通过Isalos分析平台的自动机器学习驱动的小鼠中PFAS急性口服毒性的阅读横向结构分析

科学领域:

• 环境化学环境化学
• 毒理学 毒理学 毒理学
• 计算化学计算化学

背景情况:

• 和多基基物质 (PFAS) 是持久性环境污染物,具有已知的人类健康风险.
• 了解PFAS毒性机制对于开发更安全的替代品至关重要.
• 形方法为有效的毒性评估提供了一个有希望的方法.

研究的目的:

• 开发和验证一个可靠的计算模型,用于预测PFAS在老鼠中的急性口服毒性.
• 为了确定与高PFAS毒性相关的结构特征.
• 为 PFAS 化合物提供高通量选工具.

主要方法:

• 在Isalos分析平台上使用自动机器学习 (autoML) 来优化四个机器学习模型 (kNN,RF,XGBoost,NN).
• 采用Mold2分子描述符和五倍交叉验证来选择表现最佳的模型.
• 进行了沙普利值分析和基于最近邻居的阅读交叉以进行结构解释.

主要成果:

• 该k-最近邻居 (kNN) 模型 (k=3) 在预测PFAS急性口服毒性方面取得了81.5%的准确性.
• 确定了多芳香和异环结构特征,这些特征始终与高急性口服毒性有关.
• 经过验证的模型可以通过INSIGHT RatTox网络应用程序和Enalos云访问.

结论:

• 开发的in silico模型提供了一个准确和有效的方法来评估PFAS急性口服毒性.
• 该模型有助于识别高毒性的结构性警报,指导设计更安全的PFAS替代品.
• 该工具支持监管工作和开发对环境无害的化学品.