Automating Predictive Toxicology Using ComptoxAI.
Automating Predictive Toxicology Using ComptoxAI.
复制标题
DOI：
10.1021/acs.chemrestox.2c00074
复制
发表时间：
2022-08-15
影响因子：
4.1
通讯作者：
Penning, Trevor M.
中科院分区：
文献类型：
--
作者：
Romano, Joseph D.;Hao, Yun;Moore, Jason H.;Penning, Trevor M.
ComptoxAI 是用于预测毒理学计算和人工智能研究的新数据基础设施。在这里，我们在三个现实用例的背景下描述和展示了 ComptoxAI 的图结构知识库，证明它可以快速回答有关毒理学的复杂问题，而使用以前的技术和数据资源是无法解决这些问题的。这些用例各自展示了一种从知识库中检索信息的工具，用于解决特定任务：“最短路径”模块用于识别全氟辛酸（PFOA）暴露与非酒精性脂肪肝之间的机制联系； “扩展网络”模块识别与二恶英毒性相关的社区；定量构效关系 (QSAR) 数据集生成器可预测 4,021 种农药成分中孕烷 X 受体的激动作用。 ComptoxAI 源数据的内容是从各种公共第三方数据库中严格汇总的，ComptoxAI 被设计为免费、公共和开源工具包，使包括生物医学研究人员、公共卫生和监管官员以及公众在内的不同类别的用户能够预测未知的毒理学和作用模式。
ComptoxAI is a new data infrastructure for computational and artificial intelligence research in predictive toxicology. Here, we describe and showcase ComptoxAI’s graph-structured knowledge base in the context of three real-world use-cases, demonstrating that it can rapidly answer complex questions about toxicology that are infeasible using previous technologies and data resources. These use-cases each demonstrate a tool for information retrieval from the knowledge base being used to solve a specific task: The “shortest path” module is used to identify mechanistic links between perfluorooctanoic acid (PFOA) exposure and nonalcoholic fatty liver disease; the “expand network” module identifies communities that are linked to dioxin toxicity; and the quantitative structure–activity relationship (QSAR) dataset generator predicts pregnane X receptor agonism in a set of 4,021 pesticide ingredients. The contents of ComptoxAI’s source data are rigorously aggregated from a diverse array of public third-party databases, and ComptoxAI is designed as a free, public, and open-source toolkit to enable diverse classes of users including biomedical researchers, public health and regulatory officials, and the general public to predict toxicology of unknowns and modes of action.
登录
查看更多内容
芳基烃受体（AHR）：外国和内源性信号的“传感器”的基本螺旋/环/螺旋（BHLH/PAS）家族的“先驱成员”。
影响因子：
13.6
作者：
Nebert DW
通讯作者：
Nebert DW
DOI：
10.1007/978-1-4939-6346-1_12
发表时间：
2016-01-01
期刊：
HIGH-THROUGHPUT SCREENING ASSAYS IN TOXICOLOGY
影响因子：
--
作者：
Huang, Ruili
通讯作者：
Huang, Ruili
DOI：
10.1093/jamia/ocv189
发表时间：
2016-09
期刊：
Journal of the American Medical Informatics Association : JAMIA
影响因子：
--
作者：
Mandel JC;Kreda DA;Mandl KD;Kohane IS;Ramoni RB
通讯作者：
Ramoni RB
影响因子：
14.9
作者：
Davis AP;Grondin CJ;Johnson RJ;Sciaky D;McMorran R;Wiegers J;Wiegers TC;Mattingly CJ
通讯作者：
Mattingly CJ
影响因子：
16.6
作者：
Huang R;Xia M;Sakamuru S;Zhao J;Shahane SA;Attene-Ramos M;Zhao T;Austin CP;Simeonov A
通讯作者：
Simeonov A