• 文献检索
  • 文档翻译
  • 深度研究
  • 学术资讯
  • Suppr Zotero 插件Zotero 插件
  • 邀请有礼
  • 套餐&价格
  • 历史记录
应用&插件
Suppr Zotero 插件Zotero 插件浏览器插件Mac 客户端Windows 客户端微信小程序
定价
高级版会员购买积分包购买API积分包
服务
文献检索文档翻译深度研究API 文档MCP 服务
关于我们
关于 Suppr公司介绍联系我们用户协议隐私条款
关注我们

Suppr 超能文献

核心技术专利：CN118964589B侵权必究
粤ICP备2023148730 号-1Suppr @ 2026

文献检索

告别复杂PubMed语法，用中文像聊天一样搜索，搜遍4000万医学文献。AI智能推荐，让科研检索更轻松。

立即免费搜索

文件翻译

保留排版，准确专业，支持PDF/Word/PPT等文件格式，支持 12+语言互译。

免费翻译文档

深度研究

AI帮你快速写综述，25分钟生成高质量综述，智能提取关键信息，辅助科研写作。

立即免费体验

Machine Learning for Environmental Toxicology: A Call for Integration and Innovation.

作者信息

Miller Thomas H, Gallidabino Matteo D, MacRae James I, Hogstrand Christer, Bury Nicolas R, Barron Leon P, Snape Jason R, Owen Stewart F

机构信息

Department of Analytical, Environmental & Forensic Sciences, School of Population Health & Environmental Sciences, Faculty of Life Sciences and Medicine , King's College London , 150 Stamford Street , London SE1 9NH , U.K.

Department of Applied Sciences , Northumbria University , Newcastle Upon Tyne NE1 8ST , U.K.

出版信息

Environ Sci Technol. 2018 Nov 20;52(22):12953-12955. doi: 10.1021/acs.est.8b05382. Epub 2018 Oct 19.

DOI:10.1021/acs.est.8b05382
PMID:30338686
Abstract
摘要

相似文献

1
Machine Learning for Environmental Toxicology: A Call for Integration and Innovation.环境毒理学中的机器学习：整合与创新的呼声。
Environ Sci Technol. 2018 Nov 20;52(22):12953-12955. doi: 10.1021/acs.est.8b05382. Epub 2018 Oct 19.
2
Machine learning in the identification, prediction and exploration of environmental toxicology: Challenges and perspectives.机器学习在环境毒理学中的识别、预测和探索：挑战与展望。
J Hazard Mater. 2022 Sep 15;438:129487. doi: 10.1016/j.jhazmat.2022.129487. Epub 2022 Jun 27.
3
Machine Learning Methods in Computational Toxicology.计算毒理学中的机器学习方法
Methods Mol Biol. 2018;1800:119-139. doi: 10.1007/978-1-4939-7899-1_5.
4
Comparing context-dependent call sequences employing machine learning methods: an indication of syntactic structure of greater horseshoe bats.采用机器学习方法比较语境相关的叫声序列：指示巨马蹄蝠句法结构的一种迹象。
J Exp Biol. 2019 Dec 18;222(Pt 24):jeb214072. doi: 10.1242/jeb.214072.
5
Machine learning models for predicting endocrine disruption potential of environmental chemicals.用于预测环境化学物质内分泌干扰潜力的机器学习模型。
J Environ Sci Health C Environ Carcinog Ecotoxicol Rev. 2018;36(4):237-251. doi: 10.1080/10590501.2018.1537155. Epub 2019 Jan 10.
6
Progress in computational toxicology.计算毒理学的进展。
J Pharmacol Toxicol Methods. 2014 Mar-Apr;69(2):115-40. doi: 10.1016/j.vascn.2013.12.003. Epub 2013 Dec 20.
7
New Machine Learning Applications to Accelerate Personalized Medicine in Breast Cancer: Rise of the Support Vector Machines.新的机器学习应用程序加速乳腺癌个体化医学：支持向量机的兴起。
OMICS. 2020 May;24(5):241-246. doi: 10.1089/omi.2020.0001. Epub 2020 Mar 31.
8
Machine Learning in Predictive Toxicology: Recent Applications and Future Directions for Classification Models.机器学习在预测毒理学中的应用：分类模型的最新应用及未来方向。
Chem Res Toxicol. 2021 Feb 15;34(2):217-239. doi: 10.1021/acs.chemrestox.0c00316. Epub 2020 Dec 23.
9
A benchmark dataset for machine learning in ecotoxicology.用于生态毒理学机器学习的基准数据集。
Sci Data. 2023 Oct 18;10(1):718. doi: 10.1038/s41597-023-02612-2.
10
Advancing toxicity studies of per- and poly-fluoroalkyl substances (pfass) through machine learning: Models, mechanisms, and future directions.通过机器学习推进全氟和多氟烷基物质 (PFASS) 的毒性研究：模型、机制和未来方向。
Sci Total Environ. 2024 Oct 10;946:174201. doi: 10.1016/j.scitotenv.2024.174201. Epub 2024 Jun 25.

引用本文的文献

1
A Review of the Applications, Benefits, and Challenges of Generative AI for Sustainable Toxicology.生成式人工智能在可持续毒理学中的应用、益处及挑战综述
Curr Res Toxicol. 2025 Apr 21;8:100232. doi: 10.1016/j.crtox.2025.100232. eCollection 2025.
2
Rethinking the applicability domain analysis in QSAR models.重新思考 QSAR 模型中的适用性域分析。
J Comput Aided Mol Des. 2024 Feb 14;38(1):9. doi: 10.1007/s10822-024-00550-8.
3
Artificial intelligence (AI)-it's the end of the tox as we know it (and I feel fine).人工智能（AI）——这是我们所知道的毒理学的终结（我感觉很好）。
Arch Toxicol. 2024 Mar;98(3):735-754. doi: 10.1007/s00204-023-03666-2. Epub 2024 Jan 20.
4
Big Question to Developing Solutions: A Decade of Progress in the Development of Aquatic New Approach Methodologies from 2012 to 2022.重大问题解决方案：2012 年至 2022 年，水生新方法学发展十年进展。
Environ Toxicol Chem. 2024 Mar;43(3):559-574. doi: 10.1002/etc.5578. Epub 2023 Mar 20.
5
Statistical Learning and Uncommon Soil Microbiota Explain Biogeochemical Responses after Wildfire.统计学习与非寻常土壤微生物群解释野火后的生物地球化学响应。
Appl Environ Microbiol. 2022 Jul 12;88(13):e0034322. doi: 10.1128/aem.00343-22. Epub 2022 Jun 15.
6
Into the Black Box: What Can Machine Learning Offer Environmental Health Research?深入黑箱：机器学习能为环境卫生研究带来什么？
Environ Health Perspect. 2020 Feb;128(2):22001. doi: 10.1289/EHP5878. Epub 2020 Feb 26.
7
Deep Learning for Deep Chemistry: Optimizing the Prediction of Chemical Patterns.深度化学的深度学习：优化化学模式预测
Front Chem. 2019 Nov 26;7:809. doi: 10.3389/fchem.2019.00809. eCollection 2019.