计算毒理学进展——在监管科学中的方法及应用

本书全面介绍了计算毒理学领域的代表性方法，重点强调监管科学研究，包括概述理论、方法、应用以及实例。本书旨在加深读者对基于计算机毒性预测的理解，帮助读者了解毒理学中的前沿计算策略。全书共分19章，主要介绍计算毒理学方法的背景知识和任务挑战，分别描述了机器学习、人工智能、定量构效关系(QSAR)、生物信息学、基因组学、蛋白质组学及分子动力学等技术在毒理学中的应用，涵盖药物、食品及环境领域安全和风险评估等方面的内容。

本书适合计算机、毒理学、医学、食品、卫生、农业、环境及监管领域的研究生及研究人员阅读参考。

第1章 计算毒理学促进监管科学发展001

1.1 计算毒理学002

1.2 计算毒理学领域003

1.3 计算毒理学的必要性004

1.4 计算毒理学方法004

1.5 计算毒理学在监管科学中的潜在应用005

1.6 结论007

参考文献007

第1部分 计算毒理学方法

第2章 计算毒理学背景、任务、建模方法和挑战012

2.1 计算毒理学背景014

2.2 计算毒理学任务015

2.2.1 促进健全的化学品管理015

2.2.2 塑造数字化的预测毒理学015

2.3 计算毒理学建模方法016

2.3.1 环境多介质“命运”模型017

2.3.2 基于生理的毒物代谢动力学模型017

2.3.3 系统毒理学模型018

2.3.4 分子模型018

2.3.5 QSAR模型020

2.4 计算毒理学挑战021

2.4.1 计算模型参数的冗余021

2.4.2 复杂的生命系统022

2.4.3 混合物相互关联的化学品022

2.5 结论与展望023

参考文献023

第3章 简单毒性终点建模：警示、(Q)SAR和其他028

3.1 引言029

3.2 成功模型的经验教训029

3.3 阴性预测030

3.4 定量预测和证据权重法031

3.5 授权专家审查034

3.6 复杂终点建模036

3.7 结论与展望038

参考文献038

第4章 毒理基因组学建模与预测的矩阵和张量因子分解方法042

4.1 引言043

4.2 机器学习方法044

4.2.1 矩阵分解044

4.2.2 潜在狄利克雷分配045

4.2.3 群因子分析045

4.2.4 张量分解046

4.2.5 多张量分解047

4.3 案例研究048

4.3.1 毒理基因组学数据集048

4.3.2 群因子分析在多视图毒理基因组学中的应用048

4.3.3 基于多张量分解的结构毒理基因组学050

4.3.4 预测性毒理基因组学空间（PTGS）051

4.4 讨论051

4.5 结论与展望052

参考文献052

第5章 心脏肿瘤学：基于网络的癌症治疗诱导的心脏毒性预测055

5.1 引言056

5.2 方法和材料058

5.2.1 计算机058

5.2.2 药物-靶标相互作用网络的重建058

5.2.3 人类蛋白质-蛋白质相互作用组的重建059

5.2.4 疾病-关联基因/蛋白质的收集060

5.2.5 网络邻近度061

5.2.6 网络可视化与统计分析062

5.3 结果/案例研究062

5.4 结论与展望066

参考文献067

第6章 作用机制指导、基于分子建模的毒性预测：一种用于计算机辅助预测毒理学的新方法072

6.1 引言074

6.1.1 替代测试方法发展的最新进展074

6.1.2 基于机制的毒性预测：MIE和“关键靶标”概念075

6.1.3 目前体外和计算机方法的局限性075

6.1.4 用于虚拟化学筛选的分子对接：一种绿色毒理学方法076

6.2 方法学076

6.2.1 方法概述076

6.2.2 方法实现077

6.3 结果078

6.3.1 ChemMoA中的参考化学品库078

6.3.2 生物大分子靶标的结构模型078

6.3.3 dyPLID生成的分子对接和MD模拟079

6.3.4 体外毒性预测模型库080

6.3.5 ChemMoA/TsTKb的门户网站080

6.4 讨论080

6.5 结论与展望081

参考文献082

第7章 QSAR毒性预测模型特征降维方法综述087

7.1 引言088

7.2 特征选择089

7.2.1 过滤法090

7.2.2 包装法091

7.2.3 嵌入法092

7.2.4 混合和集成特征选择092

7.3 特征提取093

7.3.1 主成分分析094

7.3.2 自编码器094

……