预测抗咳药物的新精神活性物质活性,并评估它们对鱼类的生态毒性
Wen-Jun Shi1, Xiao-Bing Long1, Lei Xin1
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.
抗咳药可能具有新的精神活性物质 (NPS) 活性,并对鱼类构成生态风险. 机器学习模型确定了15种抗咳药物,具有潜在的NPS活性和对水生生物的显著毒性.
科学领域:
- 环境毒理学环境毒理学
- 计算化学的计算化学
- 药理学 药理学是指药理学的学科.
背景情况:
- 抗咳药的滥用表明潜在的新精神活性物质 (NPS) 活动.
- 关于抗咳药物的生态毒性,特别是对鱼类的研究有限.
研究的目的:
- 使用机器学习 (ML) 预测30种抗咳药物中的NPS活性.
- 调查鱼类中发现的抗咳剂的生态毒性.
主要方法:
- 使用的gc森林和随机森林 (RF) ML模型.
- 使用了分子指纹 (MF) 和分子描述符 (MD) 功能.
- 纳入分子对接和ECOSAR方法用于生态毒性评估.
主要成果:
- 在预测NPS活动方面,ML模型实现了高性能 (AUC=0.99,准确度>0.94).
- 15种抗咳药物,包括可代因和德克斯特罗梅索芬,显示了潜在的NPS活性.
- 观察到与斑马鱼多巴胺载体 (zDAT) 的高结合 afinity;一些抗咳药物是非常有毒/有毒的鱼通过麻醉.
结论:
- 机器学习有效地选NPS活动和生态危害的抗咳药物.
- 科代因,德克斯特罗梅索芬和其他物质对鱼类构成重大风险,需要注意它们的生态毒性.
更多相关视频
00:05In Silico Modeling Method for Computational Aquatic Toxicology of Endocrine Disruptors: A Software-Based Approach Using QSAR Toolbox
Published on: August 28, 2019
16:02Demonstration of the Sequence Alignment to Predict Across Species Susceptibility Tool for Rapid Assessment of Protein Conservation
Published on: February 10, 2023
