基于定量结构-活性关系预测苯及其衍生物的立即威胁生命或健康的浓度
[背景]随着工作场所危化品暴露的增多,员工的职业健康伤害和职业安全事故频发,危化品职业接触限值的获取迫在眉睫. [目的] 为了获取更多未知的立即威胁生命或健康的浓度(IDLH),探索定量结构-活性关系(QSAR)预测研究方法应用于IDLH的情况,从而为评估与防控职业健康伤害提供一定的理论依据和技术支持. [方法]本文运用QSAR将 50种苯及其衍生物的IDLH与化合物的分子结构关联起来并展开预测研究.首先应用近邻传播聚类算法对样本集进行聚类划分,随后运用Dragon2.1软件计算并预筛出 537种分子描述符,然后运用遗传算法筛选出的 6个特征分子描述符作为应变量,分别构建了多元线性回归模型(MLR)以及支持向量机(SVM)与人工神经网络(ANN)两种非线性模型.最后,采用内、外验证评估模型的性能并绘制Williams图确定模型的适用范围. [结果]ANN模型训练集和测试集的 R2 分别为R2train =0.8526和R2test =0.8505,均方根误差(RMSE)=0.5243、平均绝对误差(MAE)=0.4610,内、外验证系数:Q2100 =0.8476、Q2ext=0.8905.经比较,ANN模型各性能验证参数均优于MLR和SVM模型,且所有物质均在应用域之内. [结论]目前,ANN模型具备最好的拟合能力、稳定性、预测性,适用于预测苯及其衍生物的IDLH.通过QSAR的方法预测苯及其衍生物的IDLH值是一种有效方法,为职业健康与安全的发展提供了一定的理论依据和技术支持.
定量结构-活性关系、立即威胁生命或健康浓度、近邻传播聚类算法、人工神经网络、预测
40
R114(卫生基础科学)
2023-10-16(万方平台首次上网日期,不代表论文的发表时间)
共6页
1033-1038