一种基于可解释机器学习的纳塑料细胞毒性预测方法

本发明属于纳塑料细胞毒性预测领域，尤其涉及一种基于可解释机器学习的纳塑料细胞毒性预测方法。

背景技术：

1、纳塑料是尺寸在1-100纳米之间的塑料。据估计，每年生产的塑料中约有10％最终成为环境中的碎片，随着时间的推移，由于紫外线辐射、机械磨损和生物降解，塑料碎片进一步分解为微塑料，最终成为纳米塑料。已有研究初步表明，纳塑料可导致不同生物的健康问题。此外，纳塑料的疏水性以及复杂的表面特征使其成为其他污染物(如微污染物，重金属等)的潜在载体，进一步加重了其对环境健康的影响。但目前对纳塑料的细胞毒性机制的阐释还存在很大的科学空白，而且纳塑料细胞毒性的实验研究存在着实验周期长，实验成本高等问题。

技术实现思路

1、为解决上述背景中的技术问题，本发明提出了一种基于可解释机器学习的纳塑料细胞毒性预测方法，通过使用可解释的机器学习方法对细胞毒性进行预测，具有效率高、成本低、准确率高的优点。

2、从web of science搜索关键词”(nanoplastics or microplastics)andcytotoxicity”得到的182篇同行评议的出版物，按严格的数据提取标准从中筛选可用的文献，对预先收集的文献中的数据进行收集与整理。最终得到了有2030个数据点的关于纳塑料的细胞毒性的数据集，数据集一共引用了72篇文献。

3、为了达到上述目的，本发明的一种基于可解释机器学习的纳塑料细胞毒性预测方法，包括：

4、s1、对预先收集的文献中的数据进行收集与整理，得到数据集；

5、s2、使用train_test_split函数，把数据集划分为测试集和训练集；

6、s3、选用机器学习算法，使用训练集对模型进行训练，同时调整模型的超参数，使模型的效果提升，并满足训练集和测试集r2均在0.6以上，r2为决定系数；

7、s4、选择预测结果最好的模型，并使用模型解释方法对模型进行解释，判断哪些特征对细胞存活率的影响最大，以此来解释纳塑料的细胞毒性机制。

8、优选地，数据集包括纳塑料的物理性质特征、化学性质特征和细胞试验的理化参数与细胞存活率。

9、优选地，所使用的模型解释方法包括shapley additive explanation、permutation feature importance以及explainable boosting machine。

10、优选地，机器学习算法包括随机森林、xgboost或支持向量机。

11、与现有技术相比，本发明具备以下有益效果：

12、1、本发明提出的基于可解释机器学习的纳塑料细胞毒性预测方法，该方法首次收集并整理了一个比较全面的纳塑料细胞毒性数据集，填补了该方向的一个科学空白，并且使用机器学习方法对细胞毒性进行预测，不仅效率高，而且成本低，准确率高。

13、2、本发明采用了可解释性较高的随机森林算法，并且使用多种模型解释方法，对影响细胞毒性的特征进行比较分析，可以对纳塑料的细胞毒性预测提供一个指导作用。

14、3、本发明得到的第一个较为全面的纳塑料细胞毒性数据集，以及使用不同的机器学习方法，不同的模型解释方法来预测纳塑料的细胞毒性，分析毒性机制。本发明得到的结果具有普适性和可靠性，为后续纳塑料的相关研究提供了通用方法。

技术特征：

1.一种基于可解释机器学习的纳塑料细胞毒性预测方法，其特征在于，包括：

2.根据权利要求1所述的一种基于可解释机器学习的纳塑料细胞毒性预测方法，其特征在于，数据集包括纳塑料的物理性质特征、化学性质特征和细胞试验的理化参数与细胞存活率。

3.根据权利要求1所述的一种基于可解释机器学习的纳塑料细胞毒性预测方法，其特征在于，所使用的模型解释方法包括shapley additive explanation、permutationfeatureimportance以及explainable boosting machine。

4.根据权利要求1所述的一种基于可解释机器学习的纳塑料细胞毒性预测方法，其特征在于，机器学习算法包括随机森林、xgboost或支持向量机。

技术总结
本发明属于纳塑料细胞毒性预测领域，且公开了一种基于可解释机器学习的纳塑料细胞毒性预测方法，包括：S1、对预先收集的文献中的数据进行收集与整理；S2、把数据集划分为测试集和训练集；S3、选用机器学习算法，使用训练集对模型进行训练；S4、选择预测结果最好的模型，并使用模型解释方法对模型进行解释，判断哪些特征对细胞存活率的影响最大，以此来解释纳塑料的细胞毒性机制。本发明首次收集并整理了一个比较全面的纳塑料细胞毒性数据集，填补了该方向的一个科学空白，并且使用机器学习方法对细胞毒性进行预测，不仅效率高，而且成本低，准确率高。

技术研发人员：闫希亮,陈寒乐,刘国红,闵维翠,何英,闫兵
受保护的技术使用者：广州大学
技术研发日：
技术公布日：2024/1/13