利用机器学习预测活性炭对有机污染物的吸附行为并进行描述符级解析
《Journal of Environmental Chemical Engineering》:Prediction and Descriptor-Level Interpretation of Organic Pollutant Adsorption by Activated Carbon Using Machine Learning
【字体:
大
中
小
】
时间:2026年07月12日
来源:Journal of Environmental Chemical Engineering 7.5
编辑推荐:
丁传|袁涛|傅荣兵|谢月青|沈志敏中国上海,上海交通大学环境科学与工程学院,绿色造纸与资源回收国家重点实验室摘要活性炭吸附被广泛用于去除水中的有机污染物,但由于新兴污染物的分子结构多样,且吸附过程往往涉及非线性的吸附剂-表面相互作用,因此准确预测其吸附行为仍具挑战性。本研究建立了
丁传|袁涛|傅荣兵|谢月青|沈志敏
中国上海,上海交通大学环境科学与工程学院,绿色造纸与资源回收国家重点实验室
摘要
活性炭吸附被广泛用于去除水中的有机污染物,但由于新兴污染物的分子结构多样,且吸附过程往往涉及非线性的吸附剂-表面相互作用,因此准确预测其吸附行为仍具挑战性。本研究建立了基于吸附物结构的定量结构-活性关系模型,用于预测93种有机污染物在活性炭上的弗罗因德利希吸附参数。研究共使用了76个描述符,包括24个分子描述符和52个量子化学描述符。在分子描述符中,还构建了6个复合描述符用于描述归一化的杂原子或极性位点密度。研究评估了多种算法,包括多元线性回归、岭回归、XGBoost、随机森林、CatBoost以及结合多元线性回归和幂函数变换的遗传算法。在测试的配置下,遗传算法模型在训练性能和独立测试性能之间取得了最佳平衡,ln(KF)的R2test值为0.788,ln(n)的该值为0.743。通过训练-测试性能差距分析、适用性范围评估、多重共线性诊断以及基于PCA的化学空间可视化,进一步提升了对模型稳健性和透明度的评价。描述符层面的分析表明,吸附行为与芳香性、sp3碳比例、含N/O基团、分子大小、疏水性以及电子分布有关。相关性分析显示,芳香性或非sp3碳结构以及与N/O相关的极性描述符与吸附亲和力和强度相关,这可能意味着π-π相互作用、极性相互作用和氢键作用也起到了作用。所提出的模型为估算其在适用范围内的新兴污染物的吸附倾向提供了有用的筛选框架。
引言
工业化和城市化进程加速了各类有机污染物向水体的排放,这些污染物包括农药、染料、药品和个人护理产品、内分泌干扰物、工业溶剂以及多环芳烃等。这类持久性有机微污染物带来了严重的环境问题,因为它们往往具有较低的降解性、生物累积潜力以及较高的毒性,从而威胁生态系统稳定性和人类健康[1]。传统的水处理工艺,如混凝、沉淀和生物处理,往往无法有效去除微量且结构多样的有机污染物[2]、[3]。
活性炭吸附仍是去除水中有机污染物的最常用技术之一。活性炭对微量、难处理且结构复杂的化合物具有较高的吸附能力,而且可以很容易地整合到现有的水处理流程中[4]、[5]。然而,由于分子大小、疏水性、极性、芳香性、可电离基团以及电子特性的差异,不同污染物之间的吸附性能存在很大差别。随着卤代化合物、药品、农药、除草剂、染料和工业溶剂等新兴污染物的不断增加和检测,快速评估活性炭的吸附倾向对于污染物的筛选和处理效果评估愈发重要[6]。
定量结构-活性关系模型为将分子结构与吸附参数联系起来提供了一种有效的计算方法,从而减少了初步筛选所需的实验工作量[7]。以往的研究已经证明了QSAR模型在预测吸附相关参数方面的潜力,包括最大吸附容量、分配系数以及弗罗因德利希参数如KF和1/n[4]、[5]。这些研究有助于深入理解分子疏水性、大小、极性、芳香性以及氢键能力如何影响在碳材料上的吸附。
尽管取得了这些进展,但在活性炭吸附的QSAR建模方面仍存在一些挑战。许多现有模型是为有限的污染物类别开发的,这可能限制了它们在结构多样的新兴污染物上的应用[8]、[9]、[10]。此外,虽然随机森林、XGBoost和CatBoost等机器学习模型能够捕捉非线性关系,但它们的内部决策过程往往难以解释。SHAP分析已被广泛用于解释机器学习模型中各特征的作用,不过这种解释更应被视为基于模型的特征归因而非机制性解释[11]。另外,许多先前的吸附模型主要依赖传统的分子描述符,而描述电子分布、局部反应性以及电荷相关相互作用的量子化学描述符则未被充分整合。最后,活性炭上的吸附不仅受吸附物分子结构的影响,还受活性炭本身性质和实验条件的影响。然而,在文献中的数据集中,这些与吸附剂和实验条件相关的变量往往记录不完整,这使得将它们系统地纳入QSAR模型变得困难。
深度学习的最新进展,尤其是图神经网络,在分子性质预测方面展现出巨大潜力,因为它们可以直接从分子图表示中学习。不过,这类方法通常需要规模更大的数据集,而且在数据量较小的环境应用中仍可能存在可解释性方面的问题。因此,对于目前基于文献的数据集而言,基于描述符的QSAR框架仍然是一种实用且易于解释的预测筛选策略。
为解决这些问题,本研究建立了基于吸附物结构的QSAR模型,用于预测93种结构多样的有机污染物在活性炭上的弗罗因德利希吸附参数。所选的化合物包括卤代有机化合物、抗生素、农药、除草剂、精神类药物、染料以及有机溶剂,这些都属于在水体污染和水处理过程中常见的污染物类别。研究利用RDKit计算分子描述符,并通过密度泛函理论计算获得量子化学描述符,以此来表征吸附物的结构和电子特性。共评估了6种算法,包括多元线性回归、岭回归、XGBoost、随机森林、CatBoost以及结合多元线性回归和幂函数变换的遗传算法[12]、[13]、[14]。研究的目的是建立ln(KF)和ln(n)的预测模型,比较不同配置下的模型性能,识别重要的分子和量子描述符,并从描述符层面解释可能的吸附相互作用。由于原始文献中并未始终提供活性炭的性质和实验条件信息,因此所提出的模型应被视为在其适用范围内的基于吸附物结构的筛选框架,而非适用于所有活性炭系统的通用吸附模型。
章节节选
数据集构建
本研究从已发表的文献中收集了93种有机污染物的吸附数据。该数据集涵盖了多种与环境相关的污染物类别,包括氟有机化合物、氯有机化合物、溴有机化合物、抗生素、农药、除草剂、精神类药物、染料以及有机溶剂。选择这些化合物是因为它们是具有环境意义的污染物,且已有其在活性炭上的弗罗因德利希吸附参数以及明确的分子结构。
机器学习模型性能
为了预测ln(KF)和ln(n)的值,研究了6种机器学习算法,包括岭回归、XGBoost、CatBoost、随机森林、逐步多元线性回归以及所提出的遗传算法模型。预测值与实际值如图2所示,相应的验证指标总结见图4。
对于ln(KF),遗传算法模型的R2train值为0.814,R2test值为0.788;而对于ln(n),相应的数值为R2train值为0.798,R2test值为0.743。在测试的配置下,遗传算法模型表现最为
结论
本研究建立了基于吸附物结构的QSAR模型,用于预测93种有机污染物在活性炭上的弗罗因德利希吸附参数。模型构建共使用了76个描述符,其中包括24个分子描述符和52个量子化学描述符。在测试的配置下,结合多元线性回归和幂函数变换的遗传算法模型在训练性能和独立测试性能之间取得了最佳平衡,ln(KF)的R2test值为0.788,
环境意义
本研究着眼于水体中有害有机污染物的环境风险,这类污染物包括卤代化合物、抗生素、农药和除草剂等。通过建立基于吸附物结构的QSAR模型,我们为估算新兴污染物的活性炭吸附倾向提供了筛选框架。描述符层面的分析明确了与吸附相关的分子特征,包括芳香性、sp3碳比例、含N/O基团等
CRediT作者贡献说明
袁涛:指导工作。丁传:撰写原文初稿、数据可视化、正式分析、数据整理、概念构思。沈志敏:撰写文章的审阅与编辑工作、指导工作。谢月青:负责资源协调和项目管理。傅荣兵:负责项目管理。
利益冲突声明
作者声明不存在任何可能影响本文研究工作的已知财务利益关系或个人关系。
致谢
本研究得到了中国国家重点研发计划(2023YFC3707700)和中国国家自然科学基金(22378265)的资助。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号