Сравнительный анализ методов прогнозирования токсичности химических веществ ( обзор литературы) (400,00 руб.)

Первый автор	Гусева
Авторы	Николаева Н.И., Савранец Е.В., Жантлисова Д.М., Онищенко Г.Г.
Страниц	4

ID	936047
Аннотация	Количество зарегистрированных химических веществ за последние семь лет увеличилось в два раза – до 200 млн соединений. В настоящее время раз- работка альтернативных методов исследования имеет особое значение. Наибольший интерес у исследователей вызывают методы перекрёстного считывания и машинного обучения. Цель исследования – сравнительный анализ методов перекрёстного считывания (read across) и машинного обучения, применяемых при прогнозиро- вании токсичности химических веществ. Осуществлён поиск нормативных документов по информационно-правовым порталам «КонсультантПлюс» и «Гарант.ру». Анализ научной лите- ратуры выполнен с использованием базы данных PubMed, научной электронной библиотеки «КиберЛенинка» и электронной библиотеки eLIBRARY с использованием ключевых слов read-across, toxicity prediction, machine learning и их аналогов на русском языке. Выбраны публикации на русском и ан- глийском языках за последние 25 лет с учётом критериев включения и исключения. Анализ показал разнонаправленность применения перекрёстного считывания и машинного обучения при прогнозировании токсичности химических веществ. При существующих ограничениях указанных методов в ряде работ продемонстрирована достаточная надёжность и точность их использования. Совместное применение перекрёстного считывания и машинного обучения позволит обеспечить более эффективное прогнозирование токсичности химических веществ. Заключение. Применение методов in silico в профилактической токсикологии является перспективным направлением. Разработка алгоритма совместного применения различных методов прогнозирования токсичности веществ актуальна для токсиколого-гигиенических исследований.

Сравнительный анализ методов прогнозирования токсичности химических веществ ( обзор литературы) / Е.А. Гусева [и др.] // Гигиена и санитария .— 2025 .— №5 .— С. 670-673 .— URL: https://rucont.ru/efd/936047 (дата обращения: 27.08.2025)