通过神经网络模型预测风味热解反应,预测蒸汽健康风险
Akihiro Kishimoto1, Dan Wu2, Donal F O'Shea3
1IBM Research - Tokyo, Shin-Kawasaki, Japan.
Scientific reports
|May 8, 2024
概括
蒸汽电子液体可以产生未知的有毒化学物质. 机器学习模型与质谱学相结合,确定了1169种潜在有害化合物,预测了急性毒性,健康危害和刺激物分类.
科学领域:
- 分析化学 分析化学
- 毒理学 毒理学 毒理学
- 计算化学计算化学
背景情况:
- 蒸汽包括吸入加热的化学溶液 (电子液体),可能导致热分解成具有健康风险的未知化合物.
- 这些在vaping过程中形成的新型化学实体的组成和健康影响在很大程度上是不具特征的.
研究的目的:
- 使用图形卷积神经网络 (NN) 预测180种电子液体化学风味的热解活性.
- 识别和优先考虑在蒸汽过程中形成的潜在有害化合物,以便进一步进行毒理学分析.
主要方法:
- 采用图形卷积神经网络 (NN) 模型来预测180种电子液体风味的热解转换和产品.
- 预测的产品分子重量与实验性质谱 (MS) 碎片化数据相关,以改进数据集.
- 全球协调系统 (GHS) 分类从PubChem中提取了已识别的NN/MS匹配的分类.
主要成果:
- 该NN模型预测了7307种热解产物,其中1169种基于与MS数据的相关性而优先考虑.
- 在NN预测和MS碎片化之间,每种口味平均有6.4个匹配,其中92.8%的口味至少有一个匹配.
- GHS分类显示了127种预测的急性毒性,153种健康危害和225种刺激性化合物.
结论:
- 这种集成的深度学习和实验性MS方法有效地识别了电子液体中的潜在危险化合物.
- 这些发现可能有助于在临床疾病出现之前预测与vaping相关的长期健康风险.
- 这种方法提供了一个主动的策略来评估与vaping相关的健康危害.
更多相关视频
09:30A Microcontroller Operated Device for the Generation of Liquid Extracts from Conventional Cigarette Smoke and Electronic Cigarette Aerosol
Published on: January 18, 2018
8.4K
10:44Comparing the Effects of Electronic Cigarette Vapor and Cigarette Smoke in a Novel In Vivo Exposure System
Published on: May 24, 2017
11.5K
