保护你的皮肤:一个高度准确的LSTM网络集成联合特征,用于预测化学诱导的皮肤刺激
Huynh Anh Duy1, Tarapong Srisongkram2
1Graduate School in the Program of Research and Development in Pharmaceuticals, Faculty of Pharmaceutical Sciences, Khon Kaen University, Khon Kaen, 40002, Thailand.
本研究介绍了使用循环神经网络 (RNN) 预测化学皮肤刺激的定量结构-活性关系 (QSAR) 模型. 最好的模型,将LSTM与分子特征相结合,实现了80%的准确性,帮助更安全的化学设计.
科学领域:
- 毒理学 毒理学 毒理学
- 计算化学的计算化学
- 数据科学数据科学数据科学
背景情况:
- 皮肤刺激是化学品和药物的关键安全问题.
- 定量结构-活性关系 (QSAR) 模型为化学风险评估提供了体内测试的替代方案.
- 开发可靠的QSAR模型对于预测化学危险和填补数据缺口至关重要.
研究的目的:
- 开发和评估基于循环神经网络 (RNN) 的QSAR模型,用于分类化学皮肤刺激.
- 探索各种RNN架构,包括LSTM,BiLSTM,GRU和BiGRU用于QSAR建模.
- 用分子子结构,描述符和联合指纹来评估模型性能.
主要方法:
- 使用化学语言符号,分子子结构,分子描述符和联合指纹作为输入特征.
- 实现并比较了几种RNN架构:简单的RNN,LSTM,BiLSTM,GRU和BiGRU.
- 基于准确性,马修斯相关系数 (MCC) 和曲线下的面积 (AUC) 在外部测试集上评估模型.
主要成果:
- 与分子指纹和描述符相结合的LSTM模型表现出卓越的性能.
- 在外部测试套件上实现了80%的准确性,60%的MCC和85%的AUC.
- 开发的模型的通用性和适用性领域被验证为可靠的预测.
结论:
- 开发的基于LSTM的QSAR模型有效预测皮肤刺激潜力,遵守经合组织的指导方针.
- 公共可用的模型和源代码支持化学设计和安全评估.
- 这种方法提供了一个强大的,in silico方法来评估化学皮肤刺激,减少动物试验的需要.
更多相关视频
10:13Eye Irritation Test EIT for Hazard Identification of Eye Irritating Chemicals using Reconstructed Human Cornea-like Epithelial RhCE Tissue Model
Published on: August 23, 2015
06:19Integration of Animal Behavioral Assessment and Convolutional Neural Network to Study Wasabi-Alcohol Taste-Smell Interaction
Published on: August 16, 2024
相关概念视频
Allergic Reactions
Predicting Reaction Outcomes
Sensory Functions of the Skin
There are two main categories of receptors on the skin: capsulated and non-capsulated. The non-capsulated ones are mainly the pain receptors. The capsulated ones can be further categorized based on the...
Allergic Drug Reactions
Local Anesthetics: Differential Sensitivity of Nerve Fibers
Drug Toxicity: Allergic Reactions
