Quantitative structure activity relationship of bioconcentration factor of polychlorinated biphenyls in fish species using machine learning: Relación cuantitativa estructura actividad del factor de bioconcentración de los bifenilos policlorados

Relación cuantitativa estructura actividad del factor de bioconcentración de los bifenilos policlorados en especies de peces utilizando métodos basados en aprendizaje de máquina: Relación cuantitativa estructura actividad del factor de bioconcentración de los bifenilos policlorados

dc.creatorMoreno, Martín
dc.creatorMora, José Ramón
dc.date2021-11-16
dc.date.accessioned2023-08-08T20:19:49Z
dc.date.available2023-08-08T20:19:49Z
dc.identifierhttps://revistas.usfq.edu.ec/index.php/avances/article/view/2275
dc.identifier10.18272/aci.v13i2.2275
dc.identifier.urihttps://repositorioslatinoamericanos.uchile.cl/handle/2250/8068284
dc.descriptionPolychlorinated biphenyls (PCBs) are persistent pollutants that greatly affect marine ecosystems. Machine learning techniques were used to build quantitative structure activity-relationship (QSAR) models that predict PCBs"™ bioconcentration factor (BCF). These models were built from topographic 2D and 3D descriptors calculated for the molecular structures optimized at molecular mechanics level of theory. After the analysis of their statistical parameters, it was determined that two models are robust enough for predicting logBCF. The models selected were: M_4_LR, built with two molecular descriptors and showed values of r2 = 0,9154, Q2LOO = 0,8944, y Q2ext = 0,9119, and M_13, built with four molecular descriptors and showed values of r2 = 0,9375, Q2LOO = 0,9155, y Q2ext = 0,844. Both models passed the double validation phase, and they satisfied the criteria from the Tropsha"™s test. This implies that predictions for logBCF were quite accurate as it is showed in the results from the present study.en-US
dc.descriptionLos bifenilos policlorados (PCBs) son contaminantes persistentes que afectan enormemente a los ecosistemas marinos. Utilizando técnicas de aprendizaje de máquina, se construyeron modelos de relación cuantitativa estructura-actividad (RCEA) para predecir el factor de bioconcentración (BCF) de los PCBs. Estos modelos se construyeron a partir de descriptores topográficos 2D y 3D calculados para la estructura molecular optimizada en el nivel de mecánica molecular. Después de analizar sus parámetros estadísticos, se determinó que dos modelos son bastante robustos para la predicción de logBCF. Los modelos seleccionados fueron: M_4_LR construido con dos descriptores moleculares y presenta valores de r2 = 0,9154, Q2LOO = 0,8944, y Q2ext = 0,9119, y M_13 construido con cuatro descriptores moleculares y presenta valores de r2 = 0,9375, Q2LOO = 0,9155, y Q2ext = 0,844. Los dos modelos pasaron la doble fase de validación y cumplieron con los criterios de la prueba de Tropsha. Esto implica que las predicciones para el logBCF fueron bastante precisas tal como se muestra en los resultados del presente estudio.es-ES
dc.formatapplication/pdf
dc.formattext/html
dc.formattext/xml
dc.languagespa
dc.publisherUSFQ PRESS, departamento editorial de la Universidad San Francisco de Quito USFQes-ES
dc.relationhttps://revistas.usfq.edu.ec/index.php/avances/article/view/2275/2717
dc.relationhttps://revistas.usfq.edu.ec/index.php/avances/article/view/2275/2908
dc.relationhttps://revistas.usfq.edu.ec/index.php/avances/article/view/2275/2909
dc.rightsDerechos de autor 2021 José Ramón Mora, Martín Morenoes-ES
dc.rightshttps://creativecommons.org/licenses/by-nc/4.0es-ES
dc.sourceACI Avances en Ciencias e Ingenierías; Vol. 13 No. 2 (2021): Volume 13 Issue 2; 19en-US
dc.sourceACI Avances en Ciencias e Ingenierías; Vol. 13 Núm. 2 (2021): Volumen 13 Número 2; 19es-ES
dc.source2528-7788
dc.source1390-5384
dc.source10.18272/aci.v13i2
dc.subjectRegresión lineales-ES
dc.subjectPCBses-ES
dc.subjectdescriptores moleculareses-ES
dc.subjectmecánica moleculares-ES
dc.subjectespecies marinases-ES
dc.subjectLinear regressionen-US
dc.subjectPCBsen-US
dc.subjectmolecular descriptorsen-US
dc.subjectmolecular mechanicsen-US
dc.subjectmarine speciesen-US
dc.titleQuantitative structure activity relationship of bioconcentration factor of polychlorinated biphenyls in fish species using machine learning: Relación cuantitativa estructura actividad del factor de bioconcentración de los bifenilos policloradosen-US
dc.titleRelación cuantitativa estructura actividad del factor de bioconcentración de los bifenilos policlorados en especies de peces utilizando métodos basados en aprendizaje de máquina: Relación cuantitativa estructura actividad del factor de bioconcentración de los bifenilos policloradoses-ES
dc.typeinfo:eu-repo/semantics/article
dc.typeinfo:eu-repo/semantics/publishedVersion


Este ítem pertenece a la siguiente institución