PBScreen:一种基于多聚变深度学习的服务器,用于对胎盘屏障透性污染物的高通量选

科学领域:

• 毒理学 毒理学 毒理学
• 计算生物学 计算生物学
• 生殖科学 生殖科学

背景情况:

• 穿过胎盘屏障的化学物质对生殖和胎儿发育构成风险.
• 目前用于识别这些污染物的方法对于大规模查是缓慢和低效的.

研究的目的:

• 开发一种快速而准确的选工具,用于识别可穿透胎盘屏障的化学物质.
• 加强对环境污染物影响公众健康的风险评估.

主要方法:

• 使用多融合深度学习 (DL) 模型构建了一个PBScreen服务器.
• 使用图形卷积网络和深度神经网络进行模型训练.
• 使用外部数据集和基于细胞的测试验证实了模型的性能.

主要成果:

• 获得了高精度 (0.927),低假负率 (0.074),AUC为0.960.
• 通过外部验证证明了稳定性和概括能力.
• 证实了该模型的有效性与传统的跨井测试相比.

结论:

• PBScreen提供了一种高效,高吞吐率的选方法,用于选胎盘屏障透的化学物质.
• 该工具可以显著帮助评估化学污染物对母亲和胎儿健康的风险.
• 这一进步支持对生殖和发育有毒物质进行更好的公共卫生风险评估.