在NORMAN水相关清单中使用机器学习和分子模型选鱼类类的雄激素受体激活剂
Xiao-Bing Long1, Chong-Rui Yao1, Si-Ying Li1
1SCNU Environmental Research Institute, Guangdong Provincial Key Laboratory of Chemical Pollution and Environmental Safety & MOE Key Laboratory of Theoretical Chemistry of Environment, South China Normal University, Guangzhou 510006, China; School of Environment, South China Normal University, University Town, Guangzhou 510006, China.
Journal of hazardous materials
|February 23, 2024
概括
这项研究开发了一种快速的机器学习和分子建模方法,用于识别鱼类中的雄激素受体 (AR) 激活剂. 该方法精确选了245种潜在的AR激应剂,有助于对水生生物进行生态风险评估.
科学领域:
- 环境毒理学环境毒理学
- 计算化学计算化学
- 生态毒理学 生态毒理学
背景情况:
- 雄激素受体 (AR) 激动剂对鱼类构成显著的内分泌干扰风险.
- 目前在水生物种中检测AR激动剂的方法有限,并且通常依赖于人类AR模型.
- 需要快速的,特定物种的方法来预测水生生物中的AR激动剂.
研究的目的:
- 开发和验证一种混合机器学习和分子建模方法,用于选鱼类中的AR激活剂.
- 在水生生态系统相关的环境污染物中识别潜在的AR激动剂.
- 评估鱼群中已识别的AR激动剂的生态风险.
主要方法:
- 使用了机器学习算法,包括深森林 (DF),随机森林和人工神经网络.
- 来自五种主要鱼类 (斑马鱼,胖头小鱼,蚊子鱼,梅达卡,草) 的ARs的分子模型使用AlphaFold2.2构建.
- 诺曼与水有关的污染物清单被选为潜在的AR激活剂.
主要成果:
- 深森林 (DF) 模型表现出卓越的性能,准确度为0.99,灵敏度为0.97,精度为1.
- 特定的氨基酸残留物 (人类AR中的Asn705,Gln711,Arg752,Thr877和鱼类中的同等物质) 被确定为对激动剂结合至关重要的.
- 总共有245种物质被预测为可疑的AR激动剂,包括葡萄糖皮质类药物,胆固醇代谢物和心血管药物.
结论:
- 集成的机器学习和分子建模方法为选鱼类AR激活剂提供了快速而准确的方法.
- 这种预测工具有助于识别水生物种内分泌干扰潜力的环境污染物.
- 这些发现有助于更好地理解和评估AR激动剂对鱼群构成的生态风险.
