用于超临界CO?溶解度可解释建模的符号化与领域泛化机器学习

《Scientific Reports》：Symbolic and domain-generalized machine learning for interpretable solubility modeling in supercritical CO?

　　

摘要

由于化合物特异性关联关系的通用性有限，加之大多数机器学习模型具有“黑箱”特性，因此准确预测药物在超临界CO?中的溶解度仍然是一项挑战。本研究提出了一种基于领域认知的符号回归框架，该框架能够为ln(y)找到封闭形式的解析表达式，从而实现对于化学结构多样的药物溶解度的可解释且可迁移的建模。研究采用了留一药物法进行验证，利用包含9种降压药共196个实验数据点的数据库，严格评估该框架在未知药物领域的外推性能。测试结果显示，所提框架中的领域对抗神经网络组件在跨领域泛化方面表现优异，其均方根误差为0.33±0.08，平均绝对误差为0.24±0.06，决定系数为0.89±0.05，优于随机森林、XGBoost和多层感知器等传统机器学习模型。此外，符号回归组件还找到了能够准确描述整个实验数据集的紧凑封闭形式解析表达式（样本内拟合决定系数为0.962，均方根误差为0.031，平均绝对误差为0.024），同时这些表达式还具有物理可解释性和易于分析的特点。这一综合框架表明，通过结合领域认知学习与符号发现方法，可以同时解决超临界药物溶解度建模中面临的领域变化导致的预测稳定性问题以及模型可解释性难题。