In silico моделі прогнозування мутагенності Еймса на основі відбитків молекулярної структури ксенобіотиків
Вантажиться...
Файли
Дата
2025
Науковий керівник
Назва журналу
Номер ISSN
Назва тому
Видавець
КПІ ім. Ігоря Сікорського
Анотація
Одна з основних глобальних проблем, з якою стикається людство у 21ст. пов`язана з забрудненням навколишнього середовища. Урбанізація, активний розвиток промисловості та впровадження сучасних технологій у всіх сферах житєдіяльності людини сприяють експоненційному зростанню кількості хімічник сполук, що потрапляють у довкілля. Достатньо велика кількість ксенобіотиків, що представлені у навколишньому середовищі, через механізми прямого або опосередкованого впливу на генетичний апарат людини можуть індукувати розвиток спадкових та/або онкологічних захворювань. Суттєве збільшення кількості зафіксованих випадків онкологічних захворювань у різних країнах світу є основним стимулом для активізації наукової спільноти з метою ефективного виявлення та обліку всіх факторів навколишнього середовища, що можуть проявляти генотоксичні властивості. З урахуванням першочергового вирішення задачі, що пов`язана з підтримкою та збереженням генетичного здоров`я людської популяції, на сьогоднішній день потребують перегляду та удосконалення базові in vitro in vivo методи оцінки генотоксичності впливу факторів навколишнього середовища. У цьому контексті заслуговують на увагу сучасні in silico підходи до оцінки генетичної безпеки факторів навколишнього середовища, що мають достатньо значний, але не повністю реалізований потенціал. В роботі представлена методика розробки орієнтованих на основні структурні класи in silico моделей оцінки мутагенності Еймса (AMES/QSAR), що в якості предикторів використовують різни типи відбитків молекулярної структури (molecular fingerprint) кcенобіотиків. В основі вирішення задачі бінарної класифікації були обрані два ансамблевих метода машинного навчання: метод випадкового лісу та екстремального градієнтного бустінга. Точність бінарних класифікаторів на рівні 80-85%, які були розроблені відповідно до представленої у роботі методики, відповідає відтворюваності теста Еймса в різних лабораторіях. Показано, що орієнтовані на структурні класи бінарні класифікатори є більш ефективними для прогнозування мутагенності Еймса, у порівнянні з AMES/QSAR моделями, що на етапі навчання використовували частину повного необнорідного набору вхідних даних.
Опис
Ключові слова
мутагенність, тест Еймса, QSAR модель, ксенобіотики, молекулярні дескриптори, відбитки молекулярної структури, моделі машинного навчання, mutagenicity, Ames test, QSAR model, xenobiotics, molecular descriptors, molecular fingerprints, machine learning models
Бібліографічний опис
In silico моделі прогнозування мутагенності Еймса на основі відбитків молекулярної структури ксенобіотиків / Кисляк С. В., Дуган О. М., Романюк Д. І., Яловенко О. І. // Біомедична інженерія і технологія. – 2025. – № 20. – С. 1-14. – Бібліогр.: 41 назв.