OECD基準に従って開発された分類ベースの機械学習モデルによる水と土壌環境における有機化学物質の生物分解性可能性の評価

科学分野:

• 環境化学
• コンピュータによる毒理学
• 予測モデリング

背景:

• 有機化学生物分解の評価は,環境持続性,生物蓄積,および毒性 (PBT) を理解するために不可欠です.
• 既存の方法では,環境への潜在的な危険を早期に特定するために,予備的なスクリーニングが必要です.
• 環境は,様々な人為的および自然的な源からの多様な有機化学物質に絶えず曝されています.

研究 の 目的:

• 化学的生物分解性を予測するための分類ベースの読み越しの構造-生物分解性関係 (c-RASBR) モデルを開発し,検証する.
• 機械学習アルゴリズムの性能とSHAP (SHapley Additive exPlanation) 機能の有用性を評価する.
• 水と土壌での生物分解性を予測するためのユーザフレンドリーなツール"BiodegPred"を作成する.

主な方法:

• 経済協力開発機構 (OECD) のテストガイドラインのデータセット (302と307) を用いたRASPR (レッド・クロス・ストラクチャー・プロパティ・リレーション) の適用
• クラス不均衡の問題を緩和するためにデータセット2のデータバランス技術を実装する.
• 支援ベクトル分類器 (SVC) を含む様々な機械学習アルゴリズムを用いたc-RASBRモデルの開発,クロス検証 (CV) とSHAP分析.

主要な成果:

• 開発されたc-RASBRモデル,特にSVCを使用したモデルは,高い予測精度を示した (トレーニングセット:0.730.98;テストセット:0.770.84).
• SHAP分析は,モデル予測におけるRASPR特性の重要性を確認した.
• 特徴が少ないモデルは,従来の質的構造-生物分解性関係 (QSBR) モデルと比較して精度が向上した.

結論:

• 開発されたc-RASBRモデルは,水中の有気性固有生物分解性と土壌における生物変異の可能性について信頼できる予測を提供します.
• BiodegPredツールは 有機化学物質の生物分解性を効果的に予測し,環境リスク評価を支援します.
• これらの予測モデルは,化学安全と環境管理に関する情報に基づいた決定を下すのに規制当局を助けることができます.