콜린성 배열형 메타 기반 화학작용제 예측

Scientific Reports 12권, 기사 번호: 16709(2022) 이 기사 인용

1466 액세스

측정항목 세부정보

화학 안전에 대한 분자적 통찰력은 위험 평가뿐만 아니라 지속 가능한 개발에도 매우 중요합니다. 이 연구에서는 미래에 다가올 유해 물질, 특히 잠재적으로 콜린성 화학전 물질(CWA)을 관리하는 방법을 고려합니다. 이러한 목적을 위해, 알려진 콜린제의 구조는 분자 설명자에 의해 암호화되었습니다. 그런 다음 각 약물 표적 상호작용(DTI)을 암호화된 구조와 콜린성 활동으로부터 학습하여 신뢰할 수 있는 통계 검증을 통해 5개 콜린성 표적에 대한 DTI 분류 모델을 구축했습니다(앙상블-AUC: 최대 0.790, MCC: 최대 0.991, 정확도: 최대 0.995). 수집된 분류기는 (1) 콜린성 예측 및 (2) CWA 검출과 같은 다중 작업을 위해 2D 또는 3D 배열 유형 메타 예측자로 변환되었습니다. 배열 분류기의 탐지 능력은 CWA와 CWA가 없는 데이터 세트 사이의 불균형 데이터에서 검증되었습니다(정밀도-재현율 곡선 아래 영역: 최대 0.997, MCC: 최대 0.638, 없음 CWA의 F1 점수: 최대 0.991, F1- CWA 점수: 최대 0.585).

화학작용제(CWA) 및 유해 화학물질은 화학적 안전을 위협합니다1,2. 화학무기 협약 이전에 CWA는 군사작전을 위해 의도적으로 발명되고 합성되었습니다. 요즘에는 (1) 알려진 CWA와 관련된 합성 화학(예: 유기인 유도체)2,3 또는 (2) 치료 약물의 화학(예: NATO에서 BZ 할당 코드)을 통해 의도하지 않은 CWA 발명과 예상치 못한 사고에 대한 우려가 있습니다. 및 불법 약물4. 1994년 일본의 사린(Sarin), 2017년 말레이시아의 VX, 2018년 시리아의 노비초크(신고되지 않은 요원)와 같은 연쇄 테러는 화학무기에 대한 우려를 공포로 만들었습니다5. 더욱이, 일부 유해 화학물질(그림 1 참조)은 CWA 화학무기금지기구(OPCW) 목록에 등록되지 않았지만 엄청난 인명 피해를 초래했으며, 그 비극은 여전히 ​​계속되고 있습니다. (1) 에톡시에틸 국내 영유아 및 임산부의 소독제 사망을 초래한 레킷벤키저 살균제 성분인 구아니디늄(PGH)/폴리헥사메틸렌 구아니딘(PHMG)6,7, (2) 고엽제(제초제 및 고엽제 화학물질)의 미량 불순물인 TCDD ) 베트남 전쟁 중에 질병의 후생적 세대 간 유전이 촉진되었습니다8,9.

화학적 위협에는 NATO 코드가 지정된 CWA(화학전 작용제), CWA 각성제, NPS(신향정신성 물질) 및 PHMG(멸균제) 및 TCDD와 같은 화학적 위험이 포함됩니다.

화학적 안전을 위해 인간은 유해한 화학물질로 인한 위험을 통제하기 위한 규정이나 시스템을 구축했습니다10,11,12. 이러한 시스템을 통해 유해 물질 탐지 또는 해독 기술이 지속적으로 개발되었습니다. 역사에도 불구하고 유해물질이 규제되거나 탐지기술이 만들어지는 속도보다 다가오는 속도가 더 빠르다. 예를 들어, 불법 약물의 규제 및/또는 표준 약물 테스트에서의 검출을 피할 수 있는 알려진 불법 약물의 약리학적 효과를 모방하도록 설계된 450개 이상의 새로운 향정신성 물질(NPS) 또는 특수 약물이 2014년부터 2014년까지 모니터링되었습니다. 201717,18,19. 이 기간 동안 안전을 위한 어떤 시스템도 NPS의 식별 및 탐지, 독성 평가, 규정 수립 등 NPS를 적절하고 시기적절하게 통제할 수 없습니다20. 당연히 시스템에 정의되지 않은 화학적 위험이나 독성 물질은 예방, 인식 또는 통제될 수 없습니다21. 따라서 유해성 및 유해성 '아직 존재하지 않지만 향후 출시될 화학물질(NE Chemicals)'에 대한 사전 정의가 위험성 평가를 위해 필요합니다. 그러나 '존재하지 않음'에 대한 예측은 모호하고 불확실하다. 다행스럽게도 기계가 알려진 유해 화학물질의 구조와 특성을 학습하고 그 관계를 분석하면 학습된 관계가 이론적으로 NE 화학물질의 패턴을 제안할 수 있습니다22. 즉, 알려진 화학물질의 분자적 특징(변수)을 이용하여 유해성 및 독성 공간의 일부를 정의할 수 있다(그림 2). '화학적 공간'은 가능한 모든 작은 분자23를 포괄하는 의미로서, 위험 및 독성 공간은 가능한 모든 위험 및 독성 화학물질을 포괄하는 의미로 명명되었습니다. 더욱 바람직하게는 정의가 이상적으로 달성되면 예방적 규제에 사용될 수 있습니다. 이러한 고려 사항을 바탕으로 우리는 콜린성 메타 예측기를 사용하여 위험 및 독성 공간의 일부를 정의하려고 했습니다. 본 연구에서 범콜린성 물질의 공간은 분자 구조에 의해 선험적으로 정의되며, 공간 내 CWA인 신경 물질의 콜린성 패턴은 CNN(Convolutional Neural Network)을 통해 학습됩니다. 전자는 콜린성 메타 예측자의 생성이고 후자는 메타 예측자를 기반으로 한 CWA 탐지입니다.