一个体外和机器学习框架,用于量化和多基物质的血清白蛋白结合
Hannah M Starnes1, Adrian J Green1,2, David M Reif1,2,3
1Department of Biological Sciences, North Carolina State University, Raleigh, NC 27695, United States.
Toxicological sciences : an official journal of the Society of Toxicology
|September 19, 2024
概括
这项研究量化了人血清白蛋白 (HSA) 对65-per和多基基物质 (PFAS) 的结合,开发机器学习模型来预测这些持久化学品的结合和生物积累风险.
科学领域:
- 环境化学环境化学
- 毒理学 毒理学 毒理学
- 生物化学 生物化学
背景情况:
- 和多醇基物质 (PFAS) 是持久,生物累积和移动的环境污染物,与有害健康影响有关.
- 了解PFAS的生物积累和毒性受到数据缺口的阻碍,特别是关于它们与生物分子的相互作用.
- 蛋白质结合,特别是与人血清白蛋白 (HSA) 结合,是PFAS毒动因子的一个关键因素.
研究的目的:
- 为了实验性地确定65个PFAS的多样化组合的HSA结合亲缘关系.
- 开发和评估用于预测HSA-PFAS结合的机器学习模型.
- 建立一个高通量框架来评估PFAS生物积累潜力.
主要方法:
- 使用体外差异扫描度测试来测量65个PFAS的HSA结合亲和力.
- 开发了7种分类和9种回归机器学习模型,使用PFAS化学描述符和实验绑定数据.
- 使用AUROC和R2.2等指标验证模型性能.
主要成果:
- 报告了65种结构多样化的PFAS的实验HSA约束数据.
- 确定了逻辑回归 (AUROC=0.936) 和支持向量回归 (R2=0.854) 作为最好的预测模型.
- 通过使用开发的模型,成功预测了430个额外的PFAS的HSA-PFAS结合.
结论:
- 该研究提供了一个强大的框架,结合了体外和体内方法来预测蛋白质-PFAS结合.
- 开发的模型提供了一种高通量方法来评估PFAS生物积累和毒动性终点.
- 这项工作有助于更好地了解生物系统中的PFAS行为,并有助于风险评估.
