生成可解释的QSAR模型,用于预测化学诱导的尿路毒性
1Karamanoglu Mehmetbey University, Department of Mathematics, 70100, Karaman, Turkey; The University of Texas at Arlington, Department of Mathematics, Arlington, TX, 76019-0408, USA.
这项研究引入了一个可解释的QSAR模型来预测化学诱导的尿路毒性. 该工具使用分子描述器来获得机械洞察力,帮助更安全的化学设计和减少动物试验.
科学领域:
- 毒理学 毒理学 毒理学
- 计算化学计算化学
- 化学信息学 化学信息学
背景情况:
- 化学诱导的尿路毒性比毒性了解得更少.
- 现有的模型对于尿路毒性缺乏机械解释性.
研究的目的:
- 开发一个可解释的定量结构-活动关系 (QSAR) 框架.
- 使用机械学上相关的分子描述符预测化学诱导的尿路毒性.
- 为早期化学安全评估提供透明的in silico工具.
主要方法:
- 使用了209种不同化合物的精心策划的数据集,标注了EPA LD50值.
- 将1444个分子描述符缩小到捕捉化学性质的11个关键变量.
- 评估了12个机器学习算法,随机森林显示出最佳性能 (84.13%准确率,0.86 AUC).
- 使用SHAP分析来解释毒性驱动因素的机制.
主要成果:
- 随机森林模型实现了高准确性和AUC,用于预测尿路毒性.
- SHAP分析确定了表皮屏障破坏,氧化应激和改变的膜透性作为关键的毒性机制.
- 外部验证证实了强大的概括和适用性领域.
结论:
- 开发的QSAR框架为早期安全评估提供了一个透明和机械可解释的工具.
- 这种方法支持风险评估,更安全的设计化学和监管决策.
- 该工具通过尽量减少动物试验来促进3R (替代,减少,改进).
更多相关视频
09:01A High-throughput Assay for the Prediction of Chemical Toxicity by Automated Phenotypic Profiling of Caenorhabditis elegans
Published on: March 14, 2019
17:28Human Pluripotent Stem Cell Based Developmental Toxicity Assays for Chemical Safety Screening and Systems Biology Data Generation
Published on: June 17, 2015
相关概念视频
Mutagenicity and Carcinogenicity
Urinary Tract Calculi I: Introduction
Mechanistic Models: Overview of Compartment Models
One-Compartment Open Model: Urinary Excretion Data and Determination of k
