本研究では、PFAS化合物のL-FABPへの結合親和性を予測するためにGCNモデルを提案した。GCNモデルは、化学指紋と記述子の両方を活用することで、PFAS化合物の構造的、物理化学的、および位相的特徴を効果的にキャプチャできる。
まず、既知のPFAS-L-FABP結合親和性データを用いてGCNモデルをトレーニングした。その結果、従来の機械学習モデルよりも高い精度で結合親和性を予測できることが示された。
次に、GCNモデルの予測結果とAPD2Dカウント指紋を組み合わせて、PFAS化合物をクラスタリングした。各クラスターから代表的なPFAS化合物を選択し、分子動力学シミュレーションを行うことで、PFAS-L-FABP間の結合メカニズムを明らかにした。
シミュレーション結果から、PFAS化合物の炭素-フッ素鎖長や数が多いほど、L-FABPとの結合が安定することが示された。一方で、小さなPFAS化合物は結合が不安定であることが分かった。これらの知見は、PFAS化合物の肝毒性を理解し、新規PFAS化合物の開発や安全規制の策定に役立つと考えられる。
Till ett annat språk
från källinnehåll
arxiv.org
Djupare frågor