基于可解释机器学习的离子液体毒性预测与结构调控机制研究

本研究针对离子液体(ILs)潜在毒性制约其绿色应用的关键问题，采用Bagging、AdaBoost等6种机器学习算法，构建了针对IPC-81细胞、AChE等4种生物体系的毒性预测模型。通过SHAP可解释性分析揭示了SMR_VSA5等分子描述符对毒性的正向调控作用，为环境友好型ILs的定向设计提供了理论依据。

　　

离子液体(ILs)作为21世纪最具潜力的绿色溶剂，以其近乎零挥发性和可设计的分子结构，在能源存储、碳捕集等领域展现出巨大应用前景。然而随着ILs年产量的指数级增长，其生态毒性问题日益凸显——英国某垃圾填埋场周边土壤中检出的1-辛基-3-甲基咪唑鎓盐，已被证实可能诱发原发性胆汁性胆管炎。更严峻的是，ILs的理论组合数量高达1万亿种，传统实验方法难以全面评估其生物毒性。现有研究多聚焦于白血病大鼠细胞IPC-81的毒性测试，缺乏跨物种的系统性研究，且机器学习模型普遍存在"黑箱"难题，无法解析毒性产生的分子机制。

为解决上述问题，广东某高职院校的研究团队在《Chinese Journal of Chemical Engineering》发表研究，创新性地整合6种集成学习算法与SHAP可解释性分析技术。研究首先从简化分子线性输入规范(SMILES)提取分子描述符，采用CatBoost等算法构建了覆盖IPC-81、AChE、大肠杆菌和发光细菌的四体系毒性预测模型。通过SHAP值量化各特征贡献度，首次发现SMR_VSA5（与分子极性相关的描述符）和Kappa2（分子拓扑指数）是提升毒性的关键因素，而VSA_EState7（电拓扑状态描述符）则呈现显著负相关。研究还证实吡啶环数量与毒性呈正相关，氢键受体数量则相反。

Machine Learning Models
研究对比了Bagging、AdaBoost等6种集成算法的预测性能，其中CatBoost凭借有序提升(Ordered Boosting)机制，在四类生物体系测试中均保持最低的MSE（均方误差<0.15）。特别值得注意的是，模型学习曲线显示，当IPC-81数据集样本量达到140时，预测精度进入稳定平台期。

Learning curve of models
通过分析训练集规模与MSE的关系，发现AChE体系需要200个数据点才能达到最优预测效果，而微生物体系(E.coli
和Vibrio fischeri
)仅需120个样本即可收敛，这为后续毒性数据库建设提供了量化依据。

Conclusions
该研究构建了目前覆盖最广的ILs毒性预测体系，首次通过可解释AI技术揭示了分子量、吡啶环数量等12个关键毒性调控因子。其中SMR_VSA5描述符每增加1个单位，对IPC-81细胞的毒性贡献值达0.38 SHAP units，这一发现为"减毒设计"提供了明确方向。相比传统QSAR方法，该模型的RMSE（均方根误差）降低42%，且能可视化呈现分子片段与毒性的定量关系。

这项研究的突破性在于将机器学习从预测工具升级为分子设计指南：一方面证实延长烷基链会通过增加疏水性提升毒性，这与Jeremias等通过RNA测序获得的结论相互印证；另一方面首次发现氧原子占比与毒性负相关，为合成低毒ILs提供了新思路——例如在阳离子中引入醚键可增加氢键受体数量从而降低毒性。这些发现将加速环境友好型ILs的工业化应用进程，对实现"双碳"目标具有重要意义。