预测冷大气等离子体诱导的生物聚合物润湿性转变：一种堆叠集成机器学习框架

《Plasma Processes and Polymers》：Predicting Cold Atmospheric Plasma-Induced Wettability Transformations in Biopolymers: A Stacked Ensemble Machine Learning Framework

　　

冷大气等离子体(CAP)是一种高效改性生物聚合物表面润湿性的技术；然而，等离子体-表面相互作用的复杂非线性特性使得结果难以预测，常常需要耗费大量的试错优化。本研究提出了一种稳健且可解释的机器学习(ML)框架，用以准确预测CAP诱导的润湿性转变并解析其潜在机制。利用从现有文献中汇编的534项实验观察结果的综合数据集，在基于带高斯噪声的回归合成少数过采样技术(SMOGN)的分布平衡之后，开发了一种精细的堆叠集成架构，该架构集成了自适应增强(AdaBoost)基学习器与随机森林(RF)元学习器。为解决未处理材料固有的基线噪声，建模策略比较了绝对最终水接触角(WCA)的预测与导出的相对指标(保留率和降低率)。结果表明了一个关键的方法论转变：虽然预测绝对WCA产生了中等的预测精度(??2=0.7275)，但预测相对润湿性降低率有效地将等离子体的真实改性能力与初始材料变异性分离开来，实现了卓越的独立测试??2为0.9079，且预测误差最小化。此外，基于SHapley加法解释(SHAP)的特征重要性分析揭示，润湿性降低的幅度主要受处理聚合物类型、施加电压和处理时间控制，从而有效地重新诠释了已有的文献惯例。最终，这一可解释的预测框架提供了一个可靠的计算机模拟指南，使研究人员能够绕过经验迭代，并加速用于先进生物医学应用的等离子体活化生物材料的合理设计。

论文解读：基于堆叠集成机器学习框架预测冷大气等离子体诱导的生物聚合物润湿性转变

**一、研究背景与问题提出**

聚合物材料在组织工程、伤口愈合、药物递送及保护涂层等关键生物医学应用中扮演着至关重要的角色。这些聚合物生物材料的临床成功从根本上取决于其表面特性、生物相容性和降解动力学。在生理环境中，表面润湿性，通过水接触角(WCA)进行量化，是决定流体-材料相互作用的主要因素。表现出亲水行为(WCA < 90°)的表面通常有助于实现受控的蛋白质吸附，进而促进稳健的细胞粘附、铺展和干细胞分化，这对于组织再生至关重要。相反，高疏水表面常常引发不良生物反应，包括不受控制的蛋白质吸附，可能导致快速构象变性并降低整体生物相容性。与亲水材料相比，疏水聚合物表现出显著更高的蛋白质吸附倾向，这是由九种主要疏水性氨基酸的强表面亲和力驱动的。然而，这种激进的吸附经常诱导构象变性，因为蛋白质经历结构重排以与表面形成新的疏水键，从而暴露先前埋藏的非极性结构域。

虽然诸如本体添加剂掺入、静电纺丝和化学接枝等传统技术已被用于调控聚合物亲水性，但冷大气等离子体(CAP)已迅速成为一种优越的、环境友好的表面工程策略。作为一种部分电离气体，CAP在化学和纹理上修饰聚合物表层，而不损害其本体机械完整性，尤其适用于纤维、水凝胶和薄膜等软材料。CAP环境富含高活性物质，包括自由基、离子、高能电子和紫外(UV)光子。在与聚合物表面相互作用时，这些高能物质破坏稳定的碳-碳和碳-氢键，促进极性官能团如羟基(-OH)、羧基(-COOH)和胺基(-NH?)的掺入。这种协同的化学功能化和微纹理化显著增加了表面能和润湿性，同时等离子体对污染微生物发挥有效的杀菌作用。此外，这种亲水性表面修饰显著增强了细胞附着和增殖。

尽管具有巨大潜力，但对CAP诱导的表面改性的精确控制仍是一个重大的科学挑战。等离子体处理聚合物的最终润湿性由基础聚合物的固有物理化学性质与动态等离子体操作参数(包括放电间隙、供给气体组成、流速和施加电压)之间高度复杂的非线性相互作用决定。因此，实验结果可能无法预测，有时会产生不均匀的亲水或矛盾的疏水效应，传统经验方法难以预测。

**二、研究目标与主要方法**

为克服传统优化的局限性并解码等离子体-表面相互作用的多物理场复杂性，机器学习(ML)范式提供了一种稳健的分析框架。本研究旨在开发一种综合的数据驱动方法，以研究和预测CAP处理的生物聚合物的润湿性。该工作的一个主要方法论创新是引入了导出的相对指标，即保留率和降低率。与仅关注预测绝对最终WCA的传统研究不同，利用这些相对指标能有效地将等离子体诱导的真实结构转变与初始材料变异性的固有噪声分离开来。

研究人员开展研究时，采用了几个关键技术方法。首先，通过系统的文献检索，从Web of Science、Scopus和PubMed等数据库收集了53篇同行评审文章中的534项实验观察结果，构成综合数据集。其次，应用带高斯噪声的回归合成少数过采样技术(SMOGN)进行分布平衡，以解决目标变量分布不均的问题。然后，采用基于树结构的管道优化工具(tpot, v1.0.0)进行自动机器学习(AutoML)，识别出最优的堆叠集成架构，该架构集成了自适应增强(AdaBoost)基学习器与随机森林(RF)元学习器。最后，使用SHapley加法解释(SHAP)进行特征重要性分析，以解码模型决策过程的潜在机制。

**三、研究结果**

**（一）探索性特征相关性分析**
在回归建模之前，研究人员生成了探索性相关性热图，以系统评估九个预测变量与各润湿性结果之间的线性关联。相关性矩阵的结构模式明确表明，没有任何单一预测因子(包括处理时间或施加电压等连续操作参数)与三个目标结果中的任何一个表现出强的直接线性相关性，这证明了部署先进的、多变量ML架构进行准确预测的必要性。

**（二）数据预处理与分布结果**
初始编译的数据集包含534项独立的实验观察。使用D'Agostino-Pearson正态性检验确认原始目标变量显著偏离高斯分布。为处理非正态分布并减轻算法对密集结果范围的潜在偏向，结合各种归一化技术应用了SMOGN算法。在评估的缩放方法中，SMOGN与最小-最大归一化的组合为绝对WCA产生了统计上最对称的分布，D'Agostino-Pearson统计量从13.724提高到1.056。对于保留率结果，SMOGN过程将数据集扩展到547个实例。经过SMOGN和最小-最大缩放处理后，降低率指标的分布也得到了调整。

**（三）训练集交叉验证性能**
为稳健评估优化的堆叠集成架构的内部预测稳定性和学习能力，在80%的训练数据集上执行了10折交叉验证(CV)协议。对于绝对WCA预测模型，CV分析产生的平均R2为0.7014，平均RMSE为0.0986。保留率模型记录了平均交叉验证R2为0.7281，平均RMSE为0.5443。在三个评估目标中，降低率模型取得了最高的内部CV性能，10折CV产生的平均R2为0.7915，平均RMSE为0.0649，证实了这一导出指标的结构可学习性增强。

**（四）独立测试集评估**
利用保留的20%独立测试子集量化了优化堆叠集成模型的最终预测能力和泛化稳健性。对于绝对WCA结果，模型在独立测试集上取得了R2为0.7275、RMSE为0.0910。保留率模型表现出显著的泛化改进，产生了R2为0.8197、RMSE为0.4271的高测试分数。显著的是，降低率模型在评估目标中表现出最高的整体预测精度和优越的泛化能力，取得了卓越的测试R2为0.9079，相应的误差指标大幅最小化，RMSE为0.0522，MSE为0.0027，MAE为0.0366。

**（五）所提堆叠集成的基准比较**
为严格验证AutoML导出的堆叠集成的预测优越性，与九种标准ML算法进行了全面基准分析。结果表明，简单线性算法(如岭回归和线性支持向量回归)泛化能力较弱，测试R2分数仅为0.444和0.284。在基线模型中，先进的基于树的集成表现出强大的预测能力，随机森林(RF)(CV R2=0.720，Test R2=0.804)和XGBoost(CV R2=0.716，Test R2=0.798)是最强的单一模型替代方案。然而，所提出的堆叠集成决定性地优于所有评估的基线，取得了最高的整体性能，CV R2为0.792，卓越的测试R2为0.908，以及最低的CV误差(RMSE=0.065)。

**（六）模型诊断与泛化能力**
为严格验证所开发预测模型的泛化能力并确保不存在算法记忆(过拟合)，系统地进行了包括学习曲线评估和残差误差分析在内的综合模型诊断。在所有目标结果中，学习曲线表现出训练分数和CV分数之间随实验实例数量增加而逐步稳定收敛，有效确认堆叠集成架构成功捕获了数据潜在方差而无明显过拟合。残差散点图分析显示，所有三个模型的预测误差都对称且随机地分布在零误差基线周围，表明不存在系统偏差。

**（七）特征重要性分析**
基于独立测试数据集计算SHAP值，以解释复杂堆叠集成架构的决策过程并量化单个预测因子的机制贡献。对于绝对WCA预测模型，分组的SHAP汇总分析显示，初始基线润湿性(θ?)对最终预测结果发挥主导影响，其次是放电间隙和处理时间。保留率模型观察到类似的层级。相反，降低率模型的特征重要性分布表现出根本性的显著转变。通过数学上将目标指标对初始基线归一化，模型对θ?的预测依赖大幅减弱。相反，特定的处理聚合物类型，以及关键的能量等离子体参数，即处理时间和施加电压，成为控制降低率结果的最有影响力的预测因子。

**四、讨论与结论**

研究人员在讨论部分指出，在等离子体医学和生物材料工程领域，实现目标细胞反应的最佳表面润湿性传统上依赖于详尽的湿实验室优化。可解释机器学习(ML)的集成，特别是SHAP特征重要性分析，为生命科学提供了范式转变。通过明确量化每个操作参数的机制贡献，这种数据驱动方法有可能消除冗余的实验迭代，允许研究人员在执行物理实验之前在计算机上合理设计等离子体处理方案。

研究人员还比较了三个评估模型的预测性能，深入了解了数据科学和等离子体物理。在实验文献上训练的ML模型中反复出现的挑战是“发表偏倚”，即数据集固有地偏向高度成功的超亲水修饰，而中等或矛盾的疏水结果代表性不足。SMOGN算法的应用有效缓解了这种分布不平衡。此外，堆叠集成架构的必要性强调了CAP处理的极端非线性。线性或简单回归模型通常不足以用于等离子体工程，因为操作参数不是孤立运作的。集成架构成功捕获了这些复杂的多特征相互作用。

研究人员强调，预测绝对最终WCA在数学上受到基线聚合物特征高方差的限制。通过将目标变量转换为相对降低率指标，从数学上消除了基线噪声，有效平滑了优化格局。这种转换使数据对算法来说从根本上更可学习，证明在生物材料表面工程中，量化变化幅度远优于预测绝对最终状态。

这种对相对降低率指标的数学验证直接解决了该领域一个长期存在的物理挑战：从文献惯例中解码真实等离子体机制。传统的湿实验室研究经常报告绝对WCA值以证明等离子体功效。然而，SHAP分析揭示最终润湿性主要受基线疏水性(θ?)控制，而不是等离子体参数本身。通过将预测目标转移到相对降低率指标，有效中和了初始状态的数学噪声，揭示了CAP诱导表面转变的真正驱动因素。虽然传统文献常常强调供给气体混合物或放电间隙在调节亲水性中的作用，但可解释ML模型揭示了不同的层级，确定了特定的处理聚合物类型、处理时间和施加电压是控制润湿性降低的最决定性因素。

研究人员从生命科学和物理化学角度对这一层级进行了合理解释。处理聚合物决定了表面可裂解碳-碳(C-C)和碳-氢(C-H)键的基本可用性。施加电压直接控制CAP相内的电离程度和电子动能，更高电压产生更密集的活性氧和氮物种(RONS)级联，这是将极性基团接枝到聚合物表面的主要化学试剂。处理时间作为剂量学控制器，决定了聚合物表面暴露于这些活性物质的总时间。

论文结论部分指出，本研究成功开发了一个稳健、可解释的数据驱动框架，用于预测经受CAP处理的生物聚合物的润湿性转变。通过部署精细的堆叠集成ML架构，有效捕获了复杂等离子体-表面相互作用固有的非线性、多物理场动力学。该研究的一个关键方法论进展是定量证明了预测绝对最终润湿性从根本上受到未处理材料固有基线噪声的约束。通过将预测目标转移到相对降低率指标，建模精度显著提高，最终取得了卓越的测试R2为0.9079和最小化预测误差。这种数学归一化有效隔离了等离子体的真实改性能力与初始材料变异性，证明评估变化幅度远优于预测绝对最终状态。此外，SHAP-based XAI的集成从根本上重新诠释了已有的文献惯例，明确揭示了润湿性降低的程度主要受特定处理聚合物类型、施加电压和处理时间控制，而非广泛强调的供给气体组成或放电间隙。最终，这项研究弥合了预测数据科学与经验生命科学之间的差距，为湿实验室研究人员提供了一种高度准确且机械可解释的模型，作为可靠的计算机模拟指南，以绕过详尽的试错优化，显著加速等离子体活化生物材料的合理设计，为组织工程、抗菌涂层和再生医学的下一代进步铺平道路。该研究发表于《Plasma Processes and Polymers》。