基于定量结构-活性关系（QSAR）的脂族气体化合物的PAC预测建模

《Toxicology and Environmental Health Sciences》：Predictive modeling of PAC for aliphatic gaseous compounds based on QSAR

本研究基于QSAR方法构建了GBDT、XGBoost、ERT和VR四种机器学习模型，预测烷基气体化合物的防护行动标准（PAC）。通过SHAP分析解释VR模型的可解释性，利用Williams图验证模型在应用领域的有效性。实验表明VR模型表现最优，R2达0.905，RMSE为0.333，验证了机器学习在PAC预测中的可靠性，为数据库补充和技术提升提供支持。

　　

摘要

目标

意外事故后有毒气体的释放对人类健康有重大影响，因此在短期内预测这些气体的浓度至关重要。在本研究中，我们利用定量结构-活性关系（QSAR）方法来预测脂肪族气体化合物的保护行动标准（PAC）。

方法

收集了由美国能源部（DOE）发布的120种脂肪族气体化合物的数据集，并将其组织成样本集，同时绘制了各自的分子结构图。分别构建了梯度提升决策树（GBDT）模型、极端梯度提升（XGBoost）模型、极端随机树（ERT）模型和投票回归器（VR）模型来预测PAC。通过整合包括R2、MAE、RMSE、Qloo2、Qext2等性能参数来评估这些模型的表现。此外，还使用了Shapley加性解释（SHAP）方法来提高VR模型的可解释性，并利用Williams图来描述模型的应用范围。

结果

VR模型表现出优异的性能。具体而言，VR模型在训练集和测试集上的R2值分别为0.902和0.905，相应的RMSE值分别为0.419和0.333；MAE值分别为0.204和0.272；训练集的Qloo2值为0.902，测试集的Qext2值为0.940。ShAP分析量化了各个分子描述符对VR预测的贡献。Williams图显示，GBDT模型、XGBoost模型、ERT模型和VR模型的超过95%的数据点都落在该应用范围之内，从而验证了它们在该应用场景下的预测能力。

结论

本研究利用QSAR方法建立了GBDT、XGBoost、ERT和VR模型来预测PAC。这不仅为补充PAC毒性指数数据库奠定了基础，还为改进PAC毒性指数系统提供了坚实的理论和技术支持。