《Journal of Hazardous Materials Advances》：Interpretable Quantitative Structure–Activity Relationship Modeling of Binary Pesticide Mixture Toxicity toward Honey Bees by Integrating Topological, Quantum-Reactivity, and Substructure-Based Descriptors
编辑推荐：
摘要：蜜蜂（Apis mellifera）是农业和自然生态系统中最重要的传粉媒介之一。尽管混合物毒性日益被认为是传粉媒介风险评估的关键组成部分，但由于注册活性成分众多且暴露场景复杂，对所有可能的农药组合进行实验评估仍不切实际。因此，计算毒理学方法作为高效替代方
摘要：蜜蜂（Apis mellifera）是农业和自然生态系统中最重要的传粉媒介之一。尽管混合物毒性日益被认为是传粉媒介风险评估的关键组成部分，但由于注册活性成分众多且暴露场景复杂，对所有可能的农药组合进行实验评估仍不切实际。因此，计算毒理学方法作为高效替代方案受到广泛关注。本研究的科学目标并非为该终点引入另一个定量构效关系（QSAR）模型，而是评估一种简约且数学透明的线性混合物表征能否整合常规分子描述符、量子反应性描述符（QRDs）和显式子结构信息，同时保持直接的描述符级别可解释性。研究人员采用遗传算法（GA）变量选择和多元线性回归（MLR）来识别最具信息量的描述符组合，同时保持模型透明性。通过整合三个描述符领域——alvaDesc分子描述符、量子反应性描述符和SMARTS定义的结构基序——构建了一个跨域分子表征。最终模型仅包含六个描述符，表现出稳健的性能：留一法交叉验证（LOO）给出Q2 = 0.830，而预定义保留验证集上的外部预测性能达到R2_ext = 0.900，一致性相关系数（CCC_ext）= 0.943。此外，还进行了组分感知的外部验证：25折留一组分交叉验证（LOCO）产生合并Q2 = 0.819，而更严格的65折留双组分交叉验证（LBCO）给出Q2 = 0.451。保留的每个描述符都具有直接的结构或电子可读性，使研究人员能够将预测与特定的理化性质关联起来。通过整合常规分子、量子反应性和显式子结构描述符于统一线性框架内，本研究旨在改善描述符级别的可解释性，同时维持农药混合物毒性的简约预测模型，并为传粉媒介风险评估提供实用的计算工具。
基于多域描述符融合的二元农药混合物对蜜蜂急性接触毒性的可解释定量构效关系建模研究解读
研究背景与科学问题
蜜蜂（Apis mellifera）作为农业和自然生态系统中最关键的传粉媒介，其种群健康对作物生产、生物多样性保护和全球粮食安全具有不可替代的作用。近年来，传粉媒介数量下降已成为重大环境关切，而农药暴露被认为是导致蜜蜂致死和亚致死效应的最重要胁迫因素之一。值得注意的是，田间监测研究表明，蜜蜂极少暴露于单一农药，而是频繁遭遇杀虫剂、杀菌剂、除草剂和兽药组成的复杂混合物。这种共暴露可能产生加合、拮抗或协同相互作用，使其毒性超出基于单个化合物的预测。然而，由于注册活性成分数量庞大且潜在暴露场景极为复杂，对所有可能的农药组合进行实验评估在实践中是不可行的。因此，计算毒理学方法，特别是定量构效关系（QSAR）建模，已成为高效的替代途径。已有研究成功应用QSAR方法预测二元农药混合物对蜜蜂的急性接触毒性，但现有模型或依赖黑箱机器学习算法，或在描述符可解释性方面存在局限。本研究的核心科学目标是评估一种简约且数学透明的线性混合物表征能否整合常规分子描述符、量子反应性描述符（QRDs）和显式子结构信息，同时保持直接的描述符级别可解释性，从而为传粉媒介风险评估提供兼具预测能力和机制透明度的计算工具。
关键技术方法
研究人员从Carnesecchi等人报道并经Chatterjee等人后续使用的经整理数据集中获取了65种独特二元农药混合物对蜜蜂（Apis mellifera）的急性接触毒性数据，毒性终点定义为pLD??（即半数致死剂量以μg活性物质/蜜蜂为单位的负常用对数）。描述符计算方面，使用商业软件alvaDesc生成2275个常规分子描述符，利用密度泛函理论（DFT）在M06-2X/6-31+G(d,p)/SMD理论水平下计算17个量子反应性描述符，并通过开源化学信息学软件RDKit生成9个SMARTS定义的结构基序作为候选结构描述符。采用组成加权策略将单化合物级描述符转化为二元混合物级描述符（等权重w_A = w_B = 0.5）。模型开发使用遗传算法（GA）进行变量选择，结合多元线性回归（MLR）构建模型，并在QSARINS软件中完成。模型验证体系包括内部拟合优度评估、留一法交叉验证（LOO）、留多法交叉验证（LMO）、Y随机化检验、预定义保留验证集外部预测，以及独立的Python实现的组分感知交叉验证（25折留一组分LOCO和65折留双组分LBCO）。
研究结果
3.1 描述符空间扩展后的预测性能
基于2275个alvaDesc描述符构建的常规QSAR模型虽显示出较高的校正统计量（R2 = 0.9251，Q2LOO = 0.8911），但其保留集预测性能有限（R2ext = 0.5926，CCC_ext = 0.7336），表明高内部拟合并不保证可靠的混合物观测值外推预测。经描述符空间扩展后，从33个候选变量（7个预选alvaDesc描述符、17个QRDs和9个SMARTS基序）中进行第二轮GA选择，最终获得仅含六个描述符的最优模型。该跨域模型在校正集上表现稳健（R2 = 0.8784，Q2LOO = 0.8304），且在预定义保留验证集上展现出优异的外部预测性能（R2ext = 0.8995，CCC_ext = 0.9430）。六个保留描述符分别为：SRW05（自相关加权描述符，正贡献）、GATS6m（Geary自相关滞后6加权质量，正贡献）、SpMax2_Bhs（由Barysz矩阵加权的最小特征值，正贡献）、μ?（电给体能力，负贡献）、Dipole Moment(Tot)（总偶极矩，正贡献）和Halogenated_aromatic（卤代芳香族结构基序，负贡献）。Y随机化检验确认模型不存在偶然相关性（R2Yscr = 0.1338，Q2Yscr = -0.2116）。
描述符选择稳定性与组分感知验证
通过五次独立重采样分析评估GA描述符选择对数据划分的敏感性，结果显示所选描述符集合具有一定波动性，但整体预测性能保持稳定。更为严格的组分感知验证结果表明：25折LOCO验证（每次留出一个化学组分，所有含该组分的混合物构成测试折）得到合并Q2 = 0.819；65折LBCO验证（预测混合物时，训练集中移除该混合物及其两个组分参与的所有其他混合物）给出Q2 = 0.451。LBCO代表了最严苛的泛化场景，在此条件下两个组分均完全未见于训练集。
适用域评估
通过杠杆值方法评估模型适用域（AD），警告杠杆h* = 3(p+1)/n。Williams图显示绝大多数混合物观测值位于适用域内，少数高杠杆点被识别但不影响模型整体可靠性。需强调的是，基于杠杆值的适用域评估仅考察混合物观测值是否落在模型定义的描述符空间内，不能作为组分级别化学独立性的证据。
讨论与结论
描述符重要性分析揭示，六个保留描述符涵盖了拓扑信息（SRW05、GATS6m、SpMax2_Bhs）、电子特性（μ?、总偶极矩）和显式结构特征（卤代芳香族基序），每个描述符均具有直接的结构或电子可读性。其中，电给体能力（μ?）的负系数表明混合物中电子给体能力较强的组分倾向于降低毒性（即增加LD??），这与农药分子可能通过给电子机制与生物靶标相互作用的观点一致。卤代芳香族基序的负贡献则提示含此类结构的混合物通常毒性较低。描述符域敏感性分析表明，单独使用QRDs构建的模型预测能力有限（R2ext = 0.35），而整合QRDs与SMARTS后显著提升（R2ext = 0.82），进一步加入常规描述符后达到最优（R2_ext = 0.90），证实了多域描述符信息的互补价值。
研究结论：本研究成功构建并验证了一种可解释的六描述符线性QSAR模型，用于预测二元农药混合物对蜜蜂的急性接触毒性。通过整合常规分子描述符、量子反应性描述符和SMARTS定义的结构基序，该模型在保持数学透明性和描述符级别可解释性的同时，实现了良好的预测性能。每个保留描述符均可追溯到明确的分子结构或电子属性，使研究人员能够将预测与特定的理化性质相关联。该模型为传粉媒介风险评估提供了实用的计算工具，并展示了跨域分子表征在混合物毒理学中的潜力。
