基于机器学习模型集成的香烟烟雾中氧化应激成分的查
Yuxin Hong1, Jiayu Lv1, Yuxuan Hong1
1Key Laboratory of Modern Toxicology of Ministry of Education, Center for Global Health, School of Public Health, Nanjing Medical University, 101 Longmian Avenue, Nanjing 211166, PR China.
Toxicology and applied pharmacology
|May 13, 2025
概括
机器学习模型预测了香烟烟雾中的氧化压力诱导化学物质. 这种方法比传统方法更有效地识别有害成分,改善毒性评估.
科学领域:
- 环境健康 环境健康
- 毒理学 毒理学 毒理学
- 计算化学计算化学
背景情况:
- 香烟烟雾含有超过7000种化学物质,其中许多通过氧化应激导致疾病.
- 传统的毒性测试是昂贵和耗时的.
- 识别烟雾中的特定氧化应激诱导剂对于风险评估至关重要.
研究的目的:
- 开发一个强大的机器学习模型,用于预测香烟烟雾中的氧化压力诱导成分.
- 克服传统毒性评估方法的局限性.
- 在香烟烟雾中识别和分类与氧化压力相关的新化学物质.
主要方法:
- 集成多个机器学习算法和多样化的数据集.
- 采用多数据集,多目标和多算法建模策略.
- 开发了一个集成模型,其中有704个子模型在9个反应性氧物种 (ROS) 相关途径数据集上受过训练.
主要成果:
- 综合模型在外部验证中表现优于单个模型.
- 从7111种香烟烟雾化学物质中成功预测了974种活性氧物种 (ROS) 阳性成分.
- 确定了10个主要的氧化应激诱导成分类别,揭示了结构多样性.
结论:
- 开发的综合模型为预测毒性提供了一种新且有效的方法.
- 这种方法提高了识别有害香烟烟雾成分的预测能力.
- 这些发现有助于进一步了解香烟烟雾中与氧化压力相关的毒性机制.
更多相关视频
09:07Author Spotlight: Development and Characterization of an In Vitro Model to Study Chronic Cigarette Smoke Exposure and Its Impact on Airway Epithelial Cells in COPD Research
Published on: July 12, 2024
900
10:47Isolation of Mouse Respiratory Epithelial Cells and Exposure to Experimental Cigarette Smoke at Air Liquid Interface
Published on: February 21, 2011
33.9K
