机器学习在研究斑马鱼的发育,行为,神经和基因毒性的应用
Rui Wang1, Bing Wang2, Anying Chen3
1Key Laboratory of Karst Georesources and Environment, Ministry of Education, (Guizhou University), Guiyang, Guizhou, 550025, China.
Environmental pollution (Barking, Essex : 1987)
|June 30, 2024
概括
机器学习 (ML) 为水生毒理学提供了一种新的方法,减少对斑马鱼等模型生物的伤害. 这次审查探讨了ML的ML.
科学领域:
- 环境科学 环境科学
- 毒理学 毒理学 毒理学
- 计算生物学 计算生物学
背景情况:
- 机器学习 (ML) 越来越多地应用于环境毒理学.
- 斑马鱼是研究污染物毒性的关键模型生物.
- 传统的毒性测试引发了伦理问题和资源需求.
研究的目的:
- 在斑马鱼毒理学中审查ML应用.
- 评估ML在预测化学品对斑马鱼有毒影响方面的作用.
- 分析水生毒理学ML的机遇和挑战.
主要方法:
- 在斑马鱼毒理学中对ML模型的文献综述.
- 专注于ML用于预测发育,行为,神经和基因毒性影响.
- 分析现有的ML能力和现场的局限性.
主要成果:
- 在减少动物试验和预测毒性方面,ML显示出希望.
- 在ML模型培训的大规模毒性数据库中存在显著的差距.
- ML应用正在出现,用于评估斑马鱼的发育,行为和基因毒性.
结论:
- 通过减少动物使用,ML可以增强水生有毒学研究.
- 开发全面的数据库对于在毒理学中推进ML至关重要.
- 未来的研究应该专注于改进ML模型,以准确预测斑马鱼的毒性.
