Evaluation of comedogenicity and irritancy potential of some cosmetic ingredients using in silico methods
Komedojenite ve cilt irritasyon potensiyeli olan kozmetik bileşenlerinin in silico methodlar ile değerlendirilmesi
- Tez No: 790423
- Danışmanlar: PROF. DR. HANDE SİPAHİ
- Tez Türü: Doktora
- Konular: Farmasötik Toksikoloji, Pharmaceutical Toxicology
- Anahtar Kelimeler: in siliko, komedojenik, makine öğrenmesi, deri tahrişi, QSAR, kozmetik, Akne vulgaris, Deri, Deri ülserleri, Komedojenik maddeler, Kozmetikler, İrritantlar, in silico, comedogenic, machine learning, skin irritation, QSAR, cosmetics, Acne vulgaris, Skin, Skin ulcer, Comedogenic substances, In silico, Irritants
- Yıl: 2023
- Dil: İngilizce
- Üniversite: Yeditepe Üniversitesi
- Enstitü: Sağlık Bilimleri Enstitüsü
- Ana Bilim Dalı: Farmasötik Toksikoloji Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Komedojenite ve deri tahrişi kozmetik bileşenlere karşı görülen yaygın advers reaksiyonlardır. Komedojenite, bir bileşenin akne için ilk lezyon olan komedon oluşumunu indükleme potansiyelidir. Deri tahrişi ise bir kimyasallının uygulanmasının ardından deride geri dönüşümlü hasar oluşturmasıdır. 2013 yılında Avrupa Komisyonu tarafından kozmetikler üzerinde hayvan testleri yasaklanmadan önce, kozmetiklerin komedojenik potansiyeli tavşanlarda test edilmekteydi. Ancak, hayvan testleri henüz alternatifleriyle tam olarak değiştirilememiştir. Bu nedenle, bu tez çalışmasında, farklı makina öğrenme algoritmaları ve moleküler tanımlayıcı türleri kullanarak kozmetik bileşenlerin komedojenik ve deri tahrişi potensiyelini tahmin etmek için iki farklı QSAR sınıflandırma modeli geliştirmeyi amaçladık. Verisetimiz literatürde hem komedojenite hem de iritasyon için tavşan kulaklarında test edilmiş, yağ asitleri, yağ alkolleri ve türevleri ve pigmetler gibi, 121 kozmetik içerikten oluşmaktadır. Toplam, 4837 moleküler tanımlayıcı dört farklı yazılım aracılığıyla hesaplandı. Modeller için tanımlayıcılar WEKA'da korelasyon ve öğrenmeye dayalı (karar ağacı algoritması aracılı) iki yöntem karşılaştırılarak seçildi. Modelleme çalışmaları yine WEKA'da çeşitli sınıflandırıcılar test edilerek yapıldı. Model performansı 10 kat çapraz-doğrulamayla ve tahmin yeteneği ise test seti üzerinde değerlendirildi. Tüm modeler, sınıflandırma doğruluğu, AUC, MCC, F skor gibi metrikler açısından karşılaştırıldı ve en iyi model seçildi. Rastgele orman sınıflandırıcısıyla geliştirilen QSAR model sonuçları hem komedojenite hem de deri tahriş tahmini için umut vericidir. Komedojenite tahmini için 3 tanımlayıcılı Alva modeli çapraz doğrulama için %86.96 doğruluk ve test seti için%79.31 doğrulukla başarılı sonuç vermişken, Deri tahriş modeli, sekiz tanımlayıcılı Mold2 model ise çapraz doğrulama için %85.75 doğruluk, test seti için %82.75 doğrulukla başarılı performans vermiştir. Sonuç olarak, bu çalışma kozmetiklerin güvenlik değerlendirmesi için hayvan dostu, ucuz ve hızlı performans gösteren iki farklı sınıflandırma modeli sağlamıştır. İleri çalışmalarla performanslarının artırılması ve kimyasal alanının genişletilmesi gerekmektedir.
Özet (Çeviri)
Comedogenicity and skin irritation are the common adverse reactions to cosmetic ingredients. While comedogenicity is the potential of a ingredient that induce formation of comedones which are the initial lesion for acne. Skin irritation is the formation of reversible damage to the skin after the application of a chemical for up to 4 hours. Before cosmetic testing on animals was prohibited in 2013, comedogenicity was tested on rabbits ears. However, there has been no full replacement of animal testing on cosmetics. For this reason, in this thesis study, we proposed to develop two different QSAR classification model to predict the comedogenic and skin irritaticy potential of cosmetic ingredients by using different machine learning algorithms and types of molecular descriptors. Our dataset was obtained from the literature, composed of 121 cosmetic ingredients mainly fatty acids, fatty alcohols and their derivatives and pigments, tested on rabbits for both comedogenicity and irritation. The total of 4837 molecular descriptors were calculated by the means of four different software. Descriptors for models were selected via WEKA by comparing correlation-based and learning-based (via decision tree algorithm) method. Modelling studies were performed with WEKA using various classifiers. The 10-fold cross-validaton (CV) was used to evaluate the performance of model, also predictivity of the model was evaluated on test set. All models were compared using classification accuracy, AUC, MCC and F-score, and then, the best model was chosen by this way. The result of QSAR modelling with random forest classifiers are promising for both comedogenicity and skin irritancy prediction. While for comedogenicity prediction, Alva model with 3 descriptor gave successful results with 86.96% accuracy for the 10-fold CV model and 79.31% accuracy for the test set. Skin irritation model, Mold2 with eight descriptors gave a successful performance with 85.75% accuracy for 10-fold CV model and 82.75% accuracy for the test set. In conclusion, this stuy provided an animal-friendly, rapidly perform and inexpensive two different classification model for the safety evaluation of cosmetics. Further studies are needed to develop their performance and to extend their chemical domain.
Benzer Tezler
- Evaluation of two computer aided storm water system design models
Başlık çevirisi yok
MEHMET ALİ ÖZMENEK
- Evaluation of surface photovoltage on silicon surfaces
Başlık çevirisi yok
EMİN ÜNAL
Yüksek Lisans
İngilizce
1988
Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik ÜniversitesiYRD. DOÇ. DR. MÜZEYYEN SARITAŞ
- Evaluation of interventions for the conservation of an archaeological site ostia antica
Başlık çevirisi yok
A.BELGİN TURAN
- Evaluation of pile bearing capacity and settlement by load tests
Kazık yükleme deneyleri ile taşıma gücü ve oturma tayini
BERAT TÜZİN BİRCAN