通过整合反应变量和DFT推导的分子描述符，对紫外/过氧乙酸处理过程中磺胺类药物降解性能的可解释预测

《Journal of Environmental Chemical Engineering》：Interpretable prediction of sulfonamide degradation performance during UV/peracetic acid treatment by integrating reaction variables and DFT-derived molecular descriptors

　　

摘要

本研究调查了三种磺胺类抗生素——磺甲恶唑（SMT）、磺吡啶（SPD）和磺二嗪（SDZ）——在紫外/过氧乙酸（UV/PAA）体系中的降解行为，并开发了一个可解释的机器学习框架来预测其归一化浓度（C/C₀）演变。与单独使用紫外或过氧乙酸相比，UV/PAA显著加速了降解，其拟一级速率常数的大小顺序为SPD（0.331?min^-1）> SMT（0.273?min^-1）> SDZ（0.153 min^-1）。超高效液相色谱-四极杆飞行时间质谱（UPLC-QTOF-MS）和密度泛函理论（DFT）分析表明，三种磺胺类化合物具有共同的转化途径，但电子特性各不相同。该预测框架整合了完整的特征集，包括六个反应变量和三个源自DFT计算的分子描述符。反应变量包括紫外强度、过氧乙酸浓度、反应时间、紫外辐照量、过氧乙酸暴露量和紫外-过氧乙酸耦合效应。在使用曲线级划分方法评估的六个回归模型中，支持向量回归（SVR）表现最佳，并且在独立保留验证集中保持了较高的预测精度（R² = 0.963）。消融分析表明，组合反应变量仅提供边际改善，而DFT衍生的分子描述符则显著提升了预测能力。SHAP分析识别出反应时间、紫外辐照量和过氧乙酸暴露量为主要贡献因素，而分子描述符则捕捉了电子差异。该方法为预测磺胺类降解性能提供了可解释的基础，并可支持水处理工艺优化。

引言

磺胺类抗生素是广泛使用的抗菌剂，由于其广泛使用和传统废水处理过程中去除不完全，经常在水处理厂出水、地表水和其他水生环境中被检测到[1]、[2]、[3]。它们的持续释放具有重要的环境意义，因为母体化合物和转化产物可能具有持久性和流动性，而残留的抗菌活性可能对微生物群落产生选择性压力并促进抗生素耐药性的传播[4]、[5]。传统废水处理工艺通常不能完全去除磺胺类抗生素及相关耐药决定因子，这突显了对有效高级处理工艺的需求，包括高级氧化工艺[6]、[7]、[8]。

过氧乙酸（PAA）被广泛用作消毒剂，也可作为氧化剂，在高级水处理中被激活以增强污染物的降解。紫外照射、过渡金属和含碳材料可激活PAA并产生活性氧物种和碳中心自由基[9]、[10]、[11]、[12]、[13]。在这些体系中，UV/PAA尤其具有吸引力，因为紫外照射可直接促进PAA的激活，并增强各种有机微量污染物（包括药物）的转化[14]、[15]、[16]、[17]、[18]。UV/PAA的性能可能受紫外强度、PAA浓度、pH值和分子结构的影响[19]、[20]、[21]。

磺胺类抗生素为开发此类预测框架提供了合适的化合物类别。磺胺类化合物具有共同的4-氨基苯磺酰胺骨架，但在磺酰胺氮上连接的杂环基团上存在差异。本研究选取磺甲恶唑（SMT）、磺吡啶（SPD）和磺二嗪（SDZ）作为代表性磺胺类化合物。SMT含有五元含硫、氮杂环，SPD含有含一个氮原子的六元吡啶环，SDZ含有含两个氮原子的六元嘧啶环。这组化合物使得能够比较具有不同杂环取代基的结构相关磺胺类化合物。这些杂环基团影响电子分布、分子极性、电离、反应位点的可及性以及自由基或亲电攻击的敏感性[22]。因此，具有相似核心结构的磺胺类化合物在高级氧化或光化学处理中可能表现出不同的降解速率、转化产物分布、pH响应和持久性[23]、[24]、[25]。

密度泛函理论（DFT）计算可表征分子电子性质并识别可能易受自由基或亲电攻击的反应位点。从DFT计算中获得的全局分子描述符可表征化合物间的电子性质差异[26]。凝聚Fukui函数和前线分子轨道分布可进一步识别特定反应位点[27]。因此，将转化产物证据与DFT计算相结合，可以将检测到的分子变化与母体化合物的电子性质联系起来[28]。所得到的分子信息也可为选择可解释描述符以预测C/C₀演变提供基础。

以往使用机器学习（ML）进行污染物降解的研究主要遵循两种建模策略：从分子指纹[29]或量子化学描述符[30]预测表观动力学速率常数，以及从操作参数预测降解性能[31]。基于机器学习的方法越来越多地应用于高级氧化工艺中，利用分子信息、定量构效关系模型和操作变量来预测污染物降解动力学和去除性能[32]、[33]、[34]、[35]、[36]、[37]。尽管近期研究已探索了用于高级氧化工艺预测的集成和可解释建模框架[38]、[39]、[40]，但反应变量与分子描述符的系统集成仍然相对有限。因此，将反应变量与DFT衍生的分子描述符相结合，可以为控制污染物降解的因素提供更全面的表征。在这种集成框架内，特征组消融可以比较不同特征组的预测贡献。SHapley加性解释（SHAP）分析可进一步揭示单个特征贡献的大小和方向[41]。

因此，本研究旨在通过整合反应条件与分子信息，开发一个可解释的机器学习框架来预测SMT、SPD和SDZ在UV/PAA处理过程中的C/C₀演变。具体目标为：(i) 表征SMT、SPD和SDZ的降解动力学、反应位点和转化途径，并评估其杂环取代基如何影响在UV/PAA体系中的反应活性；(ii) 开发和比较六个回归模型，利用主要反应变量、组合反应变量和选定的DFT衍生分子描述符来预测完整浓度演变，采用曲线级数据划分和独立保留验证；以及(iii) 通过消融分析量化不同特征组的贡献，评估优化模型在不同初始pH条件下的适用域，并使用SHAP解释模型预测。本研究将降解动力学、DFT分析和可解释机器学习相结合，以预测磺胺类降解性能并界定所开发框架在UV/PAA处理中的适用域。

章节摘要

化学品

磺胺类抗生素，包括磺甲恶唑（SMT，≥99.0%）、磺吡啶（SPD，≥99.0%）和磺二嗪（SDZ，≥99.0%），购自阿达玛斯-贝塔试剂公司（瑞士）。过氧乙酸（PAA，CH₃C(O)OOH，16%）购自重庆楚东化工（集团）有限公司（中国重庆）。SMT、SPD和SDZ的分子结构如图S1所示。七水合硫代硫酸钠（Na₂S₂O₃·7H₂O，≥99.0%）购自麦克林（中国上海）。叔丁醇（TBA）和L-组氨酸

UV/PAA体系中磺胺类降解的动力学行为

首先在代表性UV/PAA条件下考察SMT、SPD和SDZ的降解动力学，以比较它们的C/C₀演变。尽管三种磺胺类化合物具有共同的磺酰胺骨架，但其不同的杂环取代基可能影响了它们对UV/PAA激活过程中产生的活性物种的敏感性[51]。降解使用拟一级动力学模型进行描述，该模型被广泛用于评估药物降解

结论

本研究结合动力学实验、UPLC-QTOF-MS分析和位点特异性DFT计算，表征了SMT、SPD和SDZ在UV/PAA处理过程中的降解。拟一级速率常数的大小顺序为SPD > SMT > SDZ。转化分析揭示了涉及氧化、键断裂和杂环部分转化的共同途径。开发了一个可解释的机器学习框架，通过整合

CRediT作者贡献声明

秦一昌：撰写——初稿、验证、调查、正式分析、数据整理。张航瑞：调查。洪杰生：正式分析、概念化。鲁钢：撰写——审阅与编辑、监督、项目管理、资金获取、概念化。彭晓涛：方法学。

利益冲突声明

作者声明，他们不存在任何已知的竞争性经济利益或个人关系，这些利益或关系可能影响本论文所报告的工作。

致谢

本研究得到国家自然科学基金（项目编号：51508228）、广东省基础与应用基础研究基金（项目编号：2025A1515011030）和国家大学生创新创业训练计划（研究编号：202610559044）的资金支持。

秦一昌 | 洪杰生 | 张航瑞 | 彭晓涛 | 鲁钢

岭南大学环境与气候学院，广东省环境污染与健康重点实验室，广州 510632，中国