基于机器学习算法的化学品肝毒性筛查模型

作者：王孟含; 朱明华; 肖子君; 陈景文^*; 吴超

来源：生态毒理学报, 2023, 18(03): 22-32.

• 化学品
• 肝毒性
• 机器学习
• 定量构效关系

外源性化学品暴露是肝脏疾病的重要病因，有必要筛查肝毒性化学品并进行管理。定量构效关系(QSAR)模型，通过关联化学品的分子结构和毒性效应，可用于肝毒性化学品的有效筛查。本研究旨在构建性能优异的肝毒性化学品的QSAR筛查模型。以往基于机器学习算法的化学品肝毒性筛查模型数据来源单一，覆盖的化学空间有限。本研究搜集整理了4 014种化学品肝毒性的定性数据，使用多种机器学习算法，建立了肝毒性化学品的筛查模型。以PubChem指纹作为模型输入，应用随机森林算法所建模型的效果最优。十折交叉验证的准确率(RA)、敏感性(RSE)、特异性(RSP)和受试者工作特征曲线下的面积(AROC)分别为0.714, 0.596, 0.799和0.764;外部验证的RA,RSE,RSP和AROC分别为0.733, 0.620, 0.812和0.804。基于分子相似性原理，表征了模型应用域。分子中是否具有氮原子以及氮原子的数量，是决定化学品是否具有肝毒性的重要因素。筛查了《中国现有化学物质名录》中的化学品，612种化学品被预测为具有肝毒性。

• 出版日期2023
• 单位大连理工大学