文章预览
❝ 「期刊」 ：Environmental Science & Technology 「原题」 ：Accurate Prediction of Rat Acute Oral Toxicity and Reference Dose for Thousands of Polycyclic Aromatic Hydrocarbon Derivatives Based on Chemometric QSAR and Machine Learning 「译题」 ：基于化学计量 QSAR 和机器学习对数千种多环芳烃衍生物进行大鼠急性口服毒性和参考剂量的准确预测 「DOI」 ：10.1021/acs.est.4c03966 ❞ 图片摘要 成果简介 摘要 由于实验确定多环芳烃（PAHs）及其衍生物的急性经口毒性成本过高，本研究开发了基于机器学习的定量构效关系（QSAR）模型来预测 PAH 衍生物的毒性。利用 788 种大鼠的口服毒性数据，建立了梯度提升回归树（GBRT）和堆叠 ML 算法，提供了最佳的预测结果。研究发现，具有较少极性氢、更多大尺寸原子、更多分支和更低极化率的 PAH 衍生物毒性更高。基于最优 ML-QSAR 模型开发的软件，成功预测了 6893
………………………………
