MLtox,在线摄影毒性预测网页

科学领域:

• 毒理学 毒理学 毒理学
• 计算化学的计算化学
• 在材料方法中.

背景情况:

• 光毒性是一种依赖光的化学反应,使用传统的体外或化学方法很难准确预测.
• 现有的测试方法可能会产生矛盾的结果,需要改进化学安全评估的预测方法.
• 了解分子机制,包括激发状态和反应性氧物种 (ROS) 生成,是开发预测模型的关键.

研究的目的:

• 为预测化学光毒性开发一个强大且自由可用的基于网络的定量结构-活性关系 (QSAR) 模型.
• 提高光毒性预测的可解释性和可解释性,以更好地了解化学安全.
• 通过提供可靠的in silico预测,减少对体外/体内化学测试的依赖.

主要方法:

• 基于分子结构,激发状态特性和ROS生成潜力的QSAR模型的开发.
• 创建一个网页应用程序 (http://mltox.online) 提供可访问的光毒性预测.
• 集成先进的人工智能可解释性工具,包括XSMILES和SHAP值,用于详细的预测分析.

主要成果:

• 一个功能性网络平台,为各种化学输入 (CAS,SMILES,名称) 提供可解释的光毒性预测.
• 先进的工具提供AI驱动的解释 (XSMILES,SHAP值) 来阐明预测结果.
• 该模型展示了一种可靠的方法来预测光毒性,有助于安全评估.

结论:

• 开发的QSAR模型和网络平台为预测化学光毒性提供了有价值的工具,具有高可解释性.
• 这种方法通过减少对广泛实验测试的需求来支持化学安全评估.
• 专注于可解释性使用户能够更好地了解导致分子光毒性潜力的因素.