基于机器学习算法的化学品快速生物降解性筛查模型

作     者：徐嘉茜 王浩博 肖子君 刘文佳 何家乐 陈景文 Xu Jiaxi;Wang Haobo;Xiao Zijun;Liu Wenjia;He Jiale;Chen Jingwen

作者机构：工业生态与环境工程教育部重点实验室大连市化学品风险防控及污染防治技术重点实验室大连理工大学环境学院大连116024 

出 版 物：《生态毒理学报》 (Asian Journal of Ecotoxicology)

年 卷 期：2024年第19卷第4期

页      面：43-52页

学科分类：07[理学] 09[农学] 0903[农学-农业资源与环境] 0713[理学-生态学] 

基　　金：国家重点研发计划项目(2022YFC3902100) 国家自然科学基金资助项目(22136001) 

主　　题：化学品 快速生物降解 机器学习 应用域 

摘      要：判别化学品能否被快速生物降解,有助于化学品的环境风险评估。以往化学品快速生物降解性(RB)的筛查模型,训练集所覆盖的化学空间小,模型预测准确性低,缺乏有效的应用域表征。本研究搜集5606种化学品的RB数据,构建了机器学习筛查模型。结果表明,基于极端梯度提升树和Mordred分子描述符构建的模型性能最优,在外部验证集上的预测准确率为0.86,受试者工作特征曲线下面积为0.92。通过加权分子相似性密度和加权崎岖性2个指标,有效表征了模型应用域。通过模型的机理分析,发现羧基或羟基可显著提高化学物质的RB。对《中国现有化学物质名录》筛查结果表明,超过60%的化学物质难以快速生物降解,其中苯及其衍生物占比最高。所构建的RB筛查模型及其应用域,可为化学品的环境管理提供技术支持。