在中预测口腔急性动物毒性使用共识机器学习
Sebastian Schieferdecker1, Florian Rottach1, Esther Vock1
1Boehringer Ingelheim Pharma GmbH & Co. KG, 88397 Biberach, Germany.
Journal of chemical information and modeling
|March 18, 2024
概括
这项研究开发了一种新的计算模型,用于使用机器学习预测急性口腔毒性 (AOT). 这种方法为GHS下的化学品分类和标签提供了一种可靠的无动物替代方案.
科学领域:
- 毒理学 毒理学 毒理学
- 计算化学计算化学
- 数据科学数据科学数据科学
背景情况:
- 急性口服毒性 (AOT) 评估对于全球协调系统 (GHS) 下的化学品分类和标签至关重要.
- 传统的AOT研究涉及动物试验,促使需要与3Rs原则 (替代,减少,改进) 保持一致的替代方法.
- 形方法,特别是机器学习,为预测新化学物质的AOT提供了可行的替代方案.
研究的目的:
- 开发和验证一个强大的in silico模型来预测急性口服毒性.
- 评估各种分子表示和机器学习算法,以获得最佳的AOT预测.
- 为开发的共识模型建立一个适用性领域.
主要方法:
- 来自商业数据库的急性口服毒性数据的汇编.
- 通过评估多样化的分子表示和机器学习算法,开发共识分类模型.
- 用来自科学文献的外部验证数据集评估模型性能.
主要成果:
- 与现有的公开可用的AOT模型相比,开发的共识模型显示出更高的预测性能.
- 该模型的有效性通过对独立的外部验证数据集的严格评估来证实.
- 对该模型成功定义了适用性域,并指定了其可靠的预测范围.
结论:
- 开发的in silico模型为急性口服毒性评估提供了一个高度准确和可靠的替代方案.
- 这种计算方法通过减少对化学安全评估的动物试验的依赖来支持3R原则.
- 该模型及其定义的适用领域在监管环境中促进了明智的化学品分类和标签决策.
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
2.7K
06:19Integration of Animal Behavioral Assessment and Convolutional Neural Network to Study Wasabi-Alcohol Taste-Smell Interaction
Published on: August 16, 2024
419
