使用分子动力学模拟和机器学习对农药辅助剂的查结构和预测毒性,以尽量减少对环境的影响

科学领域:

• 环境毒理学环境毒理学
• 生物化学 生物化学
• 计算毒理学计算毒理学

背景情况:

• 表面活性剂可以提高农药的有效性,但会给环境带来风险.
• 目前对表面活性剂的毒性测试效率低下,无法预测.
• 选择了Triton X (TX) 系列表面活性剂来研究结构毒性关系.

研究的目的:

• 探索Triton X表面活性剂的两结构与它们在斑马鱼中的毒性之间的关系.
• 使用计算和机器学习方法开发表面活性剂毒性的预测模型.
• 为了确定表面活性剂诱导毒性的潜在生物标志物.

主要方法:

• 分子动力学 (MD) 模拟以建模表面活性剂的行为.
• 转录学和代谢学分析细胞反应.
• 机器学习 (ML) 用于毒性预测和生物标志物查.
• 斑马鱼的急性毒性测试 (LC50) 和器官损伤评估.

主要成果:

• 具有较短水友链的表面活性剂表现出更高的急性毒性 (LC50 = 1.526 mg/L).
• 较长的水友链表面活性剂主要通过阿拉基酸通路损害心脏,肝脏和生殖腺.
• 膜透性被确定为确定表面活性剂毒性的关键因素.
• 机器学习模型成功地预测了各种表面活性剂链长度的潜在心脏毒性.

结论:

• 两结构,特别是水友链长度,决定了表面活性剂毒性机制.
• 计算和机器学习方法为选低毒性表面活性剂提供了有效的方法.
• 这项研究为开发更安全,环境影响较小的农药配方提供了框架.