编辑推荐：
本文综述了G.AI.A平台的开发与应用，该平台通过集成机器学习（ML）模型（如梯度提升和极端随机树）预测药物及其代谢物的生物累积因子（BCF）和半数致死浓度（LC50），并结合代谢预测工具SyGMa，为药物早期设计提供绿色毒理学（Green Toxicology）评估。研究基于欧盟绿色协议（EU Green Deal）的化学品可持续性战略（CSS），通过分子描述符（如PaDEL）和指纹分析（如MACCS、Morgan）揭示了脂溶性（如CrippenLogP）、极性表面积（TopoPSA）等关键特征对生态风险的影响，平台ROC AUC值达94.60%（BCF）和96.06%（LC50），显著优于现有工具（如VEGA、OPERA），推动了“设计即绿色”（Green-by-Design）的药物开发。
引言：药物环境污染与计算毒理学新策略
药物污染对水生生态系统构成显著威胁，其生物活性化合物通过人类和兽医使用进入水体。为支持欧盟绿色协议的化学品可持续性战略（CSS），本研究开发了一种计算框架，用于预测鱼类环境风险的两个关键指标：生物累积因子（BCF）和生态毒性（以96小时半数致死浓度LC50 衡量）。传统定量构效关系（QSAR）模型存在用户友好性差、可解释性不足等局限，而机器学习（ML）方法虽性能优越，却因“黑箱”特性难以满足监管需求。本研究通过整合代谢物预测和模型可解释性分析，旨在为药物早期设计提供环境风险评估工具。
数据与方法：多源数据整合与机器学习模型构建
生物累积数据（1,243种独特化合物）和生态毒性数据（2,940种化合物）从公共数据库（如ECOTOX、EnviroTox）收集，并基于标准化实验指南（如OECD）进行筛选。BCF和LC50 分别以REACH阈值（logBCF > 3.30）和CLP规则（LC50 < 1 mg/L）进行分类。分子编码采用PaDEL描述符（1D/2D/3D）、MACCS密钥和Morgan指纹，通过随机森林、XGBoost等五种集成分类器进行训练。模型通过7折交叉验证和外部数据集（如Xiao的KOWall3、ADORE的t_F2F）验证，并使用SHAP（SHapley Additive exPlanations）分析特征重要性。代谢物预测通过对比SyGMa、Metapredictor等工具的性能，最终集成SyGMa至平台。
结果与讨论：高精度模型与关键风险特征解析
生物累积预测模型中，梯度提升算法在54种鱼类数据上表现最佳（ROC AUC 86.95%），SHAP分析显示脂溶性描述符（如CrippenLogP、ALogP）和极性表面积（TopoPSA）是区分生物累积性化合物的关键特征。MACCS指纹分析进一步表明，含卤素片段（如比特87）和多环芳香结构（比特62）与生物累积性显著相关。生态毒性预测中，极端随机树模型ROC AUC达90.96%，脂溶性和分子大小相关描述符（如SpMax5_Bhm）被识别为核心影响因素。与VEGA、OPERA等工具相比，G.AI.A模型在外部验证中灵敏度（BCF模型84.88%、LC50 模型83.88%）和ROC AUC（分别达94.60%和96.06%）均显著优于现有工具。
代谢物风险评估与平台集成
通过SyGMa预测药物代谢物（准确率52%），并评估其生态毒性。例如，抗哮喘药齐留通（zileuton）的代谢物中部分被分类为生态毒性或生物累积性。G.AI.A平台（
https://gaiatox.eu/ ）提供两种模式：单分子SMILES分析（最多3个）可输出分类结果、置信度及代谢物风险；批量处理模式支持高通量筛选。平台通过t-SNE可视化化合物在训练数据中的分布，并突出显示导致高风险分类的结构特征。
结论：绿色药物设计的计算工具展望
G.AI.A平台将高性能机器学习模型与代谢物预测相结合，为药物早期开发提供了全面的环境风险评估工具。其高精度和可解释性有助于减少动物实验，推动符合绿色化学原则的可持续药物设计。未来可扩展至更多物种和复杂环境因素分析，进一步强化其在监管科学中的应用价值。
打赏
