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

来源：环境与职业医学杂志 2023年第9期北京时间：

作者：袁雄军, 赵薇, 时静洁, 王悦, 陈常豪,

摘要：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 R_\mathrmt\mathrmr\mathrma\mathrmi\mathrmn^2=0.8526和 R_\mathrmt\mathrme\mathrms\mathrmt^2=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： Q_\mathrml00^2 =0.8476、 Q_\mathrme\mathrmx\mathrmt^2 =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。

关键词：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,