图表卷积网络增强模型用于选持久性,移动性,有毒性和非常持久性和非常移动性物质

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:

• 全球化学品管理面临着新兴污染物的挑战,特别是持久性,移动性和有毒性 (PMT) 和非常持久和非常移动性 (vPvM) 的物质.
• 现有的PMT/vPvM物质选模型受限于小型数据集,简单的特征和常规算法,阻碍了可靠的预测.
• 迫切需要可访问,高通量选工具,以有效管理这些危险化学品.

研究的目的:

• 为PMT/vPvM物质的高通量选开发一个强大且广泛适用的计算模型.
• 整合分子图形结构和描述符,以提高预测准确度.
• 创建一个公开的在线平台,用于评估化学物质的PMT/vPvM特性.

主要方法:

• 构建一个图形卷积网络 (GCN) 增强模型,包含分子图形和描述符的特征融合.
• 在213,084种符合最新PMT分类标准的物质的大数据集上训练模型.
• 使用内核密度估计来评估模型的应用领域和适用于高通量选的适用性.

主要成果:

• 用GCN增强的模型在PMT/vPvM物质查中实现了高准确率86.6%和低假阴性率6.8%.
• 该模型有效地利用了关键分子描述符与PMT/vPvM特性之间的相关性.
• 一个在线服务器,PMT/vPvM配置文件,开发了一个用户友好的网页界面 (http://www.pmt.zj.cn/) 公共访问.

结论:

• 开发的GCN增强模型在有效评估PMT/vPvM物质方面取得了重大进展.
• 公共可访问的PMT/vPvM分析器有助于对这些危险化学品进行全球高通量选和管理.
• 这项研究解决了对强大的选工具的需求,有助于加强全球化学品管理战略.