社区所有版块导航
Python
python开源   Django   Python   DjangoApp   pycharm  
DATA
docker   Elasticsearch  
aigc
aigc   chatgpt  
WEB开发
linux   MongoDB   Redis   DATABASE   NGINX   其他Web框架   web工具   zookeeper   tornado   NoSql   Bootstrap   js   peewee   Git   bottle   IE   MQ   Jquery  
机器学习
机器学习算法  
Python88.com
反馈   公告   社区推广  
产品
短视频  
印度
印度  
Py学习  »  机器学习算法

不愧是北大团队,网络毒理学能发到1区12分+!机器学习果然有奇效!

生信塔 • 3 周前 • 46 次点击  

粉丝们可能发现了,生信塔近期推荐好几次

“网络毒理学”了。毕竟,可以作为“网络药理学”的平替或者升级思路,考虑到“网药”这么大的风头,那“网络毒理学”肯定也有很大的想象空间!而且,“网络毒理学”也已经不满足与3-5分的纯生信区间,甚至都开始发到顶刊了,不信你还能忍得住!

生信塔认为:网络毒理学的红利期还在,也没达到网药的内卷程度。如果再能做一些思路升级,甚至能发到顶刊。所以强烈建议大家尽快入手,毕竟水涨船高的事情,我们也是见过很多了。所以大家要有红利期的危机感,想上车的宝子加紧步伐,用最小投入,早早发出自己的高分SCI!

今天的范文由北大团队1月份发表在1区12.2分的Journal of hazardous materials杂志上:这篇文章研究的是大气颗粒物中邻苯二甲酸酯和有机磷的生殖暴露风险。其创新点如下:

创新性地运用定量构效关系(QSAR)模型:该研究首次基于QSAR模型预测了大气颗粒物中邻苯二甲酸酯(PAEs)和有机磷酸酯(OPEs)的混合生殖暴露风险。QSAR模型整合了机器学习算法,能够评估这些化合物对雌激素受体(ER)和雄激素受体(AR)的亲和力,从而预测其生殖毒性。

网络毒理学方法的应用:研究利用网络毒理学方法,识别了590个与PAEs和OPEs影响性激素相关的潜在靶点,并进一步确定了50个核心靶点。

分子对接分析:通过分子对接分析,研究确认了DEHP、TPHP和MEHP是干扰AR和ER信号通路的关键成分。

网络毒理学进阶思路逐渐增多,发文红利期进入倒计时,不论你是想做简单思路快速发文,还是想做升级思路冲击高分,抓紧上车才是正解!什么?你说不知道如何设计网络毒理学课题也没时间学生信分析?那还等什么,找生信塔 来帮你啊,咱有专业团队,思路设计、定制分析、生信服务器等个性化服务应有尽有,随时等待你的召唤    

题目:基于定量构效关系和网络毒理学模型探索大气颗粒物中邻苯二甲酸酯和有机磷的生殖暴露风险

研究背景

有机磷(OPEs)和邻苯二甲酸酯(PAEs)广泛存在于大气颗粒物(PM2.5),从而影响生殖健康。但很少有研究关注PM2.5中混合污染物与生殖健康风险之间的关联。

研究思路

样品收集与化学分析:收集PM2.5样品,分析其中的PAEs和OPEs及其转化产物的浓度。

人体暴露评估与ADMET预测:基于每日摄入量(EDI)和毒性等效因子(TEF),评估PAEs和OPEs的毒性等效量(TEQ)。

混合分子描述符的计算与筛选:使用混合分子描述符建立QSAR模型,预测PAEs和OPEs的混合生殖毒性。    

QSAR模型的建立与验证:通过蒙特卡洛模拟和交叉验证,评估模型的预测能力和稳定性。

潜在靶点的识别与核心靶点的确定:利用网络毒理学方法,识别与PAEs和OPEs相关的潜在靶点,并确定核心靶点。

分子对接分析:通过分子对接分析,研究PAEs和OPEs与核心靶点蛋白(AR和ER)的相互作用。

(ps:生信想做的又快又好?那可离不了生信服务器!有需要直接找生信塔,共享/独享都可以,附带一对一技术指导,咨询就享优惠!)

图1:研究流程图    

主要结果

1.PAEs和OPEs在PM2.5中的存在情况:

PAEs和OPEs的母体化合物及其转化产物在PM2.5中的浓度存在显著差异,母体化合物的浓度显著高于转化产物。特定化合物如DEHP和DiBP在PAEs中占比较高,TCIPP在OPEs中占比较高。

图2:PM2.5中PAEs和OPEs母体和转化产物的浓度和TEF

2. PAEs和OPEs混合TEF评估模型的建立

使用ADMETlab预测PAEs和OPEs对ER和AR的TEF值,发现PAEs和OPEs对ER的影响大于对AR的影响。建立了基于混合分子描述符的TEF模型,模型的决定系数(R2)均大于0.7,表明模型具有较强的预测能力    

图3:PAEs和OPEs 母体和转化产物的混合TEF和混合TEQ

3. 通过SwissTargetPrediction和GeneCards数据库,识别了与PAEs和OPEs相关的潜在靶点,共获得590个潜在靶点    

图4:网络毒理学分析

4. 以AR和 ER 为核心靶标,对 DEHP、TPHP 和 MEHP 进行了分子对接模拟,结果显示,DEHP、TPHP和MEHP与AR和ER的结合能均低于-5 kcal/mol,表明这些化合物与受体形成了稳定的相互作用。结果表明,这些化合物可能通过竞争相同的结合位点,干扰AR和ER的正常功能,从而影响其信号传导通路    

图5:分子对接

小结

这篇文章虽只有4张结果图,但前面机器学习分析的工作量真不少,网络毒理学的分析量较少也比较简单,整体看思路的创新性很高,机器学习的提分效果确实很强!网络毒理学已经进入了下一阶段,发文红利期已经进入倒计时,想用短平快发高分的窗口期正在缩短,早上车早发高分,上车太晚很可能像网药一样被卷!不论你是想短平快发文还是提前布局高阶思路都可以找生信塔团队帮忙,可评估设计思路,可定制生信分析,专业团队经验丰富,有需要随时call生信塔

生信塔有话说


生信塔公众号持续为大家带来最新生信思路,更多创新性分析思路请点击往期推荐,快来查看吧!想复现这种思路或者定制更多创新性思路欢迎直接call生信塔,我们团队竭诚为您的科研助力!


文献思路复现

定制生信分析

生信服务器


 往期 · 推荐 

IF 16.7!高质量、综合GBD数据库炸裂登场!武大中南医院&湖北医科大襄阳医院携手,3图3表拿下高分,简直美滋滋~

十投九中+纯生信友好=神刊!复旦肿瘤医院李大卫团队2区6分模板文,单细胞数据挖掘+乳酸化修饰,科研人错过血亏!

11种机器学习“飞”上1区Top,诺奖热点不容错过!苏州大学李艳红团队,预后模型这波操作太燃了!


          

 

    

Python社区是高质量的Python/Django开发社区
本文地址:http://www.python88.com/topic/180659
 
46 次点击