详细内容或原文请订阅后点击阅览
用于推进塑料包装中化学物质的毒性评估的化学信息学
Jadavpur大学的研究人员开发了基于分类的机器学习模型，用于塑料包装相关化学物质的毒性评估。这些模型可以有效地预测化学物质的毒性，从而为研究人员和监管机构提供有价值的工具，从而克服了健康问题。
来源:IndiaBioscienceJadavpur大学的研究人员开发了基于分类的机器学习模型，用于塑料包装相关化学物质的毒性评估。这些模型可以有效地预测化学物质的毒性，从而为研究人员和监管机构提供有价值的工具，从而克服了健康问题。
Jadavpur University 模型塑料包装的全球塑料产量和塑料包装需求不断上升，这些塑料包装通常包括复杂的聚合物，添加剂和残留化学物质，这会给消费者带来重大风险，因为在整个塑料生命周期中，有毒化学物质积累到消费产品中，例如食品，化妆品以及环境。这些化学物质中的许多是危险的，影响了人类健康和野生动植物。为了降低这些风险，由DTC实验室的Kunal Roy领导的团队，Jadavpur University开发了机器学习模型，可以有效，准确地预测化学物质的毒性。他们的研究发表在《危险材料杂志》上，提供了一个机器学习框架，从而可以快速筛选化学物质。罗伊（Roy）强调：“这项研究通过提供对化学毒性的可解释见解来解决化学安全评估中的危险差距。”
DTC实验室的Kunal Roy 研究 危险材料杂志 “这项研究分析了一个广泛的数据集，该数据集由6,700多种化合物组成，重点是七个关键的毒性终点：神经毒性，肝毒性，皮肤毒性，致癌性，生殖毒性，皮肤敏感性，皮肤敏感性和毒性肺炎的曝光型可在可塑性中发生型物质。Nirav Limbasiya
此外，使用排名差异（SRD）方法的总和来评估和系统地对每个机器学习模型进行排名，从而提供了一种客观手段来识别最佳模型。