迁移学习与多任务学习的结合，用于预测全氟/多氟烷基物质激活与肝脂毒性相关的多种核受体的潜力

《Environmental Science & Technology》：Integration of Transfer Learning and Multitask Learning To Predict the Potential of Per/Polyfluoroalkyl Substances in Activating Multiple Nuclear Receptors Associated with Hepatic Lipotoxicity

PFAS通过激活核受体诱导肝脂毒性，本研究构建了基于三个数据集的机器学习模型，发现宽泛数据集模型识别能力弱，而严格数据集模型性能最佳但区分度不足。通过TL-MT-DNN迁移学习模型将知识迁移至严格数据集，平均AUC达0.886，F1值0.665，并成功预测391种PFAS同时激活五类核受体。经体外细胞实验和体内动物实验验证，该模型有效克服数据分布偏移问题，为PFAS风险评估提供新方法。

　　

多氟烷基物质（PFAS）可通过激活核受体（NRs）诱导肝脏脂毒性。在此研究中，我们首先利用三种常用的数据集，开发了机器学习模型来预测PFAS对与肝脏脂毒性相关的五种核受体的作用机制：一个通用化学数据集（A数据集，包含6388–10199种化合物）、一个基于OECD定义的广泛PFAS数据集（B数据集，包含369–772种化合物），以及一个严格定义的PFAS数据集（C数据集，包含184–198种化合物）。出乎意料的是，基于广泛化学数据集（A和B数据集）训练的模型在识别活性PFAS方面表现较弱，这可能是由于数据分布的变化所致。而基于C数据集训练的模型虽然识别能力较强，但区分度仍低于A数据集训练的模型。为此，我们采用了一种迁移学习多任务深度神经网络（TL-MT-DNN）技术，将A数据集中的知识迁移到C数据集中，显著提升了预测性能，平均AUC达到0.886，F1值达到0.665。将该模型应用于PFASSTRUCTv5数据库中的3716种PFAS时，预测有391种化合物能够激活全部五种核受体。模型的预测可靠性通过体外细胞实验和体内动物实验得到了验证。本研究提出了一种改进PFAS活性预测的建模策略，有效克服了基于广泛化学数据集训练的模型所存在的分布偏差问题，并展示了其在风险筛查中的实际应用潜力。