基于机器学习的化品成分选识别了Vat Blue 6作为甲状腺激素受体β破坏者

科学领域:

• 内分泌学 在内分泌学.
• 毒理学 毒理学 毒理学
• 计算化学计算化学

背景情况:

• 甲状腺疾病是常见的内分泌疾病,特别是在女性中.
• 化品成分在甲状腺干扰中的潜在作用在很大程度上尚未被探索.
• 甲状腺激素受体β (TRβ) 对于调节甲状腺功能至关重要.

研究的目的:

• 调查化品成分是否含有以前未知的甲状腺破坏性化学物质.
• 开发和应用机器学习模型来预测化品化合物对TRβ的干扰.
• 实验验证已识别的化品成分的甲状腺破坏潜力.

主要方法:

• 编制了一份关于化品成分的全面数据集.
• 开发了一个随机森林回归机器学习模型来预测TRβ结合.
• 选择并经过实验验证的TRβ结合亲和力排名最高的化合物.
• 进行了体外和体内测试,以确认Vat Blue 6 (VB6) 的甲状腺破坏作用.

主要成果:

• 在12种测试的化品成分中,有6种显示出可测量的TRβ结合.
• 一种化品染料Vat Blue 6 (VB6) 显示出强大的TRβ结合 (Kd低至0.7μM).
• 在小鼠中,VB6显示了血清甲状腺激素的剂量依赖性降低,并诱导了甲状腺组织的改变.

结论:

• 机器学习是有效的快速选化学库存潜在的甲状腺干扰物.
• 化品成分,如VB6,可以具有破坏甲状腺的特性.
• 由于人类广泛暴露,对化品成分的进一步毒理评估至关重要.