Zeitschrift für Küstenzonenmanagement

Abstrakt

Kombinierte SVM-PLS-Methode zur Vorhersage östrogener Aktivitäten organischer Chemikalien im Küstenwasser

Fei Li, Lulu Cao, Huifeng Wu, Jianmin Zhao

Ein Datensatz von 517 natürlichen, synthetischen und umweltbedingten Chemikalien, die zu einem breiten Spektrum von Strukturklassen gehören, wurde mithilfe eines Hefe-Zweihybrid-Tests auf östrogene Aktivitäten (ausgedrückt als logREC10) am Östrogenrezeptor (ER) getestet. In dieser Studie wurden quantitative Struktur-Aktivitäts-Beziehungen (QSARs) mithilfe von zwei Methoden bestimmt, Partial Least Square (PLS) und Support Vector Machine (SVM). Der Q2 cum des PLS-Modells beträgt 0,678, was auf eine hohe Robustheit und gute Vorhersagekraft hinweist. Der Korrelationskoeffizient (R) zwischen den beobachteten und den vorhergesagten Werten beträgt 0,870, was darauf hinweist, dass die von den endgültigen QSAR-Modellen vorhergesagten Werte gut mit den entsprechenden experimentellen Werten übereinstimmen. Acht DRAGON-Deskriptoren wurden in das PLS-Modell aufgenommen, darunter Mor03p, L3e, R8p, RTv+, R8e, R1p+, R7p+ und HATSv, was bedeutet, dass chemische östrogene Aktivitäten mit atomaren Eigenschaften (atomare Sanderson-Elektronegativitäten, Polarisierbarkeiten und van-der-Waals-Volumina) zusammenhängen. Ein Vergleich der Ergebnisse aus zwei Modellen zeigte, dass die SVM-Methode die beste Gesamtleistung mit einem RMS-Fehler von 0,145 logREC10-Einheiten für den gesamten Satz aufwies. Darüber hinaus wurden drei lineare QSAR-Modelle für einige spezifische Familien auf Grundlage ihrer chemischen Strukturen erstellt. Diese Vorhersagemodelle sollten nützlich sein, um potenzielle östrogene, endokrin wirksame Chemikalien schnell zu identifizieren.