基于极限梯度提升算法和特征筛选方法的羊角月牙藻(Selenastrum capricornutum)急性毒性定量构效关系(QSAR)模型的建立与应用
文献类型：CNKI期刊论文
| 作者 | 滕跃发; 王晓晴; 李斐; 吉成龙; 吴惠丰 |
| 发表日期 | 2023-06-07 |
| 出处 | 生态毒理学报
 |
| 关键词 | 多环芳烃 羊角月牙藻 定量构效关系 机器学习 极限梯度提升 特征筛选 |
| 英文摘要 | 藻类是水生食物网中主要的初级生产者，对水生生态系统的可持续性起着重要作用。随着社会发展、工业进步和人类活动，大量化学品被释放到水生环境中，对藻类产生了极大的威胁。若藻类受到危害势必会影响其他水生生物，因此有必要开展藻类的毒性评估。藻类的毒性评估需要大量的毒性数据，通过实验的方法获得水生毒性数据成本较高且比较耗时，定量构效关系(QSAR)是解决这类问题的一种良好的替代方法。本研究基于Web of Science与中国知网数据库文献中的53条急性毒性数据，利用极限梯度提升(XGB)算法和特征筛选方法建立了羊角月牙藻(Selenastrum capricornutum)急性毒性的QSAR模型。最优模型的训练集决定系数(R_(TR)~2)达到了0.97,验证集决定系数(Q_(EXT)~2)达到了0.78,留一法交叉验证系数(Q_(LOO)~2)也达到了0.51,表明建立的QSAR模型具有较好的拟合优度、稳健性和预测能力。机理解释结果表明，化合物的拓扑电荷数、总原子序数和电负性是影响羊角月牙藻急性毒性的关键因素。在此基础上，采用建立的QSAR模型和EPI Suite分别预测了16种典型多环芳烃(PAHs)对藻类的急性毒性，并对其进行了毒性分级。研究结果为藻类的急性毒性数据的获取提供了一个高效预测工具，有利于加快化学品的水环境风险评估工作。 |
| 文献子类 | CNKI期刊论文 |
| 资助机构 | 烟台市科技创新发展计划项目(2020MSGY060) ; 国家自然科学基金资助项目(21677173) |
| 卷 | v.18期:03页:38-51 |
| 语种 | 中文; |
| 分类号 | X171.5 |
| ISSN号 | 1673-5897 |
| 源URL | [http://ir.qdio.ac.cn/handle/337002/187096]  |
| 专题 | 中国科学院海洋研究所 |
| 作者单位 | 1.中国科学院海岸带环境过程与生态修复重点实验室(烟台海岸带研究所)山东省海岸带环境过程重点实验室中国科学院烟台海岸带研究所 2.中国科学院大学 3.中国科学院海洋大科学中心 |
| 推荐引用方式 GB/T 7714 | 滕跃发,王晓晴,李斐,等. 基于极限梯度提升算法和特征筛选方法的羊角月牙藻(Selenastrum capricornutum)急性毒性定量构效关系(QSAR)模型的建立与应用. 2023. |
入库方式： OAI收割
来源：海洋研究所
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。