蚊虫驱蚊剂的非线性SAR建模用于皮肤应用
James Devillers1, Adeline Larghi2, Valérie Sartor3
1CTIS, 69140 Rillieux-La-Pape, France.
Toxics
|October 27, 2023
概括
开发新的驱蚊剂是复杂的. 使用人工神经网络的结构-活动关系 (SAR) 模型准确地预测了驱虫活性,加速了对抗Aedes aegypti有效的新化合物的发现.
科学领域:
- 计算化学是一种计算化学.
- 药品化学 药品化学 是一个
- 毒理学 毒理学 毒理学
背景情况:
- 发现新型蚊虫驱虫剂对于公共卫生至关重要,特别是对抗疾病载体,如埃及蚊虫.
- 传统的驱逐剂开发是漫长且资源密集的,需要创新的方法.
- 计算建模为优化驱逐剂发现过程提供了一个有希望的途径.
研究的目的:
- 开发和验证一个预测性结构-活动关系 (SAR) 模型,用于识别潜在的Aedes aegypti蚊虫驱虫剂.
- 利用人工神经网络 (ANN) 来提高预测分子驱逐剂活动的准确性.
- 通过计算查,加快新型驱逐剂候选者的识别.
主要方法:
- 编制了一组数据集,其中包括2171个具有已知的Aedes aegypti驱逐活性的分子.
- 信息丰富的分子描述器被用作三层感知器 (TLP) 人工神经网络的输入.
- 20/6/2 TLP架构在培训和测试数据集上显示出高准确性,分别为94%和89%.
主要成果:
- 优化的 20/6/2 TLP 模型实现了对蚊虫驱蚊剂活性的高预测准确度.
- 使用所有分子进行交叉验证,因为训练和测试成员都证实了模型的稳定性.
- 对预测错误的分析提供了对模型限制和化学空间的见解.
- 该模型成功预测了新型分子的活性,其中两个在体内得到了验证.
结论:
- 基于ANN开发的SAR模型显著提高了蚊虫驱蚊剂发现的效率.
- 这种计算方法可以加速识别有前途的驱逐剂候选人,以便进一步开发.
- 经过验证的模型具有选大型化学图书馆的潜力,以寻找有效的Aedes aegypti驱虫剂.
