王雅琪，劉會會，楊先海

南京理工大學環(huán)境與生物工程學院，江蘇省化工污染控制與資源化高校重點實驗室，南京 210094

據(jù)估計，每年約有3億t合成化學物質(zhì)進入水體[1]。這些物質(zhì)可對水生生物產(chǎn)生毒副作用，并嚴重威脅生態(tài)安全[2-3]。因此，對這些物質(zhì)進行污染控制和管理已成為各國的重要任務。對化學物質(zhì)進行水環(huán)境生態(tài)風險評估，進而篩選出優(yōu)先污染物，是進行污染控制與管理的前提[4]。而開展水環(huán)境生態(tài)風險評估需要水生毒性數(shù)據(jù)和暴露數(shù)據(jù)[5]。目前，國際上已針對多種水生模式生物開發(fā)了水生生物毒性標準測試方法，如藻類、溞類和魚類急/慢性毒性測試方法[6]。雖然水生生物毒性效應測試體系已建立數(shù)十年，但仍僅少部分物質(zhì)具有水生毒性數(shù)據(jù)。為了克服化學物質(zhì)管理中數(shù)據(jù)不足的問題，歐美國家大力倡導使用(定量)結(jié)構(gòu)-活性關(guān)系((Q)SAR)等預測技術(shù)填補缺失的毒性效應數(shù)據(jù)[7-8]。因此，構(gòu)建污染物水生毒性效應預測模型對實現(xiàn)水環(huán)境化學物質(zhì)管理具有重要意義。

在化學品生產(chǎn)使用及環(huán)境管理中，需要對其進行分類和標簽。具體的分類過程是依據(jù)化學品所具有的毒性效應值來分類和標簽，例如當魚類的96 h半數(shù)致死濃度(96 h LC50) ≤ 1 mg·L-1、介于1～10 mg·L-1、介于10～100 mg·L-1時，分別歸為急性毒性類別1、急性毒性類別2和急性毒性類別3[9-10]，然后針對不同類別采取不同等級的管理措施。近年來，國內(nèi)外研究人員針對水生急性毒性構(gòu)建了一些預測模型，主要是針對綠藻如羊角月牙藻(Pseudokirchneriella subcapitata)、大型溞(Daphnia magna)、魚如黑頭呆魚(Pimephales promelas)的預測模型較多[11]。但是，這些模型以定量模型為主，結(jié)果為具體的毒性效應值，還沒有模型能直接給出目標化合物是否滿足分類和標簽規(guī)定的毒性閾值。最近，Ding等[12]構(gòu)建了基于“全球化學品統(tǒng)一分類和標簽制度”(GHS)分類標準的預測羊角月牙藻(Pseudokirchneriella subcapitata)和大型溞(Daphnia magna)慢性毒性的二元分類模型。

本文的研究目的是針對魚類急性毒性指標，構(gòu)建基于GHS分類標準的分類模型。首先是依據(jù)GHS中推薦的分類標準，將化合物分類，然后構(gòu)建預測模型。因此，根據(jù)本文所構(gòu)建的模型，使用者可直接得出目標化合物是否滿足國標中關(guān)于化學品分類和標簽規(guī)定的毒性閾值。

1 材料與方法(Materials and methods)

1.1 數(shù)據(jù)集

從文獻[13]收集了634種有機化學品的黑頭呆魚(Pimephales promelas)急性毒性數(shù)據(jù)[13]。實驗數(shù)據(jù)均是采用經(jīng)濟合作與發(fā)展組織(OECD)的OECD TG 203魚類急性毒性試驗方法獲取，指標為96 h LC50。采用“全球化學品統(tǒng)一分類和標簽制度”(GHS)中推薦的分類標準[10]，將急性毒性值≤ 100 mg·L-1的物質(zhì)劃分為毒性物質(zhì)，而將急性毒性值> 100 mg·L-1的物質(zhì)劃分為無毒性物質(zhì)。根據(jù)分類結(jié)果，毒性物質(zhì)和無毒性物質(zhì)分別為444和190個。建模中，數(shù)據(jù)集將按4∶1的比例隨機拆分為訓練集和驗證集，訓練集用于構(gòu)建模型，而驗證集用于評估模型。

1.2 分子描述符計算

首先采用ChemBioOffice 2010軟件生成初始的化合物分子結(jié)構(gòu)。再根據(jù)上述分子結(jié)構(gòu)生成MOPAC輸入文件，用MOPAC 2016軟件優(yōu)化模型化合物分子結(jié)構(gòu)[14]。優(yōu)化關(guān)鍵詞是PM6 eps=78.6, CHARGE=1, EF GNORM=0.01, POLAR MULLIK SHIFT=80。基于MOPAC優(yōu)化的分子結(jié)構(gòu)，采用Dragon 6軟件計算4 885個Dragon描述符[15]。根據(jù)如下標準，對計算的4 885種描述符進行初步篩選：去除常數(shù)和近似常數(shù)的描述符，去掉至少有一個缺失值的描述符及相關(guān)系數(shù)大于0.95的描述符[16]。最終，描述符集包含1 575個描述符。此外，還引入正辛醇-水分配系數(shù)(logKow)。logKow來源于美國環(huán)保局開發(fā)的EPI Suite 4.1TM [17]。

1.3 QSAR模型構(gòu)建與表征

采用基于歐幾里德距離的K最近鄰(k-NearestNeighbor, kNN)分類算法構(gòu)建了二元分類模型。歐幾里德距離計算方法為：

(1)

式中：DE是歐幾里德距離；x和y是不同的化學品；xi和yi分別是化學品x和y的第i個描述符。使用自編的python程序進行kNN二元分類模型構(gòu)建，該程序已成功應用于構(gòu)建多個模型[12,16,18-19]。

采用預測準確度(Q)、敏感性(Sn)和特異性(Sp)參數(shù)表征模型效果[4,20-21]。

(2)

(3)

(4)

式中：TP(真陽性)和TN(真陰性)分別是正確分類為毒性和非毒性的化合物數(shù)量；FN(假陰性)和FP(假陽性)分別是錯誤分類為非毒性和毒性的化合物數(shù)量。

此外，對于二元分類模型，還可以采用受試者工作特征曲線(ROC曲線)及ROC曲線下的面積(AUC)來表征分類性能[22]。ROC曲線的坐標分別是真陽性率(TPR)和假陽性率(FPR)表征。真陽性率是指在所有實際有毒的化合物中，被正確判斷為有毒的比率；假陽性率是指在所有實際無毒的化合物中，被錯誤地判斷為有毒的比率。一般而言ROC曲線的AUC值介于0～1，其值越大說明分類模型的性能越好。

采用歐幾里德距離法表征了模型應用域。歐幾里德距離圖采用AMBIT Discover (version 0.04)(http://ambit.sourceforge.net/download_ambitdiscovery.html)軟件繪制。

2 結(jié)果與討論(Results and discussion)

2.1 最優(yōu)模型及其表征結(jié)果

最優(yōu)模型包含3個描述符，即CATS2D_04_DD、piPC07和ATSC7m，模型表征參數(shù)如下。

從表1可以看出，模型訓練集和驗證集的預測準確度(Q)、敏感性(Sn)和特異性(Sp)參數(shù)均大于0.7，即意味著70%以上的化合物均能被正確分類為有毒或無毒，說明模型具有較好的預測能力。模型訓練集和驗證集的Sn數(shù)值大于Sp，說明模型預測結(jié)果的假陰性率低于假陽性率，這有助于避免遺漏潛在毒性物質(zhì)。此外，ROC曲線表明(圖1)，訓練集和驗證集ROC曲線的AUC分別為0.799和0.781，說明模型的分類性能較好。

2.2 應用域表征

基于歐幾里德距離的模型應用域表征結(jié)果如圖2所示。所有化合物中，僅有一個驗證集化合物在模型結(jié)構(gòu)域外，說明模型的訓練集具有較好的代表性。驗證集中處于模型結(jié)構(gòu)域外的化合物為四溴雙酚A，雖然其處于訓練集所定義的結(jié)構(gòu)域外，但是模型能正確將其分類為有毒性。

2.3 機理解釋

分類模型篩選出CATS2D_04_DD、piPC07和ATSC7m這3個描述符。其中CATS2D_04_DD是CATS 2D描述符，表征了分子中氫鍵供體原子(如氧、氮等)在拓撲距離4上的數(shù)量[23]。這意味著有機化學品對黑頭呆魚(Pimephales promelas)的急性毒性

圖1 分類模型受試者工作特征(ROC)曲線注：AUC表示ROC曲線下的面積。Fig. 1 Receiver operating characteristics (ROC) graphs of the classification modelNote: AUC represents area under ROC curve.

表1 模型表征結(jié)果Table 1 Statistical results of developed model

注：k表示鄰近數(shù)，n表示化合物數(shù)量，TP表示真陽性，TN表示真陰性，F(xiàn)N表示假陰性，F(xiàn)P表示假陽性，Sn表示敏感性，Sp表示特異性，Q表示預測準確度。

Note: k stands for number of nearest neighbors; n stands for number of chemicals; TP stands for true positive; TN stands for true negative; FN stands for false negative; FP stands for false positive; Snstands for sensitivity; Spstands for specificity; Q stands for predictive accuracy.

圖2 基于歐幾里德距離的模型應用域表征圖Fig. 2 Characterization of application domain for model based on the Euclidean distance

與氫鍵供體原子相關(guān)，也即分子形成氫鍵的能力會影響毒性效應。piPC07是分子運轉(zhuǎn)路徑數(shù)目類描述符，表征了分子大小對毒性的影響。Fassihi等[24]構(gòu)建有機物的抗菌毒性預測模型時，也篩選出該描述符。ATSC7m是原子質(zhì)量加權(quán)的2D自相關(guān)描述符，表征了分子質(zhì)量的影響。綜上，有機化學品對黑頭呆魚(Pimephales promelas)的急性毒性與分子形成氫鍵的能力、分子大小和原子質(zhì)量相關(guān)。

本論文依據(jù)“全球化學品統(tǒng)一分類和標簽制度”(GHS)中推薦的分類標準，將有機化學品對黑頭呆魚(Pimephales promelas)的急性毒性值小于和大于100 mg·L-1的物質(zhì)分別劃分為有毒物質(zhì)和無毒物質(zhì)。以分類結(jié)果為建模指標，構(gòu)建了分類能力較好的二元分類模型?？蓱迷撃Ｐ皖A測應用域內(nèi)其他物質(zhì)是否對黑頭呆魚(Pimephales promelas)表現(xiàn)急性毒性效應。