Quando si ha a che fare con tossicità complesse, come quella riproduttiva o teratogena, i sistemi in silico possono essere ottimi alleati, come le Machine Learning.
Un team di ricerca cinese ha proprio lavorato su questo connubio, caratterizzando 1823 sostanze chimiche, note per essere tossiche per la riproduzione, e individuando dei modelli per descrivere la relazione tra la loro struttura e il tipo di attività chimica svolta.
Il lavoro è stato effettuato usando vari approcci di apprendimento al fine di individuare quello con le migliori performance. Il modello MACCSFP Support Vector Machine si è distinto per una accuratezza di classificazione pari a 0.836 e per l’area individuata al di sotto della curva, dello 0,9.
I ricercatori hanno anche analizzato il dominio di applicabilità del metodo, individuando strumenti per distinguere tra una predizione accurata e una inaccurata.
Molte indicazioni per caratterizzare la tossicità riproduttiva sono state identificate anche combinando le informazioni con l’analisi delle frequenze sub-strutturali delle sostanze. L’articolo è stato pubblicato a fine gennaio sulla rivista Journal of Applaied Toxicology.
Studio: Changsheng Jiang, Hongbin Yang, Peiwen Di et al. In silico prediction of chemical reproductive toxicity using machine learning. Journal of Applaied Toxicology. Pubblicato online il 27 gennaio 2019. Doi: https://doi.org/10.1002/jat.3772
https://onlinelibrary.wiley.com/doi/full/10.1002/jat.3772
