文献

J-GLOBAL ID：201702284800541338   整理番号：17A0664753

重篤な眼刺激性のin silico予測または化学物質の腐食電位【Powered by NICT】

In silico prediction of serious eye irritation or corrosion potential of chemicals

著者 (9件)： Wang Qin (Shanghai Key Laboratory of New Drug Design, School of Pharmacy, East China University of Science and Technology, Shanghai 200237, China. [e-mail] [e-mail]) ,  Li Xiao ,  Yang Hongbin ,  Cai Yingchun ,  Wang Yinyin ,  Wang Zhuang ,  Li Weihua ,  Tang Yun ,  Liu Guixia
資料名： RSC Advances (Web)  (RSC Advances (Web))
巻： 7  号： 11  ページ： 6697-6703  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： 眼刺激または腐食性化学物質を同定する迅速かつ正確に健康被害評価における重要な問題である。本研究の目的は,刺激/腐食または非irritants/non腐食への化学物質の分類のためのin silico法の開発を記述した。全重篤な眼刺激(EI)データセットと眼腐食(EC)データセットとして2299種の化学物質の5220の化学物質が入手可能なデータベースと文献から収集した。構造活性相関(SAR)モデルは,機械学習法による深刻なEIまたはECを予測する別々に開発した。全体の予測精度によれば,Pub SVMモデルは深刻なEI(総合分類精度CA=0.946)とEC(CA=0.959)の両方に対して最良の結果を与えた。深刻なEIの感度と特異性は外部検証セットのためのトレーニングセットに対して97.3%,86.7%,および96.9%および82.7%であった。同様に,ECの感受性と特異性は,外部検証セットのためのトレーニングセットに対して95.5%,96.2%,および94.9%および96.2%であった。高い特異性と高感度は,著者らのモデルは信頼性がありロバストであることを示し,これは化合物のEI/ECの潜在的重症度を予測するために使用できる。さらに,重篤なEI/ECを特性化するためのいくつかの構造的警告は情報利得と下部構造周波数解析の組合せを用いて同定した。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： *化学物質 ,  データベース ,  構造活性相関 ,  *予測 ,  *腐食 ,  周波数解析 ,  信頼性 ,  機械学習 ,  健康被害 ,  ロバスト性
準シソーラス用語： 外部検証 ,  特異性 ,  予測精度 ,  *in silico ,  *眼刺激 , 【Automatic Indexing@JST】

分類 (2件)： 化粧品  (YG03030S) ,  産業衛生,産業災害  (GB05000S)

タイトルに関連する用語 (4件)： 眼刺激 ,  予測 ,  化学物質 ,  腐食電位