FGTN:基于碎片的图形变压器网络用于预测生殖毒性
Jia-Nan Ren1, Qiang Chen1, Hong-Yu-Xiang Ye1
1College of Pharmaceutical Sciences, Zhejiang University, 866 Yuhangtang Rd., Hangzhou, 310058, Zhejiang, China.
Archives of toxicology
|September 18, 2024
概括
一个新的基于片段的图形转换器网络 (FGTN) 准确地预测了人类的生殖毒性. 这种计算方法为传统测试提供了一个更快,更道德的替代方案,识别特定的有毒基结构.
科学领域:
- 计算毒理学计算毒理学
- 化学安全评估 化学安全评估
- 定量结构-活动关系 (QSAR) 建模.
背景情况:
- 生殖毒性在化学安全方面带来了重大挑战.
- 传统的毒性测试是昂贵的,耗时的,并且在道德上存在问题.
- 现有的in silico模型往往无法充分利用复合拓信息.
研究的目的:
- 开发一种基于碎片的新型图形转换器网络 (FGTN),用于预测人类生殖毒性.
- 将内部拓结构信息纳入QSAR建模中.
- 改进现有的基于原子的图形神经网络方法.
主要方法:
- 代表化合物作为图形,碎片作为节点,债券作为边缘.
- 引入超分子级节点来捕捉全球分子特征.
- 利用碎片嵌入和图形变压器架构进行预测.
主要成果:
- 在盲测试中,它以0.861的精度 (ACC) 和0.914的AUC实现了高性能.
- 性能优于传统的指纹模型和基于原子的图形卷积网络 (GCN) 模型.
- 证明了将毒性预测归因于特定碎片的能力,识别结构性警报.
结论:
- FGTN模型提供了一个可靠和有效的工具,用于预测人类生殖毒性.
- 通过提供更高效,更具信息性的in silico方法,FGTN增强了化学品安全评估.
- 该模型能够识别有毒碎片,并可能区分异构体,这有助于推进计算毒理学.


