可解释的多种QSAR建模用于对水域污染物的生态毒理危害预测
Ze-Jun Wang1, Rui Sun2, Xiao-Wen Han2
1National and Local Joint Engineering Laboratory of Municipal Sewage Resource Utilization Technology, School of Environmental Science and Engineering, Suzhou University of Science and Technology, Suzhou 215009, China; Key Laboratory of Yangtze River Water Environment, Ministry of Education, College of Environmental Science and Engineering, Tongji University, Shanghai 200092, China; State Key Laboratory of Pollution Control and Resource Reuse, College of Environmental Science and Engineering, Tongji University, Shanghai 200092, China.
新的多物种定量结构-活性关系 (QSAR) 模型预测水生污染物对本地物种的毒性. 这些模型改善了风险评估和污染物识别,特别是在有限的数据的情况下.
科学领域:
- 环境化学环境化学
- 生态毒理学 生态毒理学
- 计算化学计算化学
背景情况:
- 加速的工业化增加了各种水污染物,造成生态风险.
- 对本地物种的毒性数据有限,阻碍了有效的污染物管理.
- 传统的QSAR模型在跨物种概括和机械解释性方面扎.
研究的目的:
- 开发可解释的多种QSAR模型,用于预测急性水生毒性.
- 在小样本,数据有限的场景中解决传统模型的局限性.
- 加强污染物选,风险评估和绿色化学设计.
主要方法:
- 实施多任务学习,创建两个线性多种QSAR模型:MS_MLR和MS_SR.
- 在五种原生水生物种 (Carassius auratus,Leuciscus idus,Oryzias latipes,Culex quinquefasciatus,Lemna minor) 中预测了急性毒性.
- 确定了与疏水性,拓性,对称性和基线毒性相关的共享分子描述符.
主要成果:
- 开发了可生物学解释的线性多种QSAR模型 (MS_MLR,MS_SR).
- 确定了五个关键的共享分子描述器 (P_VSA_LogP_5,R8s,ATS4m,Eta_betaS_A,BLTA96).
- 始终检测到六种具有已知的毒性机制的高风险污染物 (例如TCDD,Chlorpyrifos).
结论:
- 可解释的多任务QSAR框架可以改善结构共享和机制理解.
- 这种方法支持在数据有限的情况下早期选和优先考虑新出现的污染物.
- 该框架支持对水生环境的生态风险评估和绿色化学倡议.
相关概念视频
Multi-species Conserved Sequences
Although the genome of each species varies greatly from each other, a few sequences are highly conserved. Such conserved...
What is a Species?
Hazard Rate
Hazard Ratio
For example, in a clinical trial...
Keystone Species
Formation of Species


