一种固废重金属毒性效应靶标的探索性数据分析预测方法技术

本发明专利技术属于检测分析技术领域，涉及固废重金属毒性效应靶标的预测和相应的毒理效应评价领域，具体涉及一种固废重金属毒性效应靶标的探索性数据分析预测方法。本发明专利技术公开了一种基于探索性数据分析对固废重金属毒性靶标预测和毒理效应评价的方法：基于随机森林和深度学习的探索性数据分析方法(EDA)，依据固废重金属矿渣主要金属的化学成分与毒性靶标的定量关系，预测重金属的关键毒性通路及毒性终点，结合实验动物毒理效应进行验证评价。本发明专利技术方法为重金属固废中钴镍锰毒效预测靶点的验证提供新思路，为重金属毒理有害结局路径评价奠定基础。价奠定基础。价奠定基础。

【技术实现步骤摘要】
一种固废重金属毒性效应靶标的探索性数据分析预测方法


[0001]本专利技术属于检测分析
，涉及固废重金属毒性效应靶标的预测和相应的毒理效应评价领域，具体涉及一种固废重金属毒性效应靶标的探索性数据分析预测方法。

技术介绍

[0002]固体废物中重金属污染是一个普遍问题，关系到全世界每个人。固体废物的危害主要表现为：对于环境的危害，使有害的病菌或重金属元素等污染土壤使土壤“渣化”；固体废物直接倾倒入湖泊、河流等，造成水质的污染，甚至导致固体废物中的毒性物质渗入到地下水中，而造成更大范围的污染；固体废物的长期堆放，也有可能在光照等因素的影响下挥发，造成有害气体进入大气。固体废物中毒有害物质一旦进入人或动物的生命系统中就会产生一定的毒理效应。为了保护人类和环境免受其危害，整体动物毒性试验一直以来就是危害度评价的基础，科学研究也主要集中在单一化学物质的毒性测试领域。由于时间和成本的制约，详尽测试所有化学物质对人类和生态系统的影响是不切实际的，因此，有必要建立基于大数据预测损害作用的模型。
[0003]另外，目前重金属毒理学资料系统性差、鉴定结论不一，而当前毒性预测效应靶标模型又存在预测精度普遍不高、可靠性不足的现状，因此，急需寻求一种高效快速而信息量丰富的分析方法来预测重金属的毒效靶点。由于目前采集的生物、医药和化学数据都具有维度高、异质性强和冗余信息多的特点，故对其处理相对困难，而包括随机森林和深度学习在内的机器学习，以及复杂网络等技术的发展，为毒性理论预测方法提供了强有力的工具支撑。现有重金属的生物有效性评价又称为植物有效性，常用于环境风险的评估。近年来基于金属形态和有效性的水生生物毒性预测方法已用于环境中有毒金属的毒性预测(穆云松,吴丰昌,廖海清等.CN 105069315 A)，并且结合金属形态分析技术和生物有效性的QSAR模型，进一步建立了以重金属毒性终点和海洋水质基准阈值的预测方法(穆云松,吴丰昌等.CN 111554358A)，此外，利用质谱的代谢组学技术也用于环境污染物对细胞毒性效应评价(陈吉平,张保琴,耿拧波等.CN 105021716 A)。这些方法以金属结构，以及外源化学物对机体的暴露标志物为基础，开展重金属对水生生物和细胞的生物有效性的评价，但少见对重金属诱导的毒性效应标志物(即毒性效应靶标)的预测，缺乏系统性、多层次“重金属
‑
分子作用
‑
细胞效应
‑
器官效应
‑
机体效应
‑
群体效应”的有害结局评价体系，以及定量的预测方法，从而不利于对重金属污染健康的进行风险评价。

技术实现思路

[0004]本专利技术要解决的技术问题是提供一种系统、定量的固废重金属毒性效应靶标预测方法。
[0005]为解决上述技术问题，本专利技术提供一种固废重金属毒性效应靶标：
[0006]氯化钴筛选出10个肾脏相关疾病及其基因组(表1)，锰筛选出9个肾脏相关疾病及其基因组数据集(表2)，镍选出9个肾脏相关疾病及其基因组数据集(表3)。
[0007]本专利技术还同时提供了一种基于探索性数据分析对固废重金属毒性靶标预测和毒理效应评价的方法：基于随机森林和深度学习的探索性数据分析方法(EDA)，依据固废重金属矿渣主要金属的化学成分与毒性靶标的定量关系，预测重金属的关键毒性通路及毒性终点，结合实验动物毒理效应进行验证评价。
[0008]作为本专利技术方法的改进，包括以下步骤：
[0009]A)、获取固废重金属的主要化学成分与毒理基因组数据集，建模毒性数据采集，筛选，运算，重点研究相关重金属及其靶向基因、疾病作用靶点；
[0010]B)、分析重点肝肾代谢毒性相关的靶标基因，并对不同重金属成分及其靶向基因进行交集，得到重金属
‑
疾病交集靶基因；
[0011]C)、构建重金属与疾病网络，筛选核心节点；对核心节点进行GO富集和KEGG通路注释分析，预测靶点功能分布，以及筛选核心节点；
[0012]D)、解析关键氧化应激损伤作用机制，明确关键毒性终点，基于重金属
‑
毒性靶标毒理效应数据构建数据集；
[0013]E)、通过随机森林拟合重金属
‑
毒性靶标毒理效应的响应关系，以及Keras构建深度学习模型，建立探索性数据分析方法预测关键靶标。
[0014]作为本专利技术方法的进一步改进，步骤C)中：所述的筛选标准为，阈值：MCODE>5、degree>15、P<0.05。
[0015]作为本专利技术方法的进一步改进，步骤E)中：预测变量的相对重要性得分筛选，阈值：％IncMSE>6、％IncNodePurity>6，P<0.01。
[0016]作为本专利技术方法的进一步改进，步骤C)中：疾病网络包括蛋白
‑
蛋白网络、基因
‑
基因网络、基因
‑
蛋白网络、疾病
‑
基因网络；
[0017]对网络核心节点degree，betweenness等参数作为核心节点的筛选条件，以及MCODE算法聚类分析评分后得到需要预测的潜在毒性通路和相应靶点的网络。
[0018]针对传统毒理学整体动物检测方式动物成本高、种间差异、技术要求难、检测周期长、低通量、数据稳定性差的问题，本专利技术设计应用了基于环境基因组学、表观基因组学和毒理基因组学的大数据分析，开展固废重金属的毒性效应靶标预测。
[0019]本专利技术的主要技术点是：综合固废重金属的主要化学成分与成分作用靶点建模毒性数据，通过随机森林和深度学习模型拟合重金属
‑
毒性靶标毒理效应的响应关系，建立探索性数据分析方法预测关键靶标，并将其应用于预测重金属诱导的毒性效应标志物的一种方法。
[0020]本专利技术具有以下有益效果：
[0021]本专利技术结合TOXNET毒理学数据库、CTD毒理基因组数据库、STITCH数据库、DisGeNET数据库、DAVID疾病基因数据库、KEGG通路信息数据库等国际通用数据库，大数据的分析弥补单一数据库数据准确性和完整性的不足，保证抽提基因、蛋白、毒性、疾病等多种要素的稳定，减低对预测结果产生的误差。本专利技术旨在建立系统性、多层次“重金属
‑
分子作用
‑
细胞效应
‑
器官效应
‑
机体效应
‑
群体效应”的有害结局评价体系，对固废重金属及其其他重金属的毒理研究突破具有特别意义，为支撑和引领我国重金属污染健康风险评价提供基础。
[0022]本专利技术采用R语言、python、cytoscape等数据分析手段，分别分析钴镍锰矿渣重金
属(氯化钴、镍、锰等)
‑
肾损伤疾病
‑
靶基因、通路及疾病的差异靶基因数据集；检索TOXNET和CTD毒理基因组数据库，获取氯化钴、镍、锰的毒理本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.固废重金属毒性效应靶标，其特征在于：氯化钴筛选出10个肾脏相关疾病及其基因组，锰筛选出9个肾脏相关疾病及其基因组数据集，镍选出9个肾脏相关疾病及其基因组数据集。2.一种基于探索性数据分析对固废重金属毒性靶标预测和毒理效应评价的方法，其特征在于：基于随机森林和深度学习的探索性数据分析方法，依据固废重金属矿渣主要金属的化学成分与毒性靶标的定量关系，预测重金属的关键毒性通路及毒性终点，结合实验动物毒理效应进行验证评价。3.根据权利要求2所述的基于探索性数据分析对固废重金属毒性靶标预测和毒理效应评价的方法，其特征在于包括以下步骤：A)、获取固废重金属的主要化学成分与毒理基因组数据集，建模毒性数据采集，筛选，运算，重点研究相关重金属及其靶向基因、疾病作用靶点；B)、分析重点肝肾代谢毒性相关的靶标基因，并对不同重金属成分及其靶向基因进行交集，得到重金属
‑
疾病交集靶基因；C)、构建重金属与疾病网络，筛选核心节点；对核心节点进行GO富集和KEGG通路注释分析，预测靶点功能分布，以及筛选核心节点；D)、解析关键氧化应激损伤作用机制，明确关键毒性终点，基于重金属
‑
毒性靶标毒理效应数据构建数据集；E)、通过随机森林拟合重金...

【专利技术属性】
技术研发人员：邓同乐，万旺军，穆海硕，王琛，何坚刚，浦艳婷，
申请(专利权)人：杭州海关技术中心，
类型：发明
国别省市：