改进的氯-有机反应动力学建模方法,用于评估消毒过程中环境化学物质的命运
《Water Research》:Enhanced Modeling of Chlorine-Organic Reaction Kinetics to Assess the Fate of Environmental Chemicals in Disinfection Process
【字体:
大
中
小
】
时间:2026年01月13日
来源:Water Research 12.4
编辑推荐:
本研究通过高通量实验和文献整合构建了354种氯-有机物反应动力学最全面数据集,开发了基于改进分子指纹的机器学习模型(回归R2=0.82,分类平衡精度0.903),准确率较前提升35-50%。创新性反应活性指数(RI)解决了SHAP解释的频率偏差问题,密度泛函理论计算表明羧酸根(-COO?)使反应能垒降低11.6 kcal/mol,硫基团为关键活性基团。应用模型预测了10,589种环境污染物中68%农药和22%内分泌干扰物的氯降解半衰期差异,为水处理优化和持久性污染物监测提供新框架。
徐书月|李尚宇|刘瑞欣|吴一军|张静昌|峰田大辅|孙培哲
天津大学环境科学与工程学院,中国天津300072
摘要
新兴有机污染物在水生系统中的排放量不断增加,因此有必要对其与氯的反应性进行严格研究。氯是水处理中普遍使用的消毒剂。本研究建立了迄今为止最全面的氯-有机反应动力学数据集,结合了新型高通量微孔板检测方法和文献数据,涵盖了354种化合物。先进的机器学习模型——基于回归的极端梯度提升算法和基于分类的随机森林算法(均使用了改良的分子指纹)——实现了卓越的预测准确性(验证集R2 = 0.82,平衡准确率 = 0.903),比之前的定量结构-活性关系(QSAR)模型提高了35-50%。为了解决SHAP解释中的频率依赖性偏差,我们开发了一种新的反应性指数(RI),能够无偏地量化亚结构对氯化反应的贡献。RI能够捕捉到反应性较低的低频基团(例如硫),这些基团因频率偏差而被SHAP忽略。将这些模型应用于10,589种与环境相关的有机化合物后,发现了关键的反应性趋势:68%的农药反应性较慢(半衰期 > 6.8小时),而22%的内分泌干扰化学物质降解迅速(半衰期 < 4.1分钟)。机制分析确定了富电子的功能基团。值得注意的是,密度泛函理论计算表明,-COO?基团的反应能垒比-COOH基团低11.6 kcal/mol,这挑战了传统的电子吸引性分类。这些发现为预测氯化过程中的污染物命运提供了框架,对优化水处理过程和优先监测持久性污染物具有直接意义。将可解释的机器学习与动力学建模相结合,提高了对氯-有机相互作用在分子层面的理解,为下一代污染物缓解策略奠定了基础。
引言
氯是最广泛使用的消毒剂,尤其是在新冠疫情之后(Chu等人,2021年;Han等人,2023a年;组织,2020年)。氯之所以有效,是因为它既具有强消毒性能,又具有强大的氧化能力,能够与多种有机化合物发生反应。最近的研究表明,氯通过环裂解、重排、羟基化和取代作用降解有机物(Deborde和von Gunten,2008年)。
随着各个工业部门化学品生产的增加和广泛使用,人类和环境接触的化学品数量估计达到了35万至80万种(Escher等人,2020年;Howard和Muir,2011年;Wang等人,2020年;Williams等人,2017年)。这些化学品的广泛使用和排放对环境和人类健康有重大影响。全面了解氯与这些化学品的反应性,特别是其二阶反应速率常数,对于评估它们在环境中的命运至关重要。然而,关于氯-有机反应的实验数据仅限于不到300个案例(Zhao等人,2023年),不足以全面分析氯消毒过程中的化学动力学。
氯与有机化合物的大多数反应通常遵循二阶动力学(Deborde和von Gunten,2008年)。表观二阶反应速率常数(k_app)通常使用竞争动力学(Acero等人,2010年;Wang等人,2011年)或停流光谱法(Song等人,2014年)等方法确定,每种化合物都需要单独实验。这些方法劳动强度大,难以发现氯-有机反应动力学的总体规律。
定量结构-活性关系(QSAR)模型被广泛用于预测反应速率常数,通常是通过建立经验描述符(如Hammett和Taft常数)(Lee和von Gunten,2012年)与动力学参数之间的线性关系来实现的。这些模型对于结构相似的化合物(如酚类、苯衍生物和胺类)通常表现良好(Lee和von Gunten,2012年),但在不同化学结构之间的通用性较差(Lee和von Gunten,2012年)。此外,传统的QSAR模型可能无法捕捉分子特征与反应性之间的复杂非线性关系。
机器学习(ML)方法通过考虑非线性关系和多样的化学结构来应对这些挑战。最近的研究将QSAR与ML方法相结合,使用分子描述符(MD)或分子指纹(MF)来开发氧化剂(如·OH(Zhong等人,2021b)、O?(Zhong等人,2022)、HOCl(Zhao等人,2023;Zhong等人,2022)、ClO?(Zhong等人,2022)和SO?·?(Zhong等人,2022)的预测模型。然而,除了·OH之外,其他氧化剂的预测准确性有限,相关系数(R2)介于0.4到0.6之间(Minakata和von Gunten,2023年)。值得注意的是,Zhong等人使用188个样本来开发了一个基于MD的模型来预测氯与有机化合物的反应速率常数(Zhong等人,2022年);该模型在训练集上的表现良好(R_train = 0.94),但在测试集上的预测准确性仅为中等(R_test = 0.60)。同样,Zhao等人(Zhao等人,2023年)汇总了273个数据案例,并使用MF-ML技术在数据预处理和异常值处理后,将测试集的预测准确性提高到R_test = 0.75。由于数据有限,这些模型通常会出现过拟合现象。此外,尽管模型使用了pH = 7.0时的k_app值,但并未考虑化合物的pH依赖性状态,而许多化合物存在多种形式。这种物种依赖性的差异会显著降低预测准确性;例如,酚酸盐与氯的反应速度大约是中性酚的10^5倍(Deborde和von Gunten,2008年)。
为了提高模型的可解释性,越来越多地使用SHAP(Shapley Additive Explanations)来识别影响ML模型中反应性预测的关键亚结构(Yang等人,2024年;Zhong和Guan,2023年;Zhong等人,2021a年;Zhu等人,2023年)。然而,SHAP值对数据集中特征的频率敏感,常常赋予常见但化学信息量低的亚结构高重要性(例如-CH?)(Zhao等人,2023年),而低估了罕见但高反应性的基团。这种频率偏差限制了SHAP准确捕捉机制相关性的能力,尤其是在化学多样性较高的数据集中。
本研究旨在通过结合新的实验方法和先进的建模技术来解决现有模型的局限性和数据缺口。首先,我们开发了新的实验方法来测量多种有机化合物与氯的反应性。这些新数据使现有的数据集翻了一番,创建了pH 7.0时氯-有机反应最全面的数据集。利用这个庞大的数据集,我们将有机化合物的简化分子输入线表示(SMILES)转换为MF,并开发了分类和回归模型。使用相同的测试数据集对分类和回归任务进行了模型评估。此外,引入了一个反应性指数来克服基于SHAP的可解释性局限性。为了进一步验证模型见解并阐明官能团之间的机制差异,对代表性反应进行了密度泛函理论(DFT)计算。最终模型被应用于预测10,589种环境污染物(如药物和农药)在水环境中的氯反应性,从而提供了关于它们持久性的宝贵见解。本研究的工作流程如图1所示,展示了结合实验和计算方法以增强我们对环境中污染物化学命运的理解。
部分摘录
化学品和试剂
本研究选择的化学品代表了与水处理过程相关的有机化合物。选择过程分为两个主要类别:一类是从水处理实验室中经常使用的化学品中挑选的,包括常见的有机化合物和在水环境中发现的新兴微污染物;另一类是从美国环境保护署(USEPA)的高产量化学品(HPV)中挑选的。
动力学数据集
本研究为回归和分类模型构建了全面的数据集。回归模型数据集包含263个数据案例,其中169个来自文献,94个是本研究中实验测量的。实验数据是使用一种高通量方法获得的,该方法旨在确定氯与本研究中识别出的有机污染物的反应动力学(第2.2节)。这个多样化的数据集为
结论
本研究通过建立迄今为止最全面的数据集,包含了354种化合物的实验测量或文献推导出的反应速率常数,建立了一个综合的框架来预测氯-有机反应动力学。高通量微孔板检测方法有效地确定了氯的反应性,使可用的动力学条目数量翻了一番。使用优化的分子指纹和机器学习方法开发了回归和分类模型。
CRediT作者贡献声明
徐书月:概念构思、方法论、数据管理、研究、撰写 - 原始草稿、可视化、验证;李尚宇:方法论、数据管理、验证、研究;刘瑞欣:研究、数据管理、验证;吴一军:研究、数据管理、验证;张静昌:数据管理、验证;峰田大辅:提供DFT计算指导;孙培哲:概念构思、方法论、资金获取、撰写 - 审稿与编辑,
数据可用性
数据可应要求提供。
利益冲突声明
作者声明没有利益冲突。
与本文相关的补充数据可在线获取。
用于构建模型的数据集以及3,589种有机化合物的预测结果包含在Dataset.xlsx中。
支持信息补充了主要研究,提供了与氯-有机化合物预测建模相关的详细方法、推导和数据分析。
CRediT作者贡献声明
徐书月:撰写 – 原始草稿、方法论、研究、数据管理。李尚宇:撰写 – 原始草稿、方法论、数据管理。刘瑞欣:数据管理。吴一军:数据管理。张静昌:数据管理。峰田大辅:监督。孙培哲:撰写 – 审稿与编辑、监督、资源协调、研究、资金获取。
利益冲突声明
作者声明他们没有已知的财务利益或个人关系可能影响本文所述的工作。
致谢
本工作得到了国家自然科学基金(编号:22322608和22176141)的支持。作者还非常感谢中国 Scholarship Council(CSC)提供的财务支持。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号