化学结构与剂量反应曲线的贝叶斯联合建模
应用统计
2022-07-27 v2
摘要
如今，受《有毒物质控制法》监管的化学物质约有 85,000 种，每年约有 2,000 种新化学物质被引入。通过全生物体内研究或体外高通量筛选 (HTS) 程序对所有这些化学物质进行潜在毒性效应筛选是不可能的。毒理学家面临选择哪些化学物质进行筛选以及预测尚未筛选化学物质毒性的挑战。我们的目标是通过描述化学结构变化与毒理学反应变化之间的关系，来实现旨在应对这两项挑战的计算机毒性表征。利用我们的贝叶斯部分监督稀疏平滑因子分析 () 模型，我们学习化学物质之间针对毒性的距离，而非仅基于分子结构的距离。我们的模型还利用已在 HTS 程序中测试过毒性的大型化学物质数据库，能够基于化学结构（即无需体内或体外测试）预测化学物质剂量反应谱。我们展示了在距离学习方面优于现有方法的仿真性能，以及在预测能力方面相较现有方法从中等到较大的提升。来自高通量筛选数据应用的结果阐明了化学结构与毒性相关高通量检测之间的关系。用于 的 R 包可在 https://github.com/kelrenmor/bs3fa 在线获取。
引用
@article{arxiv.1912.12228,
title = {Bayesian joint modeling of chemical structure and dose response curves},
author = {Kelly R. Moran and David Dunson and Matthew W. Wheeler and Amy H. Herring},
journal= {arXiv preprint arXiv:1912.12228},
year = {2022}
}