一个新的机器学习模型和一个预测化学剂对人类皮肤敏感的影响的网络门户
Ricardo Scheufen Tieghi1,2, José Teófilo Moreira-Filho1, Holli-Joi Martin2
1National Toxicology Program Interagency Center for Evaluation of Alternative Toxicological Methods (NICEATM), Division of Translational Toxicology, National Institute of Environmental Health Sciences, Research Triangle Park, Durham, NC 27711, USA.
Toxics
|November 26, 2024
概括
新的in silico工具HuSSPred使用人类预测补丁测试 (HPPT) 数据库准确预测皮肤敏感性. 这种道德,开放的模型支持监管化学安全评估,为传统的动物试验提供了可靠的替代方案.
科学领域:
- 毒理学 毒理学 毒理学
- 计算化学计算化学
- 化学安全 化学安全
背景情况:
- 皮肤敏感化在化学安全评估中带来了挑战.
- 现有的动物测定缺乏人类相关性,伦理问题限制了人类数据收集.
- 对于可靠的in silico模型来预测皮肤敏感性的需求至关重要.
研究的目的:
- 介绍HuSSPred,一个用于预测人类皮肤敏感性的in silico工具.
- 为监管目的提高化学剂敏感性预测的可靠性.
- 为传统测试方法提供道德和可访问的替代方案.
主要方法:
- 基于人类预测补丁测试 (HPPT) 数据库的HuSSPred的开发.
- 使用贝叶斯超参数优化创建二进制和多类定量结构-活动关系 (QSAR) 模型.
- 通过使用皮肤敏感化定义方法 (DASS) 应用程序进行五倍交叉验证和外部验证来严格评估模型性能.
主要成果:
- HuSSPred模型表现出强大的预测性能,具有高的正确分类率 (CCR) (55-88%),灵敏度 (48-89%) 和特异性 (37-92%).
- 积极预测值 (PPV) 范围为84-97%,负预测值 (NPV) 范围为22-65%,覆盖率在75-93%之间.
- 外部验证证实了开发模型的高精度和灵敏度,与现有工具相比,显示了可比或更好的性能.
结论:
- 惠斯普雷德为皮肤敏感性评估提供可靠,开放和伦理的in silico解决方案.
- 该工具的高精度和合理的覆盖范围支持监管评估,并与3Rs原则保持一致.
- 公共可访问的HuSSPred网络工具提供了一个用户友好的界面,用于预测化学皮肤敏感化潜力.
