In-silico-Vorhersage der chemischen Toxizität für Vogelarten
Dezember 2014
East China University of Science and Technology, Shanghai, China
Das Ziel dieser Studie war es, ein In-silico-Vorhersagetool für chemische Toxizität für verschiedene Vogelarten zu entwickeln. Dafür wurde auf die Toxizität von mehr als 663 verschiedenen Chemikalien, einschließlich Pestiziden und Industriechemikalien, auf 17 Vogelarten zugegriffen. Es wurden Datensätze aus der EPA-Ecotox-Datenbank ausgewählt und Daten für Stockenten und Virginiawachteln verwendet, um Modelle für die Vorhersage der Toxizität von Vögeln zu erstellen, während Daten von Japanwachteln zur Validierung der Modelle verwendet wurden. Alle Chemikalien wurden in drei Kategorien eingeteilt, d. h. hochgiftig, leicht giftig und ungiftig, basierend auf den Toxizitätsklassifizierungskriterien der US-amerikanischen Umweltschutzbehörde (EPA).
Für die Modellentwicklung wurden chemische Kategorieansätze verwendet und sowohl molekulare Deskriptoren als auch Fingerabdrücke berechnet, um die Verbindungen darzustellen. Anschließend wurden binäre Klassifikationsmodelle entwickelt, die auf Methoden des maschinellen Lernens basieren. Das beste Modell hatte eine Gesamtgenauigkeit von 0,851 für die Vorhersage der Toxizität bei Vogelarten. Darüber hinaus wurden mehrere repräsentative Substrukturen zur Charakterisierung der Toxizität für Vögel identifiziert.
In silico prediction of chemical toxicity on avian species using chemical category approaches
Yun Tang, Philip W. Lee
Eingestellt am: 06.02.2024
[1] https://www.sciencedirect.com/science/article/abs/pii/S0045653514014003?via%3Dihub
