基于用户留存行为的机器学习方法在预测环境出行模式中的应用

《Environmental Science & Technology》：Machine Learning for Predicting Environmental Mobility Based on Retention Behavior

　　vPvM化合物威胁环境与健康，因Koc数据缺乏，本研究利用RPLC数据构建随机森林模型预测其环境移动性，在测试集F1达0.87-0.96，成功应用于64,492种REACH化学品分类，提供可扩展的优先级评估工具。

　　

非常持久且具有高迁移性的物质（vPvM）对环境和人类健康构成威胁。这类化学物质能够在水生系统中长期存在，并由于其对水的亲和力而比在土壤或其他吸附剂上移动得更快。化学物质的迁移性通常通过有机碳-水分配系数（K_oc）来表征，但大多数物质的实验数据缺失。随着每年有数千种新化学物质进入市场，人们越来越需要先进的化学信息学工具来优先识别这些有害物质。由于反相液相色谱（RPLC）数据更为常见，因此本文使用其作为环境迁移性的替代指标。通过对RPLC数据集中的146,902种化学物质进行洗脱分析，根据其有机修饰剂的含量来划分它们的迁移性等级。对于每种化学物质，计算了881个PubChem指纹图谱以捕获其结构信息。随后使用随机森林分类器根据保留时间和指纹图谱来预测其迁移性。该模型在测试集上的F1分数分别为：非常迁移性物质0.87、迁移性物质0.81、非迁移性物质0.96。将该模型应用于所有REACH注册的化学物质（n = 64,492种），结果有20%被归类为非常迁移性物质，26%为迁移性物质，53%为非迁移性物质，从而实现了一种可扩展的早期识别vPvM物质的工具。