首页|期刊导航|大连理工大学学报|基于迁移学习的化学品生殖毒性筛查模型构建

基于迁移学习的化学品生殖毒性筛查模型构建OA

中文摘要

筛查具有生殖毒性的化学品是源头治理新污染物及保障人群健康的关键.活体动物实验存在成本高、数据匮乏等瓶颈,亟待发展高效的预测模型.基于6个离体生殖毒性测试数据集,采用随机森林、极限梯度提升、支持向量机3种机器学习算法与分子MACCS、ECFP、PubChem指纹和Mordred描述符,创建了72个定量构效关系(QSAR)源模型.将源模型预测值与MACCS指纹结合形成融合特征,经过迁移学习创建了活体生殖毒性筛查模型.结果显示,迁移学习模型预测性能显著优于基准模型,受试者工作特性曲线下面积从0.392提升至0.888,F1分数从0.436提升至0.824,平衡准确率从0.450提升至0.838,表明融合体外毒性知识可显著提升模型性能.通过SHAP特征分析发现,卤素、苯环和五元杂环等是潜在的毒性警示子结构.基于离体数据的结构活性形貌分析表征了模型的应用域,确保了筛查的准确性.研究结果为快速筛查生殖毒物、评价其健康风险提供了有效工具.

宁沛霖;杨康;宋国宝;傅志强

大连理工大学环境学院,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,辽宁大连116024大连理工大学环境学院,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,辽宁大连116024大连理工大学环境学院,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,辽宁大连116024大连理工大学环境学院,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,辽宁大连116024

资源环境

生殖毒性机器学习迁移学习定量构效关系(QSAR)

《大连理工大学学报》 2026 (5)

P.480-485,6

国家重点研发计划资助项目(2022YFC3902100,2023YFC39005200)国家自然科学基金资助项目(22276020).

10.7511/dllgxb202605006

评论