に掲載された最近のレビューでは、 科学レポート、 著者らのグループは、グラフ畳み込みニューラル ネットワーク (NN) を使用して電子リキッド フレーバーの熱分解生成物を予測および分析し、それらを質量分析 (MS) データと関連付けて潜在的な健康リスクを評価しました。
勉強： ニューラルネットワークモデルによるフレーバー熱分解反応の予測による電子タバコの健康リスクの予測。 画像クレジット: iama_sing/Shutterstock.com
背景
ニコチンの吸入は長い間公衆衛生に悪影響を及ぼしてきました。 より安全な代替品と見なされているベイプ電子リキッドは、単純な組成から進化して、多くのフレーバー添加物が含まれるようになり、現在ではニコチンレベルを超えることがよくあります。
この変化は特に若い層にアピールしており、長期的な健康への影響やニコチン使用の再常態化に対する懸念が高まっている。
2019年にビタミンE酢酸塩などの添加物に関連した電子タバコ関連の肺損傷の発生は、化学的に複雑な電子リキッドを吸入する潜在的なリスクを浮き彫りにしている。
加熱して吸入したときのリキッド内の複雑な化学相互作用による長期的な健康への影響を完全に理解するには、さらなる研究が必要です。
電子リキッドフレーバーケミカルの概要
この研究では、既存の文献に基づいて選択された、世界中の電子リキッドの使用で特定された 180 種類のフレーバー化学物質を調査します。 それらの化学構造を分析すると、66 個のエステル、46 個のケトン/アルデヒド、26 個の芳香族化合物/複素環/炭素環、27 個のアルコール/アセタール、15 個のカルボン酸/アミドなど、多様な官能基が明らかになりました。 この多様性は、さまざまな熱分解反応の幅広い可能性を示唆しています。
さらなる構造分析では、分子量や極性などの特性が考慮され、3D 化学空間視覚化により、主に分子量、表面積、回転柔軟性によって促進される適度な多様性が示されました。 平均分子量は 146.2 で、一般に揮発性の化学物質であることを示しています。
電子リキッドのフレーバーリスク評価のワークフロー
180 種類のリキッド フレーバーのリスク評価には、実験 MS データと熱分解反応の予測である NN を統合したワークフローが含まれていました。
化学構造は最初に、簡易分子入力ライン入力システム (SMILES) 形式に変換されました。 グラフ畳み込み NN モデルは熱分解変換と生成物を予測し、分子イオン、断片化質量、およびそれらの存在量を詳細に示す MS データと相関させました。
NN で予測された製品と MS フラグメントの一致は、世界調和システム (GHS) を使用して健康リスクに関してさらに分類されました。 この自動化プロセスでは、重大な健康リスクに対する反応活性化エネルギーも推定され、データが各フレーバーの包括的なリストに整理されました。
熱分解生成物を予測するためのグラフ畳み込み NN モデル
従来の反応予測方法は、複数の反応物が関与する合成変換に焦点を当ててきました。 ただし、熱によって引き起こされる熱分解反応では、通常、単一の反応物がさまざまな生成物に分解されます。
この研究では、熱分解固有のトレーニング データを必要とせずに分子の反応中心と結合変化を予測できるため、Weisfeiler-Lehman ニューラル ネットワーク (W-L NN) モデルが採用されました。
W-L NN は、米国特許文献に由来する 354,937 件の反応のデータセットを使用してトレーニングされました。 このトレーニングでは、データ漏洩を防ぐためにフレーバー分子を除外し、新しいフレーバー分子の熱分解を予測する際に公平なパフォーマンスを保証しました。
W-L NN モデルの実装
この実装には、化学構造を SMILES 表記に変換し、次に各原子が特徴ベクトルでラベル付けされるグラフ表現に変換することが含まれます。 このベクトルは、原子番号、接続性、原子価、その他の特性を考慮します。
W-L NN は、ローカルおよびグローバルの特徴ベクトルを使用して、熱分解中の潜在的な結合破壊変化を予測します。 たとえば、2,3-ペンタンジオンの場合、モデルは最大 16 個の結合切断部位を特定し、各部位で実現可能ないくつかの化学変換を予測しました。 化学価数規則に準拠していない製品は除外されました。
実験的な電子衝撃質量分析 (EI-MS) データとの相関
実験的な EI-MS データを使用して、NN 予測を確認しました。 EI-MS は、熱による熱分解における結合切断と同様に、エネルギー衝撃による分子の結合切断を特定します。
180 種類のリキッド フレーバーのそれぞれについて、EI-MS データから分子量と断片化パターンが得られ、これらが NN で予測された熱分解生成物と比較されました。
NN 予測と MS データの間のかなりの数の一致により、熱分解予測の精度が確認されました。
データの統合と健康リスクの分析
NN 予測と EI-MS データを統合すると、180 種類のフレーバーにわたって 1,169 件の一致が特定され、予測された熱分解生成物と実際の熱分解生成物の間に強い相関があることが示されました。
これらの一致する製品の健康リスクは、PubChem から GHS 分類を取得して評価されました。
分析の結果、相当数の化合物が急性毒素、健康被害、または刺激物として分類され、さまざまな危険性が示されました。
熱分解活性化エネルギーの予測
有向メッセージパッシング ニューラル ネットワーク (D-MPNN) を利用して、高リスクの健康製品を生産するものに焦点を当てて、熱分解反応の活性化エネルギー (AE) を推定しました。
得られた AE 値は、これらの反応に必要な熱条件を理解するのに役立ち、典型的な蒸気を吸う条件下での潜在的な健康被害を強調します。 たとえば、酢酸エステルの分析では、考えられる危険性として酢酸と置換アルケンの生成を伴う複数の分解経路が示されました。
電子リキッドフレーバーの包括的なレポート
NN 予測反応、EI-MS 適合製品、GHS 分類など、各フレーバーの詳細データがまとめられました。
この広範なデータセットは、電子タバコ製品の複雑な化学を理解するための貴重な参考資料として機能し、将来の研究と規制評価の基礎となります。
1715337082
#モデルが電子リキッド中の #以上の有毒化学物質を特定し電子タバコの隠れた危険性を明らかに
2024-05-10 10:05:00