一个QSAR研究预测斑马鱼胚胎形
Mahsa Daneshmand1, Jamileh SalarAmoli1, Negin BaghbanZadeh2
1Department of Comparative Bioscience, Faculty of Veterinary Medicine, University of Tehran, Tehran, Iran.
Toxicology mechanisms and methods
|April 8, 2024
概括
这项研究开发了一种定量结构-活动关系 (QSAR) 模型,以使用计算方法预测发育形. 梯度增强实现了78%的准确性,识别了影响形的关键物理化学特性.
科学领域:
- 计算毒理学计算毒理学
- 化学信息学 化学信息学
- 预测建模的预测建模.
背景情况:
- 发育毒性测试是昂贵的,耗时的,动物密集的.
- 简化对发育终点的分析,如形,至关重要.
- 形模型为评估发育毒性提供了一个有希望的替代方案.
研究的目的:
- 开发一个定量结构-活动关系 (QSAR) 模型来预测发育形.
- 为了确定最佳的机器学习算法用于形预测.
- 确定与形相关的最有影响力的物理化学性质.
主要方法:
- 使用了来自COMPTOX数据库的数据集.
- 使用Mordred和RDKit计算了物理化学性质 (描述器).
- 渐变增强 (GBM) 和逻辑回归 (LR),以及深度学习模型 (MLP,NNs) 进行了训练和验证.
主要成果:
- 一组呈现78%曲线下面积 (AUC) 的描述符被确定为最佳.
- 梯度增强模型 (GBM) 显示出最高的预测能力为78%.
- 确定了直接涉及形机制的关键描述因素.
结论:
- 梯度增强 (GBM) 成为预测形的优越算法,基于马修的相关系数 (MCC) 和平衡精度 (BAC).
- 鉴定到的物理化学性质提供了对发育形的潜在机制的洞察.
- 这种QSAR模型为开发性毒性评估提供了一种更有效和潜在的减少动物试验的方法.
