Vrednotenje endokrinega potenciala z uporabo umetne inteligence

Ugledna znanstvena revija Toxics je objavila našo raziskavo Napovedni modeli za vezavo spojin na androgenske in estrogenske receptorje z uporabo protitočne umetne nevronske mreže, ki smo jo izvedli v sodelovanju s Fakulteto za farmacijo in Kemijskim inštitutom.

Povzetek

Kemikalije, ki povzročajo endokrine motnje (EDC) so eksogene snovi, ki motijo normalno delovanje človeškega endokrinega sistema. Te kemikalije lahko vplivajo na specifične jedrske receptorje, kot so androgeni receptorji (AR) ali estrogenski receptorji (ER) α in β, ki igrajo ključno vlogo pri uravnavanju kompleksnih fizioloških procesov pri ljudeh. Zdaj je bolj kot kdaj koli prej ključno prepoznati EDC in zmanjšati izpostavljenost. Za presejanje in določanje prednosti kemikalij za nadaljnje eksperimentiranje je najprimernejša uporaba umetnih nevronskih mrež (ANN), ki omogočajo modeliranje zapletenih, nelinearnih razmerij. Razvili smo šest modelov, ki napovedujejo vezavo spojine na AR, ERα ali ERβ kot agoniste ali antagoniste, z uporabo protitičnih umetnih nevronskih mrež (CPANN). Modeli so bili izdelani na naboru podatkov o strukturno različnih spojinah, podatki o aktivnosti pa so bili pridobljeni iz baze podatkov CompTox Chemicals. Za potrditev modelov so bili izvedeni testi Leave one-out (LOO). Rezultati so pokazali, da so modeli imeli odlično zmogljivost z natančnostjo napovedi v razponu od 94 % do 100 %. Zato lahko modeli napovejo afiniteto vezave neznane spojine na izbrani jedrski receptor izključno na podlagi njene kemične strukture. Kot taki predstavljajo pomembne alternative za razvrščanje kemikalij.

 

Celotno besedilo je na voljo na: https://www.mdpi.com/2305-6304/11/6/486