摘要
本申请公开了一种内分泌干扰物定量活性的预测方法,涉及内分泌干扰物的虚拟筛查领域,包括:获取核受体体外实验数据,并剔除实验数据中的重复数据,以及剔除不包含简化分子线性输入规范SMILES表示的化合物集;采用分子指纹方法,提取化合物的一级、二级和三级特征结构。针对每一个化合物簇,构建基于机器学习或定量read‑across的定量预测模型,用于预测化合物的定量活性值;针对现有技术中内分泌干扰物定量活性预测效率低,本申请提取化合物的多级结构特征,针对不同规模的化合物结构簇构建相应的定量预测模型。通过分子对接和分子动力学模拟,从结构生物学角度研究内分泌干扰物与核受体的相互作用机制等,提高了效率。
技术关键词
内分泌干扰物
内分泌干扰化合物
定量预测模型
受体
机器学习回归算法
内分泌干扰效应
数据
内分泌干扰活性
分子对接方法
配体
指纹方法
机器学习方法
复合物
代表
高通量筛选
轨迹
指纹特征
机制
系统为您推荐了相关专利信息
突变动物模型
珠蛋白
基因
点突变
人源化小鼠模型
LED晶片
散热增强型
花青素积累
植物光合作用
光源
牛肉新鲜度
新鲜牛肉
定量预测模型
近红外光谱技术
指标