利用多特征融合的机器学习模型预测多组分复杂混合物的毒性

《Aquatic Toxicology》:Predicting the toxicity of multicomponent complex mixtures using a multi-feature fusion-based machine learning model

【字体: 大 中 小 】 时间:2026年08月05日 来源:Aquatic Toxicology 4.6

编辑推荐:

  摘要在水生环境中,复杂的化学混合物随处可见,它们对水生生物和人类健康构成严重威胁。预测这类混合物的综合毒性是控制其生态风险的关键。然而,由于混合物中存在复杂的相互作用、拮抗作用或协同作用,两种常用的传统加性模型——浓度叠加模型和独立作用模型,在处理这一问题时仍面临巨大挑战。为解决

  

摘要

在水生环境中,复杂的化学混合物随处可见,它们对水生生物和人类健康构成严重威胁。预测这类混合物的综合毒性是控制其生态风险的关键。然而,由于混合物中存在复杂的相互作用、拮抗作用或协同作用,两种常用的传统加性模型——浓度叠加模型和独立作用模型,在处理这一问题时仍面临巨大挑战。为解决这一难题,本研究构建了一种新型的可解释机器学习模型,该模型将浓度叠加模型和独立作用模型的预测值与分子描述符相结合,以淡水生物球形绿藻为研究对象,用于预测复杂混合物污染物的综合毒性。通过使用10个随机种子进行重复建模来评估CIMM模型的稳定性,同时利用互信息、偏依赖图和SHAP值来分析其可解释性。此外,还基于核密度估计和k最近邻距离确定了该模型的适用范围,并在完全独立的外部验证集上评估了其泛化性能。研究结果表明,采用特定种子对应的最优随机森林或XGBoost算法时,CIMM模型在10次随机种子测试中的平均测试集R2值为0.9080±0.0127。与仅使用浓度叠加模型相比,CIMM模型的R2值提升了32.2%,均方根误差降低了46.4%;而与仅使用分子描述符的模型相比,R2值提升了约8.87%,均方根误差降低了25.38%。浓度叠加模型和独立作用模型的预测结果是驱动CIMM模型输出的关键因素,且它们与混合物的毒性之间存在稳定的正相关关系。适用范围评估显示,属于该模型适用范围的样本在外部验证中的R2值为0.768,远高于不属于该范围的样本的0.352,且前者具有更低的预测不确定性。本研究提供了一种高精度、可解释且具有适用范围限制的框架,可用于预测水生环境中复杂混合物污染物的综合毒性,无论这些混合物中是否存在毒性相互作用。

引言

随着工业化、农业集约化和城市化的不断推进,各种化学污染物通过多种途径进入水生环境,包括农业径流(Gon?alves等人,2026年)、城市废水排放(Liu等人,2022年)、工业废水(Wu等人,2026年)以及生活用化学品(Ramesh等人,2023年)。在自然水域中,污染物的组成、浓度和暴露时间都具有高度动态性(Luo等人,2026年)。因此,无法仅依据单一化合物的毒性数据来推断实际水体的生态风险,因为这些风险是由多组分共同作用及累积效应所引发的,属于系统性风险(Liu等人,2026年)。应对这种复杂性是当前水质管理和化学监管面临的核心挑战。
在混合物毒性评估方面,浓度叠加模型和独立作用模型这两种传统的加性模型依然是最重要的理论参考标准(Escher等人,2020年)。这两种模型都基于经典的联合毒理学理论(Wang等人,2021年),对于那些没有相互作用且毒理学特征明确的混合物,它们的预测效果相当不错。然而,当出现毒性相互作用、未识别的成分、转化产物或不同的浓度比例时,仅依靠浓度叠加模型和独立作用模型往往无法完全解释观测到的毒性值与预测值之间的差异(Qin等人,2021年)。因此,这两种模型更应被视为反映各组分活性和浓度比例的机制性基准,而非能够准确预测实际情况下混合毒性的模型。
定量结构-活性关系分析和机器学习方法为应对化学混合物评估中的组合复杂性提供了互补的解决方案。混合物定量结构-活性关系模型将各组分的结构特征和物理化学性质整合为混合物层面的描述符,从而能够捕捉混合物组成与毒性之间的非线性关系。以往的研究已应用分子描述符、类推信息和非线性算法于药物、农药和纳米颗粒混合物的研究中,证明了数据驱动模型在捕捉传统加性模型无法完全体现的毒性模式方面的潜力(Belfield等人,2023年;Chatterjee等人,2023年;Chatterjee和Roy,2022年;Lee等人,2023年)。
近年来,基于理论的建模方法开始将理论模型输出与机器学习技术相结合。Qin等人(2024a)将浓度叠加模型和独立作用模型的预测结果与分子描述符结合,提升了唑类杀菌剂混合物毒性的预测精度,同时还开发了用于二元抗生素-杀菌剂混合物的毒性定量预测和相互作用分类的机器学习模型(Qin等人,2024b)。这些研究为二元混合物的毒性评估提供了良好范例。不过,目前对于化学成分多样、层级更高的混合物,基于理论的机器学习方法的泛化能力仍需进一步评估。此外,仅依靠浓度加权平均描述符可能无法充分体现混合物组分之间的结构差异。因此,弥补这些不足对于可靠预测那些尚未经过测试的多组分混合物至关重要。
为此,本研究旨在开发一种机器学习模型,该模型将浓度叠加模型和独立作用模型的预测毒性值与分子描述符相结合,用于预测复杂混合物的综合毒性。研究将基于球形绿藻这一典型的水生初级生产者的毒性数据构建相应的数据库。随后,将通过分组交叉验证策略,并使用10个随机种子,系统比较多种基于树结构的、经过正则化的以及基于核方法的算法,以选出最优的模型。通过互信息、偏依赖图和SHAP值等手段来分析模型的可解释性。同时,还会利用核密度估计和k最近邻距离确定该模型的适用范围,并在完全独立的外部验证集上评估其泛化性能。总体而言,这项工作有望构建出一个既可解释又受适用范围限制的混合物毒性预测框架,为更精准的环境风险管理提供科学依据。

章节节选

试验生物、混合物设计及浓度-反应曲线

试验生物为球形绿藻,该物种是从中国科学院水生生物研究所的淡水藻类培养物库中获得的(FACHB)。实验中使用了BG11培养基进行培养,具体的激活和培养方法详见相关文献(Zhang等人,2024年)。
混合物的组成是通过直接等分射线设计方法(EquRay)(Dou等人,2011年)和均匀设计射线方法(UD-Ray)(Zhang等人,2014年)来设计的。对于EquRay方法,各组分的

用于毒性预测的机器学习模型

为评估模型的稳定性和泛化能力,所有候选算法都在10种不同的随机种子设置下进行了多次训练。对于每次随机种子下的训练,都会根据训练数据得出的分组交叉验证R2值来选择表现最佳的算法。图1展示了所选模型在不同输入特征组合下的性能,而表S5则总结了所有候选算法在每种随机种子条件下的预测性能

浓度叠加模型和独立作用模型的作用机制及局限性

浓度叠加模型和独立作用模型依然是用于评估无相互作用混合物毒性的理论基准模型。然而,单独使用这两种模型只能得到中等水平的预测精度(R2值分别为0.687和0.540),这一结果与先前的研究结论一致,即浓度叠加模型倾向于高估藻类的毒性,而独立作用模型对于作用机制不同的化学物质而言则可能更具准确性(Faust等人,2003年)。较低的预测精度表明,所研究的混合物中普遍存在协同作用/拮抗作用以及结构差异,这些因素

结论

为应对预测水生环境中复杂化学混合物综合毒性的挑战,本研究基于针对球形绿藻的毒性数据,提出了一种改进型的机器学习模型,该模型将浓度叠加模型和独立作用模型的预测结果与分子描述符相结合。这种多特征融合模型显著提升了预测性能,在测试集上的R2值达到了0.908±0.0127。与单独使用浓度叠加模型的情况相比,这种融合模型

作者贡献说明

赵元凡:撰写——初稿准备、实验研究;贾仁勇:资源提供;张静:概念构思;谢明江:软件支持;谢发志:监督指导;毛文静:方法设计;张金:监督指导、撰写——审稿与编辑。

作者声明

赵元凡:撰写——初稿准备、实验研究;贾仁勇:资源提供;张静:概念构思;谢明江:软件支持;谢发志:监督指导;毛文静:方法设计;张金:监督指导、撰写——审稿与编辑。

数据可用性

本研究的训练代码已存储在公共的GitHub仓库中,可通过以下链接获取:https://github.com/iluvcv16/CA。

利益冲突声明

作者声明,他们不存在任何可能影响本文研究结果的已知财务利益冲突或个人关系。

CRediT作者贡献说明

赵元凡:撰写——初稿撰写、实验研究。贾仁勇:资源提供。张静:概念构思。谢明江:软件支持。谢发志:监督指导。毛文静:方法设计。张金:撰写——审稿与编辑、监督指导。
赵元凡|贾仁勇|张静|谢明江|谢发志|毛文静|张金
中国安徽省建筑大学环境与能源工程学院,安徽省水污染控制与废水资源化重点实验室,合肥
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    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