基于膜雌激素受体（GPER）结合化合物能力的分类预测模型

作者：王宇飞; 曹慧明^*; 梁勇

来源：环境化学, 2022, 41(02): 417-428.

• 内分泌干扰物
• 膜雌激素受体
• 机器学习算法
• 分类预测模型

近年来,计算毒理学的方法被广泛应用于潜在的环境内分泌干扰物(EDCs)的筛选.膜雌激素受体(GPER),作为一种可以快速响应内源性配体雌激素的关键靶蛋白,调控其介导的多项生理学功能.但是针对GPER的化合物毒性预测模型仍未见报道.因此,本研究收集了130个化合物对GPER的结合活性数据,主要包括双酚类、多溴联苯类以及农药杀虫剂类环境污染物.利用随机森林(RF)、支持向量机(SVM)、人工神经网络(ANN)、K最近邻(KNN)、朴素贝叶斯(NB)以及逻辑回归(LG)等6种机器学习算法构建二分类模型.结果显示,所有被测试算法的测试集准确率均达到85%以上,其中SVM、RF、ANN、KNN等4种算法的训练集准确率高于93%,10折交叉验证准确率高于80%,说明得到的模型具有优秀的分类预测性能.因此,本研究基于机器学习算法构建的分类模型,可以用来快速、准确地预测环境污染物是否通过结合GPER产生内分泌干扰效应.为评估环境污染物的潜在健康风险提供了理论依据.

• 单位
  江汉大学