CBERTaXGB：基于Transformer-XGBoost混合模型的化学毒性与易燃性智能预测系统开发及其在NFPA 704标准中的应用

为解决传统化学毒性和易燃性实验方法（如OECD 423和ASTM E681）效率低下的问题，研究人员开发了CBERTaXGB混合模型，整合ChemBERTa分子特征提取与XGBoost分类架构，在NFPA 704标准下实现毒性和易燃性的高精度预测（PR-AUC达0.994-0.996），为化学品生命周期安全管理提供可解释的AI解决方案。

　　

在化学品安全管理领域，准确预测物质的毒性和易燃性一直是保障生产、储存和运输安全的核心挑战。传统的实验方法如OECD 423（啮齿类动物LD₅₀测试）和ASTM E681（闪点与自燃温度测定）虽然权威，但面对NFPA危险化学品清单中15万余种物质时，暴露出效率低下、成本高昂的弊端。尤其随着新型化合物的不断涌现，这种基于实验的评估模式更显得捉襟见肘。

针对这一难题，中国国家重点研发计划支持下的研究团队在《Process Safety and Environmental Protection》发表了突破性成果。研究人员创新性地将Transformer架构的分子特征提取能力（ChemBERTa）与XGBoost的优化决策树相结合，开发出CBERTaXGB混合模型。该模型在ZINC15数据库110万未标记SMILES序列预训练基础上，通过t-SNE降维和注意力权重可视化等技术，实现了对有机危险化学品的高精度分类。

关键技术方法包括：1）基于SMILES的分子表征与ChemBERTa特征提取；2）XGBoost多任务分类架构优化；3）t-SNE空间分布分析验证分子簇集规律；4）应用领域适应性评估确保模型泛化能力。研究数据集涵盖NFPA标准下的毒性（五级分类）和易燃性（四级分类）标注样本。

研究结果显示：

1. 数据分布：t-SNE可视化揭示毒性活性化合物在D1轴中央区域显著聚集，反映共同作用机制；而易燃性化合物分布更分散，暗示其多途径反应特性。

2. 模型性能：CBERTaXGB在双任务预测中表现卓越，毒性分类PR-AUC达0.994（AU-ROC 0.971），易燃性分类PR-AUC达0.996（AU-ROC 0.923），F1-score分别达到0.972和0.996。

3. 分子机制解释：注意力权重分析识别出芳香稳定模式、亲电官能团和酯键构型等关键特征，与已知化学机理高度吻合。

结论部分强调，该研究首次将冻结参数的ChemBERTa嵌入与XGBoost直接耦合，相比现有混合架构（如MolPROP和DMP框架）具有三大优势：1）专为NFPA 704监管端点优化；2）在数据稀缺时保持稳健性；3）通过可解释性分析满足合规要求。实际应用中，模型成功预测1319种环境关注化学品的危害特性，为优先管控提供科学依据。

这项研究不仅建立了化学品智能风险评估的新范式，其创新的"预训练-冻结-解释"技术路线，更为解决AI模型在监管场景中的可信度难题提供了范本。未来，该方法有望扩展至GHS分类等全球化学品管理体系，推动人工智能在环境健康与安全领域的深度应用。