In silico моделі прогнозування мутагенності Еймса основних структурних класів ксенобіотиків
Вантажиться...
Дата
2026
Автори
Науковий керівник
Назва журналу
Номер ISSN
Назва тому
Видавець
КПІ ім. Ігоря Сікорського
Анотація
Кисляк С.В. In silico моделі прогнозування мутагенності Еймса основних структурних класів ксенобіотиків. – Кваліфікаційна наукова праця на правах рукопису. Дисертація на здобуття наукового ступеня доктора філософії з галузі знань 09 Біологія за спеціальністю 091 Біологія – Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського», Київ, 2026.
Актуальність теми дослідження. В умовах глобальної індустріалізації у навколишньому середовищі фіксується щорічне значне збільшення кількості хімічних речовин, біологічна дія яких або невідома, або результати досліджень щодо їх генотоксичного потенціалу є відсутніми. Однак, значна частина ксенобіотиків, що потрапляють у довкілля і з якими контактує людська популяція, володіють специфічною біологічною дією: канцерогенною, мутагенною, алергенною. Тому, з метою забезпечення генетичної та екологічної безпеки для людства, потребує негайного вирішення проблема, що пов`язана з оцінкою потенційної генетичної дії різноманітних хімічних сполук, здатних впливати на спадковий матеріал людини і індукувати спадкові і соматичні (онкологічні) захворювання. Розроблені і широко використовувані у минулі десятиріччя класичні in vitro та in vivo методи виявлення й оцінки генетичних ефектів факторів навколишнього середовища в короткострокових методах на мікроорганізмах і класичних методах на ссавцях є складними з точки зору їх проведення, є дороговартісними, тривалі в часі, мають проблему відтворюваності результатів експерименту в різних лабораторіях, що не рідко призводять до отримання хибнопозитивних і хибно-негативних результатів. Крім того класичні підходи оцінки генотоксичності факторів навколишнього середовища можуть стикатися з етичними проблемами використання в експериментах теплокровних тварин. Такі обмеження стимулюють наукову спільноту до розробки та впровадження альтернативних сучасних in silico методів оцінки потенційної генетичної активності факторів навколишнього середовища, які були б менш дороговартісними та ефективними, та для яких були б відсутні вищеперераховані недоліки. Стандартна парадигма токсикологічної науки щодо проведення тестування на генотоксичність з використанням прийнятою науковою спільнотою класичної батареї in vitro та in vivo тест-систем потребує оновлення та розширення переліку ефективних та більш продуктивних методів, особливо з урахуванням концепції «3R», що керується принципами, які направлені на зменшення, вдосконалення та заміну моделей тварин при проведенні тестування на генотоксичність. Проблеми сучасної токсикології можуть бути вирішені через інтеграцію наук, становлення та розвиток яких припадає на кінець 20 ст. В цьому контексті заслуговують на увагу досягнення в області хемоінформатики та комп`ютерних наук. Тому розробка та впровадження сучасних обчислювальних in silico прогностичних моделей оцінки генотоксичності факторів навколишнього середовища із застосуванням методів штучного інтелекту можуть розглядатись в якості основного вектору розвитку сучасної обчислювальної токсикології. Метою дослідження є розробка, оптимізація та апробація орієнтованих на основні структурні класи ксенобіотиків in silico моделей прогнозування мутагенності Еймса. Матеріали та методи. При створенні in silico моделей прогнозування мутагенності Еймса використовувався датасет, що був отриманий шляхом об`єднання трьох загальнодоступних наборів даних: Kazius-Bursi, Hansen та EFSA. Крім того, об’єднаний набір даних було додатково розширено мікотоксинами, дублікати ксенобіотиків були видалені. Відповідно до набору даних, що містив 8454 ксенобіотиків, будь-яка хімічна сполука вважалася мутагенною, якщо при проведенні in vitro тесту Еймса на штамах Salmonella typhimurium TA97, TA98, TA100, TA102, TA1535, TA1537 і TA1538 був отриманий хоча б один позитивний результат. Для розроблених прогностичних Ames/QSAR моделей використовувався об’єднаний набір даних, розширений мікотоксинами з розрахованими молекулярними дескрипторами PaDel, RDkit та Mordred. На етапі створення ефективних Ames/QSAR моделей, з метою порівняння їх точності, було запропоновано для кожної хімічної сполуки, що проявляють потенційні генотоксичні властивості, в якості предикторів також використовувати відбитки молекулярної структури (Molecular fingerprint). Відбір найкращого бінарного класифікатора базувався на клас-орієнтованому підході, в основі якого розроблені Ames/QSAR моделі були отримані відповідно до датасету, що був розподілений на п`ять груп ксенобіотиків, що мали спільні риси будови молекулярного каркасу. Для вирішення задачі бінарної класифікації були запропоновані моделі прогнозування мутагенності Еймса на основі наступних методів: логістична регресія (LR-Scikit), логістична регресія на основи стахостичного градієнтного спуску (LR-SGD), метод градієнтного бустінга (Gradient boosting), метод випадкового лісу (Random Forest) та глибинна нейронна мережа. Заслуговують на увагу результати досліджень, в яких науковці намагаються пов`язати прояви мутагенності з наявними функціональними групами або структурами. При проведенні дисертаційного дослідження нами була приділена увага також на іншому підході оцінки генетичної небезпеки ксенобіотиків, що базується на структурних маркерах мутагенності. Згідно з таким підходом було запропоновано отримати візуалізацію багатовимірних даних, що були розподілені на п`ять структурних класів у двовимірному просторі відбитків структури (Molecular fingerprint), відповідно до розрахованих індексів подібності (Танімото та Хемінга). Для вирішення цієї задачі був використаний алгоритм tрозподіленого вкладення стохастичної близькості (t-SNE), що був застосований для візуалізації багатовимірних даних у двовимірному просторі. Наукова новизна отриманих результатів дослідження полягає у наступному: вперше: розроблені моделі оцінки мутагенності Еймса на основі різних типів молекулярних дескрипторів (PaDel, RDkit та Mordred), що орієнтовані на основні структурні класи хімічних сполук – потенційних мутагенів. Показано, що in silico Ames/QSAR моделі, які побудовані на основі різних наборів релевантних дескрипторів, з урахуванням поділу ксенобіотиків на структурні класи, дозволяють зменшити кількість хибнонегативних та хибнопозитивних результатів досліджень. Моделі, що були отримані відповідно до набору даних, що відносяться до основних структурних класів ксенобіотиків, дозволяють отримати оцінку мутагенності з високими показниками точності (від 87% до 93%) відповідно до метрики accuracy, що перевищує значення метрики загальної точності для in vitro тесту Еймса, яка коливається у межах 80-85%. розроблені Ames/QSAR моделі прогнозування мутагенності на основі трьох різних типів молекулярних відбитків структури (MACCS, RDkit та FCFP), що орієнтовані на основні структурні класи ксенобіотиків. Показана ефективність використання в якості предикторів відбитків молекулярної структури ксенобіотиків. Точність таких моделей відповідає середньому значенню загальної точності in vitro тесту Еймса, яка коливається в межах 80-85%. При цьому основною превагою даного підходу є спрощена процедура проведення підготовки вхідних даних. отримані переліки релевантних молекулярних дескрипторів, використання яких в якості предикторів дає змогу підвищити точність розроблених QSAR моделей, відповідно до метрики загальної точності від 0,1 до 2%. розроблений підхід оцінки генетичної активності хімічних сполук дає можливість використовувати алгоритм t-розподіленого вкладення стохастичної близькості (t-SNE) для ефективного пошуку структурних маркерів мутагенності з урахуванням розподілу потенційних генотоксичних сполук на п`ять структурних класів. Такий підхід є ефективним та дозволяє у межах структурного класу здійснювати процедуру відбору схожих за структурою ксенобіотиків. Порівняння структурних формул хімічних сполук, для яких значення метрик відстані (Танімото, Хемінга) будуть мінімальними дозволяє ідентифікувати ті функціональні групи або підструктури, що можуть лежати в основі прояву мутагенності ксенобіотиків. Практичне значення результатів дисертаційного дослідження: Cформульовані методологічні основи та принципи, що можуть лежати в основі побудови ефективних, орієнтованих на основні структурні класи, in silico моделей прогнозування генетичної активності хімічних сполук. Отримані переліки релевантних молекулярних дескрипторів, використання яких в якості предикторів дозволяє підвищити точність (відповідно до метрики загальної точності) від 0,1% до 2% орієнтованих на основні структурні класи Ames/QSAR моделей. Розроблено веб-сервіс, який відповідно до запропонованої у межах роботи методики, на основі 1D та 2D молекулярних дескрипторів, дозволяє з мінімальними витратами часу та достатньо високими показниками точності оцінити генетичну активність хімічних сполук. Розроблено програмне забезпечення, яке дозволяє, через порівняння схожих за структурою ксенобіотиків, здійснювати пошук структурних маркерів відповідальних за генетичну активність сполуки. Результати роботи впроваджено в навчальний процес підготовки фахівців освітньої програми «Біотехнології» магістерського рівня навчання зі спеціальності 162 «Біотехнології та біоінженерія» при вивченні дисциплін «Моделювання молекулярної взаємодії» та «Пакети прикладних програм для задач молекулярної біології» (Акт впровадження від 19.11.2025р.). В першому розділі представлено інформацію щодо тенденцій розвитку сучасної токсикології, акцентовано увагу на проблемах, що потребують вирішення. Проведено огляд літературних даних щодо біологічної складової індукованого впливу ксенобіотиків на генетичний апарат людини, що в першу чергу пов`язано з виникненням генних мутацій, хромосомних аберацій та анеуплоїдії. Приділено увагу особливостям розповсюдження генетично активних хімічних сполук у об`єктах навколишнього середовища. Показана необхідність обліку та отримання генотоксичної оцінки впливу всіх хімічних сполук, що потрапляють у довкілля. Проаналізовано in vitro та in vivo кспериментальні методи оцінки генотоксичності, що формують класичну батарею тест-систем, показані їх переваги та недоліки. Показана необхідність оновлення підходів щодо отримання оцінки мутагенних ефектів факторів навколишнього середовища. В другому розділі детально викладені методи та підходи, що лежать в основі розроблених in silico Ames/QSAR прогностичних моделей. Приділена увага питанням класифікації, особливостям розрахунків та застосуванням різних типів 1D та 2D молекулярних дескрипторів, які використовуються в якості предикторів для Ames/QSAR моделей. Висвітлені питання відносно розподілу хімічних сполук на п`ять структурних класів. Представлена інформація щодо особливостей розрахунків основних і метрик оцінки якості in silico моделей прогнозування мутагенності Еймса. В третьому розділі представлена класична методика побудови Ames/QSAR моделей. Показано, що зменшення розмірності вхідних даних може лежати в основі підвищення ефективності бінарних класифікаторів. Наведено результати моделювання та представлена методологія побудови орієнтованих на основні структурні класи ксенобіотиків Ames/QSAR моделей, що використовують в якості предикторів різні набори 1D та 2D молекулярних дескрипторів. Висвітлена методика покращення точності бінарних класифікаторів з урахуванням розподілу ксенобіотиків за структурними класами та відбором тих молекулярних дескрипторів, що мають вагомий вплив на прогнозовану змінну. Наведено результати моделювання та описані Ames/QSAR моделі оцінки мутагенності, що використовують в якості предикторів відбитки молекулярної структури ксенобіотиків. Встановлено, що якісний склад молекулярних дескрипторів може суттєво впливати на точність моделей прогнозування мутагенності. Проведено аналіз причинно-наслідкових зв`язків між мутагенністю та релевантними дескрипторами основних структурних класів ксенобіотиків Особистий внесок здобувача. Всі основні результати, відображені в дисертаційній роботі, отримано здобувачем особисто. Дисертантом здійснено ґрунтовний аналіз літературних джерел та визначено основний напрям дослідження, що має практичну та наукову цінність. Сформульовано гіпотезу щодо перспектив покращення точності in silico Ames/QSAR моделй, з урахуванням розподілу ксенобіотиків на структурні класи та використанням в якості предикторів різних наборів молекулярних дескрипторів. Запропоновано методологію створення ефективних in silico моделей оцінки мутагенності Еймса, покращення прогностичної здатності яких може бути досягнено через застосування обмеженого набору вхідних даних, що були отримані для окремих структурних класів ксенобіотиків. Показана можливість використання відбитків структури ксенобіотиків для вирішення задачі ідентифікації маркерів мутагенності. Дисертаційна робота виконана на кафедрі промислової біотехнології та біофармації Національного технічного університету України «Київський політехнічний інститут імені Ігоря Сікорського», під керівництвом д.б.н., проф. Дугана О.М. Робота є результатом проведення самостійних досліджень Кисляка С. В. За темою дисертаційного дослідження опубліковано 9 наукових праць, з яких 5 наукових статей, з яких 2 – опубліковані в журналах, що індексуються Scopus, 3 статті опубліковані у фахових періодичних виданнях. Результати досліджень були апробовані на чотирьох міжнародних конференціях.
Опис
Ключові слова
ДНК, гени, мутації, генотоксичність, канцерогенез, цитотоксичність, тест Еймса, молекулярний дескриптор, класифікатор, машинне навчання, моделювання, нейронна мережа, QSAR модель, DNA, genes, mutations, genotoxicity, carcinogenesis, cytotoxicity, Ames test, molecular descriptor, classifier, machine learning, modeling, neural network, QSAR model
Бібліографічний опис
Кисляк, С. В. In silico моделі прогнозування мутагенності Еймса основних структурних класів ксенобіотиків : дис. … д-ра філософії : 091 Біологія / Кисляк Сергій Володимирович. – Київ, 2026. – 183 с.