菌毒素的结构相似性,活性和毒性:结合来自无监督和监督机器学习算法的见解
Tânia F Cova1, Cláudia Ferreira1, Sandra C C Nunes1
1Coimbra Chemistry Centre, Department of Chemistry, Institute of Molecular Sciences (IMS), Faculty of Sciences and Technology, University of Coimbra, R. Larga 2, 3004-535 Coimbra, Portugal.
Journal of agricultural and food chemistry
|February 27, 2025
概括
使用分子描述符和机器学习,可以预测菌毒素的毒性. 这种方法可以快速地对各种真菌毒素进行非目标查,从而改善安全评估.
科学领域:
- 计算毒理学计算毒理学
- 化学信息学 化学信息学
- 菌类学 菌类学是指菌类学.
背景情况:
- 许多真菌毒素缺乏毒理学评估.
- 目前的方法忽略了同时出现的化合物和各种真菌代谢物.
- 需要有效的,广泛的毒性预测.
研究的目的:
- 开发一种in silico方法来预测菌毒素的毒性.
- 用定义的分子描述符来评估分子相似性和毒性.
- 为了使多种真菌毒素类别的快速,非目标查.
主要方法:
- 无监督和监督的机器学习 (随机森林,神经网络).
- 分子和物理化学描述符的整合.
- 聚类分析用于结构相似性和毒性预测.
主要成果:
- 聚类成功地按家族分组了真菌毒素,表明它们具有共同的分子特性.
- 拓描述符是区分有毒与无毒化合物的关键.
- 机器学习模型 (RF,NN) 提高了毒性预测的准确性.
结论:
- 使用分子描述符和机器学习,可以在线预测真菌毒素的毒性.
- 结构和生物活性描述物的组合对于准确的毒性分析至关重要.
- 这种方法有助于对真菌代谢产物进行更广泛的毒理学评估.
