環境化学物質の脂肪/血液分配係数のモデリング

環境化合物の脂肪/血液分配係数を予測するために、定量的構造活動関係（QSAR）モデルが開発されました。QSARモデリングの最初のステップは、入力のコレクションでした。入力データには、脂肪/血液分配係数の実験値と、67の有機化学化合物の2つの分子記述子が含まれていました。a）線形自由エネルギー関係（LFER）およびb）の記述子パデル記述子。データセットはトレーニングと予測セットに分割され、2つの統計的方法を使用して分析されました。遺伝的アルゴリズムに基づいた多重線形回帰（GA-MLR）および人工ニューラルネットワーク（ANN）。ANNと相まって、LFERおよびPadelの記述子を備えたモデルは、満足のいくパフォーマンス結果を生み出しました。モデルのフィッティングパフォーマンス（R2）は、LFERおよびPadelの記述子を使用して、それぞれ0.94と0.96でした。モデルの適用可能性ドメイン（AD）を評価し、モデルを脂肪/血液分配係数の不明な値を持つ多数の化合物に適用されました。結論として、提案されたモデルは、フィッティング、妥当性、適用性についてチェックされました。それらは安定しており、信頼性が高く、適用性ドメイン内に該当する「貧弱な」化合物の脂肪/血液分配係数の値を予測できることが実証されました。

A Quantitative Structure Activity Relationship (QSAR) model was developed in order to predict the adipose/blood partition coefficient of environmental chemical compounds. The first step of QSAR modeling was the collection of inputs. Input data included the experimental values of adipose/blood partition coefficient and two sets of molecular descriptors for 67 organic chemical compounds; a) the descriptors from Linear Free Energy Relationship (LFER) and b) the PaDEL descriptors. The datasets were split to training and prediction set and were analysed using two statistical methods; Genetic Algorithm based Multiple Linear Regression (GA-MLR) and Artificial Neural Networks (ANN). The models with LFER and PaDEL descriptors, coupled with ANN, produced satisfying performance results. The fitting performance (R2) of the models, using LFER and PaDEL descriptors, was 0.94 and 0.96, respectively. The Applicability Domain (AD) of the models was assessed and then the models were applied to a large number of chemical compounds with unknown values of adipose/blood partition coefficient. In conclusion, the proposed models were checked for fitting, validity and applicability. It was demonstrated that they are stable, reliable and capable to predict the values of adipose/blood partition coefficient of "data poor" chemical compounds that fall within the applicability domain.