跨越HRMS特征和生物活性的FT-GNN工具:在污水中发现未识别的雌激素受体激活剂
Fan Fan1, Fu Liu1, Qingmiao Yu2
1State Key Laboratory of Pollution Control and Resource Reuse, Institute for the Environment and Health, Nanjing University, Nanjing, Jiangsu 210023, PR China.
Environmental science & technology
|April 9, 2025
概括
这项研究引入了一种新的AI模型,用于识别污水中的雌激素受体 (ER) 激动剂,这对水生动物健康至关重要. 该模型准确地检测到以前未知的ER激活剂,有助于环境风险评估.
科学领域:
- 环境化学环境化学
- 分析化学是一种分析化学.
- 毒理学 毒理学 毒理学
背景情况:
- 在市政污水中识别雌激素受体 (ER) 激动剂对于水生生态系统健康至关重要.
- 污水的复杂性使得很难确定主要的ER抗原剂.
- 现有的高分辨率质谱 (HRMS) 模型需要改进,以有效地将HRMS特征与ER激动剂联系起来.
研究的目的:
- 开发和验证一种先进的计算模型,用于识别污水等复杂环境矩阵中的ER激动剂.
- 使用HRMS数据提高检测和量化ER激动剂的准确性和效率.
- 识别以前未被识别的ER激动剂,并了解它们在废水处理过程中的转化.
主要方法:
- 基于碎片树的图形神经网络 (FT-GNN) 模型的开发.
- 应用数据增强技术,包括在适用性领域 (AD) 内的模型预测和过量采样技术 (OTE),以解决数据限制和类失衡.
- 使用HRMS对污水样本进行全面的化学分析.
- 在污水处理的不同阶段对ER激动剂转化途径的分析.
主要成果:
- 随着数据增强而增强的FT-GNN模型,在识别ER激动剂时,平衡精度 (bACC) 显著提高了6%至31%.
- 该模型有效地对污水中的数万个未识别的HRMS特征进行了分类,大大减少了后处理工作量.
- 污水处理的无氧阶段被确定为一个关键阶段,既可以去除和形成ER激动剂.
- 雌激素效应平衡分析表明,α-E2和9,11-二醇可能是显著的,以前被忽视的ERagonists.
结论:
- 开发的FT-GNN模型代表了在复杂的环境样本中精确有效地识别ER激动剂的重大进步.
- 这种方法有助于可靠的跟踪和水生环境中的雌激素风险的有效管理.
- 这些发现强调了特定化合物和处理阶段在废水中控制内分泌干扰化合物的重要性.
