Aprendizaje automático interpretable para predecir las principales propiedades peligrosas de los productos químicos

Área de la Ciencia:

• Química computacional
• Informática Química
• Modelado predictivo

Sus antecedentes:

• La predicción precisa de los peligros químicos (toxicidad, inflamabilidad, reactividad, reactividad con el agua) es crucial para la seguridad.
• Los métodos experimentales consumen mucho tiempo, son costosos y limitados en la captura de complejas relaciones estructura-propiedad.
• Los modelos existentes a menudo carecen de interpretabilidad, lo que dificulta la comprensión de los impulsores moleculares.

Objetivo del estudio:

• Desarrollar y evaluar modelos de aprendizaje automático para predecir cuatro propiedades químicas peligrosas clave.
• Mejorar la interpretabilidad del modelo para comprender las relaciones estructura-propiedad.
• Aplicar el modelo óptimo para predecir los peligros en una lista de productos químicos.

Principales métodos:

• Desarrollo de 8 modelos de aprendizaje automático utilizando descriptores moleculares.
• Capacitación en conjuntos de datos autocurados con técnicas avanzadas de selección e interpretabilidad de características.
• Utilizando los modelos XGBoost y Random Forest (RF), con SHAP e ICE para el análisis.

Principales resultados:

• XGBoost se destacó en la predicción de la toxicidad (ROC-AUC 0,768) y la reactividad (0,917).
• RF demostró un rendimiento superior para la inflamabilidad (0,952) y la reactividad con el agua (0,852).
• Descriptores moleculares clave (MIC4, ATSC2i, ATS4i, ETA_dEpsilon_C) identificados para peligros específicos en los compuestos cetona/aldehído.

Conclusiones:

• Los modelos de aprendizaje automático proporcionan predicciones eficientes y escalables de peligros químicos.
• Estos modelos pueden reducir la dependencia de las costosas pruebas experimentales.
• El estudio mejora los protocolos de seguridad para el manejo de productos químicos peligrosos a través de ideas predictivas.