为了全面了解环化合物:生物效应视角和深度学习方法
Wenjie Shi1, Kunsen Lin1, Youcai Zhao2
1The State Key Laboratory of Pollution Control and Resource Reuse, School of Environmental Science and Engineering, Tongji University, 1239 Siping Road, Shanghai 200092, China.
环境中的环化合物对健康构成风险. 深度学习,特别是图形神经网络 (GNN),有效地预测它们的生物活性,并确定关键结构贡献者,帮助制定环境安全和控制策略.
科学领域:
- 环境化学环境化学
- 计算毒理学计算毒理学
- 化学信息学 化学信息学
背景情况:
- 越来越多的环化合物的工业使用导致环境污染.
- 这些化合物对健康构成重大危害,需要更好的理解和预测方法.
- 深度学习,特别是图形神经网络 (GNN),显示出对分子预测任务的希望.
研究的目的:
- 应用GNN来预测环化合物的生物活性.
- 识别有助于alicyclic分子生物活性的结构特征.
- 为对环化合物的环境风险评估和控制策略提供信息.
主要方法:
- 从PCBA,Toxcast和Tox21数据集中选出环分子.
- 培训基于GNN的模型对一般生物活性和特定生物向活动数据集的训练.
- 评估模型性能,注意力FP和PAGTN显示出优异的结果.
主要成果:
- GNN模型成功预测了环化合物的生物活性.
- 环碳原子被确定为生物活动的主要贡献者.
- 这项研究强调了环结构对原子贡献的重大影响.
结论:
- 环化合物在污染控制方面需要更多的关注,因为它们的流行程度和活性.
- 这些发现为环化合物的结构活性关系提供了更深入的见解.
- 这项研究为该领域的学术研究提供了新的视角和方法.
更多相关视频
09:34A Virtual Machine Platform for Non-Computer Professionals for Using Deep Learning to Classify Biological Sequences of Metagenomic Data
Published on: September 25, 2021
11:44Cellular Membrane Affinity Chromatography Columns to Identify Specialized Plant Metabolites Interacting with Immobilized Tropomyosin Kinase Receptor B
Published on: January 19, 2022
相关概念视频
Aromatic Compounds: Overview
In 1825, Faraday...
Drug Discovery: Overview
Five-Membered Heterocyclic Aromatic Compounds: Overview
Structure-Activity Relationships and Drug Design
SAR studies the intricate relationship between a drug's chemical structure and biological activity. It focuses on understanding how modifications to a drug's structure can influence...
Aldehydes and Ketones with HCN: Cyanohydrin Formation Mechanism
Aldehydes and Ketones with HCN: Cyanohydrin Formation Overview
