文献

J-GLOBAL ID：201702234331316881   整理番号：17A1553265

化学カテゴリーアプローチを用いた慢性毒性のin silico予測【Powered by NICT】

In silico prediction of chronic toxicity with chemical category approaches

著者 (5件)： Li Xiao (Beijing Computing Center, Beijing Academy of Science and Technology, 7 Fengxian Road, Beijing 100094, China. [e-mail] [e-mail] [e-mail]) ,  Zhang Yuan ,  Chen Hongna ,  Li Huanhuan ,  Zhao Yong
資料名： RSC Advances (Web)  (RSC Advances (Web))
巻： 7  号： 66  ページ： 41330-41338  発行年： 2017年 
JST資料番号： U7055A  ISSN： 2046-2069  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 長期または反復亜致死曝露後の化学物質の毒性効果を例に,化学的慢性毒性は薬物設計と環境リスク評価において重要な毒性学的エンドポイントである。実験における高コストと困難のために,化合物の慢性毒性を評価するためのin silico法を開発するために非常に必要である。本論文では,ラットにおける経口投与による決定した最低観察悪影響レベル(LOAEL)値をもつ567種の多様な化合物を含む大規模データセットを収集した。一連のモデルは,五種の機械学習法と組み合わせた開発し,四つの異なるしきい値に基づく六フィンガープリントタイプは慢性毒性がないときのものと慢性毒性を有する化合物を識別した。一方,化学物質も三クラス(強い,中程度,弱い慢性毒性)に分類され,またモデルは極端な部品(強および弱慢性毒性)を用いて開発した。最後に,下部構造周波数解析法を用いた八特権的部分構造を提案した。これらの特権的なサブ構造は,慢性毒性の構造的警告と見なすことができた。モデルと特権的部分構造は薬物発見と環境リスク評価における化学慢性毒性評価のための重要な情報と有用なツールを提供することができた。Copyright 2017 Royal Society of Chemistry All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 機械学習 ,  警報 ,  化学物質 ,  毒物学 ,  *慢性毒性 ,  周波数解析 ,  *予測 ,  モデル ,  ドラッグデザイン ,  経口投与
準シソーラス用語： 部分構造 ,  大規模データセット ,  最小毒性量 ,  エンドポイント ,  *in silico , 【Automatic Indexing@JST】

分類 (3件)： 発癌機序・因子  (GE02020C) ,  その他の汚染原因物質  (SB05040W) ,  分子・遺伝情報処理  (JE15040B)

タイトルに関連する用語 (4件)： 化学 ,  カテゴリー ,  慢性毒性 ,  予測