以指导开发FD的优先级,并为制造过程提供信息,以尽量减少环境风险.
• 预测建模提供了一种更有效的方法来评估FDs的生态毒理学概况.