一种预测有机化学品的皮肤渗透系数的方法

摘要

本发明涉及健康风险评估测试策略领域，具体来说，涉及一种预测有机化学品的皮肤渗透系数方法。在获得化合物分子结构的基础上，通过计算表征结构特征的描述符，应用定量结构活性关系QSAR构建预测模型，与传统试验方法测定皮肤渗透参数相比，符合动物福利保护，减少了测试时间和成本，能够快速有效的预测皮肤渗透系数。本发明严格按照经济合作与发展组织(OECD)提出QSAR模型构建和使用准则规定的5个标准，通过计算化合物物理化学、电性能、拓扑和量子化学参数作为预测描述符，利用K-S分组将原始数据进行分类，筛选出7种最优描述符，运用清晰、简单、快速、透明的GA-MLR算法，模型应用域明确，具有良好的拟合效果、稳健性和预测能力。皮肤渗透系数预测模型能够准确、高效地完成化合物皮肤渗透系数的预测，为有机化合物健康危害评价提供有效方法。

主权项

一种预测有机化学品的皮肤渗透系数的方法，其特征在于：步骤一、从收集132个化合物的皮肤渗透系数数据；步骤二、按照K‑S分组方法将步骤一的样本数据集进行分组，其中训练集共选取92个样本化合物，验证集共选取40个样本化合物；所述训练集用于构建预测模型，验证集数据用于外部验证，内部验证采用留一法交互验证；分组后的数据如下：皮肤渗透性模型化合物信息步骤三、建立模型：采用遗传算法进行变量选择，所使用的相关参数为：种群数100，变异概率0.5，模型中允许的最大特征个数10，其他参数均为默认值；当增加变量数目对模型结果影响不大时，筛选出影响皮肤渗透性的7个最优描述符数，采用多元线性回归方法建立了线性模型；筛选出7种分子描述符及模型如下：GLA‑MLR线性方程:Log Fl＝–0.323–0.510BEHm8–0.316GGI2–0.064RDF030u–2.173Mor17v–0.446G2s+1.587H5m+2.546RTu+(n_tr＝92  R²_tr＝0.862  RMSE_tr＝0.290  n_tr＝40  R²_tst＝0.614RMSE_tst＝0.290  Q²_loo＝0.835  Q²_ext＝0.705)；所述BEHm8表示Burden特征值，GGI2表示拓扑电荷指数，RDF030u表示分子体积，Mor17v表示分子的3D结构和大小，G2s属于WHIM描述符，H5m表示分子的大小和原子的性质，RTu+表示化合物结构片段的相关信息；所述训练集和验证集实验值和预测值的相关系数分别达到0.862和0.614；其中，n为样本化合物的数目，R²为内部检验的相关系数，RMSE为均方根误差，Q²为外部检验的相关系数；步骤四、预测未知化合物的皮肤渗透系数，未知化合物经过分子结构的输入和结构优化过程，通过Dragon软件计算7种描述符，分别为上述BEHm8、GGI2、RDF030v、Mor17v、G2s、H5m、RTu+，利用步骤三的预测模型得到未知化合物预测值。