| 基于机器学习算法的化学品肝毒性筛查模型 |
| |
| 引用本文： | 王孟含,朱明华,肖子君,陈景文,吴超.基于机器学习算法的化学品肝毒性筛查模型[J].生态毒理学报,2023(3):22-32. |
| |
| 作者姓名： | 王孟含 朱明华 肖子君 陈景文 吴超 |
| |
| 作者单位： | 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 |
| |
| 基金项目： | 国家自然科学基金资助项目(22136001,22206022)；;国家重点研发计划项目(2022YFC3902100)； |
| |
| 摘 要： | 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...
|
| 关 键 词： | 化学品 肝毒性 机器学习 定量构效关系 |
|
|
