Two QSAR models for predicting the toxicity of chemicals towards Tetrahymena pyriformis based on topological-norm descriptors and spatial-norm descriptors

数量结构-活动关系 梨形四膜虫 分子描述符 规范(哲学) 数学 生物系统 计算机科学 四膜虫 化学 机器学习 生物 生物化学 政治学 法学
作者
Qi Jia,S. Wang,Mengxian Yu,Q. Wang,Fangyou Yan
出处
期刊:Sar and Qsar in Environmental Research [Informa]
卷期号:34 (2): 147-161 被引量:2
标识
DOI:10.1080/1062936x.2023.2171478
摘要

ABSTRACTABSTRACTQuantitative structure-activity relationship (QSAR) is important for safe, rapid and effective risk assessment of chemicals. In this study, two QSAR models were established with 1230 chemicals to predict toxicity towards Tetrahymena pyriformis using multiple linear regression (MLR) method. The topological(T)-QSAR model was developed by using topological-norm descriptors generated from the topological structure, and the spatial(S)-QSAR model were built with spatial-norm descriptors obtained from the three-dimensional structure of molecules and topological-norm descriptors. The r2training and r2test are 0.8304 and 0.8338 for the T-QSAR model, and 0.8485 and 0.8585 for the S-QSAR model, which means that T-QSAR model and S-QSAR model can be used to predict toxicity quickly and accurately. In addition, we also conducted validation on the developed models. Satisfying validation results and statistical parameters demonstrated that QSAR models based on the topological-norm descriptors and spatial-norm descriptors proposed in this paper could be further utilized to estimate the toxicity of chemicals towards Tetrahymena pyriformis.KEYWORDS: QSARtoxicitychemicalstopological-norm descriptorsspatial-norm descriptorsTetrahymena pyriformis Disclosure statementThe authors confirm that this article has potential conflict of interest.Supplementary materialSupplemental data for this article can be accessed at: https://doi.org/10.1080/1062936X.2023.2171478Additional informationFundingThis work was supported by the National Natural Science Foundation of China [NO: 22278319 and 21808167].
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
bfz50完成签到,获得积分10
1秒前
JHY发布了新的文献求助10
3秒前
4秒前
DocRex发布了新的文献求助10
4秒前
yeyuan1017发布了新的文献求助10
6秒前
Hello应助柚子采纳,获得10
6秒前
科研通AI2S应助bfz50采纳,获得10
6秒前
Orange应助易达采纳,获得30
8秒前
8秒前
带头大哥应助Ec_w采纳,获得50
9秒前
CodeCraft应助小孙采纳,获得10
10秒前
11秒前
能HJY发布了新的文献求助30
12秒前
14秒前
yuyi发布了新的文献求助30
14秒前
bbw发布了新的文献求助10
14秒前
田様应助玿琤采纳,获得10
15秒前
老李发布了新的文献求助20
15秒前
kk关闭了kk文献求助
15秒前
落寞奎发布了新的文献求助10
15秒前
DocRex完成签到,获得积分10
16秒前
17秒前
您吃了莓发布了新的文献求助10
17秒前
tutu131452完成签到,获得积分10
18秒前
18秒前
li完成签到 ,获得积分10
19秒前
甜橙完成签到 ,获得积分10
19秒前
柚子想吃橘子完成签到,获得积分10
21秒前
22秒前
24秒前
英俊的铭应助17671098402采纳,获得10
24秒前
小白白完成签到,获得积分10
24秒前
24秒前
小孙发布了新的文献求助10
25秒前
25秒前
科研通AI2S应助1289436采纳,获得10
25秒前
26秒前
27秒前
累啊发布了新的文献求助10
28秒前
香蕉觅云应助能HJY采纳,获得10
29秒前
高分求助中
The late Devonian Standard Conodont Zonation 2000
Nickel superalloy market size, share, growth, trends, and forecast 2023-2030 2000
The Lali Section: An Excellent Reference Section for Upper - Devonian in South China 1500
Very-high-order BVD Schemes Using β-variable THINC Method 870
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 800
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 800
A new species of Coccus (Homoptera: Coccoidea) from Malawi 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3256323
求助须知:如何正确求助?哪些是违规求助? 2898596
关于积分的说明 8301615
捐赠科研通 2567759
什么是DOI,文献DOI怎么找? 1394681
科研通“疑难数据库(出版商)”最低求助积分说明 652913
邀请新用户注册赠送积分活动 630557