本發(fā)明屬于化學信息學領域，具體涉及化妝品原料毒性預測模型和方法。

背景技術：

1、化妝品原料的安全性一直是行業(yè)內外關注的焦點，化妝品原料的毒理學性質評估是確保產品安全性的關鍵環(huán)節(jié)，尤其是對化妝品中所使用的有機化合物進行毒性預測與評估。傳統(tǒng)的毒理學測試主要依賴于體外實驗和動物實驗，雖然能夠提供準確的安全性數據，但成本高、耗時長，且面臨動物倫理問題的挑戰(zhàn)。隨著法規(guī)的不斷完善和消費者對化妝品安全性關注的提高，越來越多的國家和地區(qū)開始限制或禁止化妝品成分的動物測試，這使得尋找替代毒性測試方法成為了亟待解決的問題。因此，開發(fā)一種快速、準確且成本效益高的毒性預測方法顯得尤為重要。近年來，計算毒理學作為一種替代或補充實驗毒理學的工具得到了廣泛關注。特別是機器學習算法，憑借其強大的數據處理和模式識別能力，在藥物研發(fā)、環(huán)境風險評估等領域展現出巨大潛力?；诜肿咏Y構的毒性預測方法依托于現代計算化學和分子模擬技術，通過構建化合物的分子指紋特征，利用已有的毒性數據集建立預測模型，可以實現對化學品毒性性質的快速預測，這種方法不僅能夠減少動物實驗的使用，還能顯著降低毒理學測試的時間和成本，為化妝品研發(fā)過程中的安全性篩選提供了重要支持。

2、在化妝品原料領域，致突變性、致癌性、眼刺激性和皮膚致敏性是四種關鍵的毒理學性質，直接關系到消費者的健康與安全。這些性質的評估對于化妝品原料的篩選、配方設計以及最終產品的安全評價至關重要。因此，本發(fā)明旨在通過構建基于分子結構特征和機器學習算法的毒性預測模型，實現對多種毒理學性質準確預測的方法。這種方法不僅能夠提高化妝品原料研發(fā)的效率，降低安全風險，還能為化妝品行業(yè)的安全監(jiān)管提供科學依據和技術支持。

技術實現思路

1、為了解決化妝品原料研發(fā)中存在的上述問題，本發(fā)明提出了一種化妝品原料的毒理學性質預測方法，用于評估化妝品原料的四種毒理學性質：致突變性、致癌性、眼刺激性和皮膚致敏性。

2、具體的技術流程包括：

3、步驟1：從公開的毒性數據庫、文獻報告等中收集化合物的分子結構數據以及其對應的四種毒理學性質數據。對這些數據進行整理，形成化合物的毒性數據集，數據集規(guī)模如下表所示：

4、 毒理學性質 化合物數量 致突變性 6782 致癌性 1296 眼刺激性 1137 皮膚致敏性 709

5、注：陽性化合物表示化合物分別具有致突變性、致癌性、眼刺激性、皮膚致敏性；陰性化合物表示不具有致突變性、致癌性、眼刺激性、皮膚致敏性。

6、步驟2：使用隨機分層抽樣的方法將整理后的毒性數據集劃分為訓練集和外部測試集。訓練集用于模型的訓練和優(yōu)化，而外部測試集則用于評估毒性模型的預測準確率和可靠性，確保模型具有良好的泛化能力。隨機分層方法切分數據集確保了訓練集和外部測試集的陽性化合物與隱形化合物比例保持一致。

7、步驟3：使用化合物規(guī)范的smiles（canonical?smiles）計算化合物的分子指紋，具體地，包含以下八種分子指紋類型：cdk、cdk-extend、maccs、substructure、pubchem、klekota-roth通過padel-descriptor軟件計算。ecfp和fcfp使用rdkit包的allchem.getmorganfingerprintasbitvect模塊計算。作為本發(fā)明的進一步限定，ecfp的半徑可選1、2、3；比特位數可選512、1024、2048、4906、8192、16384。

8、在訓練集上使用特征選擇方法確定毒性預測模型的分子指紋，所述特征選擇方法為零方差過濾、卡方（chi-square,?χ2）檢驗、互信息中的一種或幾種的組合。一般認為零方差的分子指紋對于建模沒有意義，即分子指紋的某一片段全部為常數0或1時，將該片段過濾掉；然后繼續(xù)使用卡方檢驗或者互信息進一步減少用于建模的指紋特征。

9、步驟4：在已經完成分子指紋篩選的訓練集數據上建立致突變性、致癌性、眼刺激性和皮膚致敏性的毒性預測模型，使用以下機器學習分類算法構建模型：邏輯回歸（lr）、嶺回歸（rr）、被動攻擊（pa）、支持向量機（svm）、線性支持向量機（lsvm）、隨機森林（rf）、極端隨機樹（ert）、極限梯度提升（xgb）、輕量級梯度提升機（lgbm）。

10、訓練毒性預測模型時使用5-折分層交叉驗證網格搜索方法進行超參數優(yōu)化，并選擇模型在交叉驗證集上平均f1分數最高的超參數配置機器學習分類算法。

11、上述各種機器學習分類算法建模時需要優(yōu)化的超參數分別為：lr、pa、lsvm對正則化參數c進行優(yōu)化，?rr對正則化參數alpha進行優(yōu)化，svm選擇rbf核對系數gamma和正則化參數c進行優(yōu)化，rf、ert對估計器的個數?n_estimators、樹的最大深度max_depth、分支內部節(jié)點的最小樣本數min_samples_split進行優(yōu)化，?xgb對n_estimators、max_depth、min_child_weight、learning_rate?進行優(yōu)化，lgbm對num_leaves、n_estimators、max_depth、min_child_samples、learning_rate進行優(yōu)化。所有超參數優(yōu)化過程遵循先粗略搜索后精細搜索的原則。

12、作為本發(fā)明的進一步限定，由于數據集兩類活性數據的樣本數量不平衡，構建毒性預測模型時采用加權的代價敏感學習策略，具體地，調整權重比例的設置參考如下計算公式：

13、

14、式中表示訓練集樣本總數，2表示二分類，表示訓練集類別的樣本數。

15、步驟5：使用外部測試集驗證毒性預測模型的準確性，使用了如下5個指標評價毒性預測模型的性能：召回度（recall、rec）、精確度（precision，pre）、特異度（specificity，spe）、平衡準確度（balanced-accuracy，ba）、f1分數。在類不平衡時，精確度-召回度（precision-recall，pr）曲線和pr曲線下面積（pr-auc）更能反映分類模型的真實預測能力。本發(fā)明使用pr曲線以及pr-auc對模型進行可視化評估。

16、

17、

18、

19、

20、

21、式中其中tp（true?positive，真陽性）表示正確預測為陽性的化合物數量，tn（true?negative，真陰性）表示正確預測為陰性的化合物數量，fp（false?positive，假陽性）表示錯誤預測為陽性的化合物數量，fn（false?negative，假陰性）表示錯誤預測為陰性的化合物數量。

22、步驟6：依據外部測試集對毒性預測模型的結果，挑選預測性能優(yōu)異的毒性預測模型構成毒性預測共識模型。將經過驗證的毒性預測共識模型應用于化妝品原料的毒理學性質預測，可以在產品開發(fā)的早期階段對新型原料進行快速的安全性篩選，降低潛在的毒性風險。本發(fā)明的預測模型能夠在較高的準確性水平下進行毒性分類，該方法不僅能夠顯著降低化妝品原料研發(fā)的安全風險，減少毒理學測試的費用和時間，還為化妝品行業(yè)的研發(fā)人員提供了一個可靠的安全評估工具。