一个人工智能平台用于自动化PFAS子组分类:用于PFAS查的发现工具
An Su1, Yingying Cheng1, Chengwei Zhang2
1State Key Laboratory Breeding Base of Green Chemistry-Synthesis Technology, Key Laboratory of Green Chemistry-Synthesis Technology of Zhejiang Province, College of Chemical Engineering, Zhejiang University of Technology, Hangzhou, Zhejiang 310014, China; Key Laboratory of Pharmaceutical Engineering of Zhejiang Province, Collaborative Innovation Center of Yangtze River Delta Region Green Pharmaceuticals, Zhejiang University of Technology, Hangzhou, Zhejiang 310014, PR China.
一个新的人工智能平台,PFAS-Atlas,更有效地分类和分组每和多基物质 (PFAS). 它通过可视化PFAS化学空间和指导测试策略来帮助研究人员和监管机构.
科学领域:
- 环境化学环境化学
- 计算化学计算化学
- 毒理学 毒理学 毒理学
背景情况:
- 快速发现和多基基物质 (PFAS) 超过了结构分析和毒性评估.
- 为了研究和监管,迫切需要对PFAS进行有效的分类和分组.
研究的目的:
- 引入PFAS-Atlas,这是一个基于AI的平台,用于分类和分组PFAS.
- 改进现有软件,遵守经合组织最新的PFAS定义,并尽量减少未归类物质.
- 为了可视化PFAS的化学空间,并确定化学结构和潜在风险之间的关系.
主要方法:
- 开发基于规则的PFAS自动分类系统.
- 使用深度无监督学习实现基于机器学习的分组模型.
- 类似的PFAS结构的聚类和相关化学品类的联系.
- 将平台应用于用于选和战略规划的现实世界用例.
主要成果:
- 根据经合组织的最新定义,PFAS-Atlas成功地对PFAS进行了分类,减少了未分类的化合物.
- 深度无监督学习可视化了PFAS化学空间,揭示了类似结构的集群.
- 该平台展示了结构-活性关系的持续性,生物积累和毒性快速选.
- 通过突出需要进一步调查的领域,PFAS-Atlas有效指导PFAS测试策略.
结论:
- PFAS-Atlas提供了一个强大的工具来对PFAS进行分类和分组.
- 该平台增强了对PFAS化学空间和结构-活动关系的理解.
- 通过提高效率和告知测试策略,PFAS-Atlas将大大有利于PFAS研究和监管社区.
更多相关视频
16:02Demonstration of the Sequence Alignment to Predict Across Species Susceptibility Tool for Rapid Assessment of Protein Conservation
Published on: February 10, 2023
07:06Investigating Long-Distance Transport of Perfluoroalkyl Acids in Wheat via a Split-Root Exposure Technique
Published on: September 28, 2022
