使用可解释的结构参数开发预测模型来评估Gammarus物种中的有机污染物的LC₅₀

科学领域:

• 环境毒理学环境毒理学
• 生态毒理学 生态毒理学
• 量化结构与活动关系 (QSAR)

背景情况:

• 马类物种是评估水生生态系统健康和水质的重要生物指标.
• 这些无脊椎动物对各种化学污染物具有高度敏感性,这使得它们对毒性研究至关重要.
• 对于Gammarus毒性的现有的定量结构-活性关系 (QSAR) 模型通常依赖于复杂的描述器.

研究的目的:

• 开发和介绍四种新的预测模型,用于估计四种关键的Gammarus物种中有机化合物的中位数致命度 (LC50).
• 用有机分子的可解释结构参数来进行毒性预测,超越计算密集型描述器.
• 利用最大的可用实验数据集对Gammarus毒性来提高模型的准确性和稳定性.

主要方法:

• 为Gammarus lacustris,Gammarus fasciatus,Gammarus pulex和Gammarus pseudolimnaeus开发了四种预测模型.
• 利用可解释的分子特征,如功能组,原子类型和结构特征.
• 经过验证的模型与广泛的内部和外部实验性毒性数据集相对应.

主要成果:

• 与现有的QSAR模型相比,新模型在所有测试的Gammarus物种中实现了显著更高的R2值.
• 新型车型的R2值在0.915到0.976之间,显示出卓越的可靠性.
• 这些模型有效地捕捉了这些敏感的水生无脊椎动物的化学结构和毒性 (pLC50) 之间的关系.

结论:

• 开发的预测模型提供了一种更可靠和更强大的方法来估计Gammarus物种的化学毒性.
• 这些模型为水质评估和生态风险评估提供了简单的工具.
• 使用可解释的结构参数有助于更好地了解驱动水中无脊椎动物化学毒性的机制.