[发明专利]一种预测消毒副产物细胞毒性的方法

说明书

本发明公开了一种预测消毒副产物细胞毒性的方法，借助化合物分子结构和理化性质，利用基于机器学习算法预测DBPs细胞毒性的方法。所述方法流程包括：收集DBPs的细胞毒性值，建立数据库；将所有DBPs转化为SMILES；计算所有DBPs样本的分子指纹，对样本数据进行标准化、归一化；基于多种机器学习算法构建毒性预测模型，选出最优模型；输入待测DBPs的SMILES表达式后，直接输出待测DBPs的预测细胞毒性数值。

技术领域

本发明属于环境风险评价技术领域，具体涉及一种预测消毒副产物细胞毒性的方法。

背景技术

饮用水消毒是一项重要的公共卫生措施，有助于灭活病原微生物，从而预防水传播疾病。然而，消毒剂(如氯、氯胺、二氧化氯等)可能会无意中与源水中的天然有机物和卤素发生反应，生成消毒副产物(disinfection by-products，DBPs)。许多DBPs具有细胞毒性、基因毒性、致突变性、致畸性或致癌性。这些对生物体不利影响的特性对环境风险评估及管控有重要指导意义。目前环境中的DBPs数量庞大且增速快，对全部DBPs开展实验耗费人力、物力，因此了解未开展实验的DBPs细胞毒性、在开展实验前对DBPs毒性进行预先初筛等都尤为重要。

细胞毒性是测定外源化合物或环境中其他因子对细胞结构和功能产生的毒性作用。一般细胞毒性实验都会进行细胞体外培养。细胞体外培养，是指细胞在体外适宜的条件下生长和增殖的培养技术。中国仓鼠卵巢细胞(Chinese hamster ovary cell,CHO)广泛应用于毒理学研究。半数最大效应浓度(concentration for 50％of maximal effect,EC₅₀)是指能引起50％最大效应的浓度。用CHO细胞的EC₅₀作为衡量细胞毒性的指标在研究中是非常常见的，对环境风险评估与管控有重要的参考意义，通过本专利的方法可以预测出DBPs准确的EC₅₀可以减少生物实验需要的大量人力、物力、财力和时间。

公开号为CN114171137的中国专利文献公开了一种基于机器学习预测化合物环境危害性的方法，以化合物的分子结构为基础，根据化合物结构与其PMT属性(持久性和迁移性及毒性)或vPvM属性(高持久性和高迁移性)之间的关系建立预测模型预测化合物的PMT属性或vPvM属性，包括以下步骤：(1)建立化合物环境危害性筛选标准；(2)在化合物数据库中抽取部分化合物作为样本，将这些导出样本的SMILES表达式作为样本数据；(3)基于机器学习算法构建预测模型，优化预测模型参数；(4)最后利用优化的预测模型中预测新分子是否具有环境危害性。公开号为CN110890137A的中国专利文献公开了一种化合物毒性预测模型建模方法，包括：(1)对化合物的毒性建立分类标签；(2)提供各候选建模化合物的分子描述符(3)提供各候选建模化合物的靶蛋白描述符；(4)提供各候选建模化合物的定量高通量筛选分析描述符；(5)构建并训练化合物毒性预测模型并可以进行预测。

但截至目前为止在DBPs的CHO细胞毒性预测领域缺乏相应的技术。

发明内容

1.要解决的问题

本发明的目的在于提供一种针对DBPs的CHO细胞毒性预测领域的预测消毒副产物细胞毒性的方法。

2.技术方案

为了解决上述问题，本发明所采用的技术方案如下：

一种预测消毒副产物细胞毒性的方法，至少包括以下步骤：

(1)建立DBPs的细胞毒性数据库；

(2)获取DBPs样本的SMILES；

(3)计算DBPs样本的分子指纹，并对样本数据进行预处理；

(4)基于机器学习算法构建毒性预测模型：保留同时具有全部描述符和细胞毒性值的样本构建数据集，计算模型评价相关参数，对模型进行筛选；