基于3D分子特征的混合机器学习方法用于解析有机微污染物的膜排斥机制

《Water Research》：3D Molecular Feature-Based Hybrid Machine Learning for Elucidating Membrane Rejection of Organic Micropollutants

　　童宇|殷航|江晓文|李林山|谢全玲|何希文|陈朗星|张玉魁中国天津南开大学化学学院，生物传感与分子识别天津重点实验室，天津300071摘要通过反渗透和纳滤等膜分离工艺高效去除有机微污染物对于保护水环境及人类健康至关重要。然而，有机微污染物的分子大小、构型及物理化学性质存在极大差异，这降低了现有预测模型将分子结构与膜分离行为有效关联的能力。本文提出3D-SFDFNet这一双流框架，它结合三维分子特征与结构化的物理化学描述符，用于预测有机微污染物在反渗透和纳滤膜上的截留行为。与一维和二维分子表示相比，三维分子特征能更精确地体现原子的空间分布和分子几何结构，该模型在五折交叉验证下实现了0.911的R2值。根据现有的膜分离理论，反渗透和纳滤的截留机制分别可理解为溶液扩散机制以及尺寸筛分和唐南排斥效应的协同作用。通过SHAP分析进一步发现，模型结果与这些理论解释一致：分子大小、三维几何结构以及与灵活性相关的描述符对反渗透截留预测有重要贡献，而分子大小和与电荷相关的描述符则对纳滤截留预测影响更大。总体而言，这项工作提供了一种数据驱动的框架，可将三维分子信息与膜参数及操作条件相结合，以预测有机微污染物的截留行为，为初步筛选膜材料及构建更有效的有机微污染物去除方法提供了有益参考。引言水资源安全与可持续用水对于维持生态系统和推动可持续发展至关重要。然而，药物、个人护理产品及农药的广泛使用导致全球水环境中普遍存在有机微污染物（Alessandretti等人，2021；Shahid等人，2021）。这类污染物通常浓度较低，但具有较高的持久性和化学稳定性，可通过内分泌干扰和生物积累对生态系统及人类健康构成潜在威胁（Jepson和Law，2016；Zhao等人，2024）。传统的废水处理方法，如活性污泥法、化学沉淀法和砂滤法，往往无法彻底去除有机微污染物，使得它们持续渗入各类水体中（Yadav等人，2022；Zhao等人，2024）。在各类高级水处理技术中，膜分离工艺因其高效性、可控性以及无有害副产物等优点而被广泛认可（Khan等人，2023；Mustafa等人，2022）。尤其是纳滤和反渗透膜，在去除有机微污染物方面表现突出（Liu等人，2022；Yang等人，2024）。纳滤膜主要依靠尺寸筛分和唐南排斥作用来去除较大或带电的有机分子（Cheng和Wang，2024；Zheng等人，2024），而反渗透膜则通过溶液扩散机制发挥作用，由于其有效孔径较小，能够去除低分子量的有机微污染物（Yang等人，2024；Zhou等人，2025）。尽管已有大量研究探讨纳滤和反渗透膜对有机微污染物的截留行为，但对于其背后的分离机制仍缺乏系统而全面的理解。有机微污染物的截留行为受多种因素影响，包括膜参数、分子结构及操作条件，且表现出明显的非线性和系统依赖性。传统的物理化学模型，如唐南-立体孔模型及其扩展形式，为理解膜分离现象提供了宝贵的理论基础（Shah等人，2012；Wang和Lin，2021）。然而，这些模型由于采用了理想化的膜参数和简化假设，导致在复杂分离系统中的预测精度不足（Wang等人，2024）。此外，仅依靠实验方法评估不同的膜-溶质组合不仅成本高昂、耗时较长，也不利于快速筛选新型膜材料（Dangayach等人，2025）。因此，亟需一种数据驱动的方法，能够将复杂的分子特征与膜性能准确结合，从而更好地理解和预测有机微污染物的分离行为。近年来，机器学习因其处理复杂数据集和模拟非线性现象的优势，逐渐成为膜分离领域的一种有效工具（Butler等人，2018）。机器学习已被成功应用于预测分离性能（Ignacz和Szekely，2022；T. Zhu等人，2023）、阐明背后的分离机制（Baig等人，2023；Lee等人，2024；Ritt等人，2022），以及辅助设计新型膜材料（Lu等人，2025；Xu等人，2023）。目前大多数研究都是从分子文本表示（如SMILES字符串）中提取序列信息，或使用分子量、辛醇-水分配系数（Log?P）和分子电荷等标量描述符，然后将这些描述符融入线性回归、支持向量机、随机森林或人工神经网络等预测模型中，以预测有机微污染物的截留行为（Gao等人，2023；Xu等人，2024；T. Zhu等人，2023）。然而，基于此类简化分子特征的建模策略在描述有机微污染物分离行为时存在明显局限。首先，现有研究大多依赖序列信息或标量描述符来近似表示分子结构，而这些特征无法全面准确地反映有机微污染物的实际三维构型差异及其与膜孔的空间匹配程度，从而导致在复杂非线性系统中的预测精度不足（Zheng和Isayev，2025）。在膜分离过程中，分子的三维构型对分子传输、尺寸筛分以及静电相互作用起着关键作用（Casta?o Osorio等人，2022；Zhao等人，2025）。另一方面，目前大多数研究采用单流机器学习模型，虽然这类模型在特定结构化数据集上能够取得较好性能，但往往难以有效捕捉膜参数、操作条件与高维三维分子特征之间的复杂非线性耦合关系，进而限制了模型的泛化能力和稳定性。借助成熟的分子建模和计算化学工具，现在可以系统地获取有机微污染物的三维表示，用于对其分子特征进行表征（Jiang等人，2025a，2025b）。将有机微污染物的三维结构特征纳入模型，能够显著提升模型捕捉膜与溶质之间构型相关相互作用的能力。这些信息有助于提高模型在不同类型膜、复杂操作条件以及从未见过的分子情况下的预测准确性（Zheng和Isayev，2025）。此外，三维分子特征还可以与三维卷积神经网络等先进架构相结合（Renaud等人，2021），为初步筛选膜材料及分析分离过程提供有力的方法学支持。在本研究中，我们开发了一种三维结构特征双流融合网络（3D-SFDFNet），该网络将有机微污染物的三维分子特征与结构化的物理化学描述符相结合。该模型通过独立的通道分别表示三维分子特征和结构化描述符，然后在深度网络中将这些特征融合起来，以学习膜-有机微污染物系统中的复杂非线性耦合关系。此外，通过结合SHAP值和特征贡献分析，该模型还能识别出与纳滤和反渗透膜截留预测相关的关键描述符。从数据驱动的角度来看，这项工作为与纳滤/反渗透膜-有机微污染物分离行为相关的因素提供了模型层面的解释，有助于构建关于膜截留机制的假设。部分内容构建三维分子特征和结构化特征数据集基于公共数据库及全面的文献调研，我们整理了与膜-有机微污染物相关的表格数据，作为基础的结构化数据集。为获取更高维度的分子信息，该数据集通过两种方式进行了扩展。首先，为数据集中的224种有机微污染物构建了三维分子结构，从而形成了三维分子数据集。其次，基于这些三维分子结构进行了特征工程，以整理分子的构型信息及方法论本研究提出了一种三维结构特征双流融合网络（3D-SFDFNet），通过整合三维分子特征与结构化的物理化学描述符，用于预测有机微污染物在膜上的截留行为（图1）。该框架包含三个核心模块：1）有机微污染物三维分子表示模块：将有机微污染物的三维分子结构映射到规则的体素网格中，以此表示原子的空间分布和分子几何形状。每个有机微污染物都以其中心点作为坐标原点。结构化特征的共线性分析为减轻多重共线性对模型训练的负面影响，我们对改进后的结构化数据集中的41个特征进行了皮尔逊相关性分析（图2）。分析结果显示，分子半径与分子量、体积以及可旋转键的数量之间存在较强的正相关关系。此外，MaxCharge和偶极矩也在一定程度上反映了相似的分子特性。至于与膜相关的参数，膜孔半径和分子……结论在本研究中，我们将有机微污染物的三维分子结构引入膜分离性能预测中，并通过整合三维分子特征与结构化描述符，开发出了一个双流混合框架（3D-SFDFNet）。该模型使用了包含224种有机微污染物及2,152组膜-有机微污染物样本的三维分子数据集，其在膜截留预测方面表现出优异的性能，交叉验证R2值为0.911，优于仅基于结构化特征构建的模型。代码可用性本研究所使用的3D-SFDFNet模型代码可在GitHub上获取（https://github.com/comyo/3D_SFDFNet）。CRediT作者贡献说明童宇：概念构思、正式分析、研究调查、验证、初稿撰写、审稿与编辑。殷航：概念构思、资源协调、正式分析、初稿撰写。江晓文：研究调查、审稿与编辑。李林山：正式分析、研究调查。谢全玲：正式分析、资金筹集、资源协调。何希文：监督指导、验证工作。陈朗星：概念构思、资金筹集、项目管理。利益冲突声明作者声明不存在任何可能影响本文研究结果的已知财务利益或个人关系。CRediT作者贡献说明童宇：审稿与编辑、初稿撰写、验证、研究调查、正式分析、概念构思。殷航：初稿撰写、资源协调、正式分析、概念构思。江晓文：审稿与编辑、研究调查。李林山：研究调查、正式分析。谢全玲：资源协调、资金筹集、正式分析。何希文：验证工作、监督指导。陈朗星：审稿与编辑、初稿撰写、验证、项目管理。利益冲突声明作者声明不存在任何可能影响本文研究结果的已知财务利益或个人关系。致谢本研究得到了中国国家自然科学基金（项目编号22474061）的支持。