准确预测纳米材料的环境生物效应的新支持

目前，纳米材料在电子机械、医药化工、能源环境等领域的研究和应用发展迅速。但纳米材料环境效应预测存在高含量数据库缺失、环境转化情景遗漏、模型普适性弱等问题，严重制约了国家对危险纳米材料的风险防控。

科技日报记者7月18日从南开大学获悉，南开大学环境科学与工程学院胡先刚教授团队通过增强机器学习的可解释性，在拓展机器学习算法预测纳米材料生物效应、探索纳米材料生物效应机理等方面取得突破，为解决上述问题提供了新的研究思路。相关论文发表于国际知名期刊《科学进展》。

据介绍，要有效控制和减少环境污染物，首先要了解污染物的来源、分布特征、转化规律和毒性效应，然后对污染进行治理或修复，这就需要对化学品的环境效应进行预测。这是国家危险化学品风险防控的重要手段，也是目前毒理学研究的重要方向。2005年，松花江污染事件、大气雾霾成因等重大环境问题，对环境生物效应的预测发挥了不可替代的作用。

目前，机器学习模型已广泛应用于纳米材料环境生物效应的预测，但由于机器学习的可解释性，利用机器学习模型揭示复杂的纳米毒理学机理仍然非常困难。

在前期工作的基础上，胡先刚教授团队创建了纳米材料-生物效应数据库，构建了纳米材料-生物效应回归模型，提出了基于随机森林特征重要性和特征网络的树型交互分析框架(TBRFA)。该框架利用多指标重要性分析方法克服了小数据集带来的特征重要性分析偏差，利用随机森林的工作机制建立了特征交互网络，揭示了影响纳米材料生物效应的潜在交互因素。

TBRFA包括重要性分析和特征交互网络分析。TBRFA重要性分析使用多个重要性指标来平衡传统单一指标带来的偏见，识别出暴露恢复时间、材料比表面积和材料尺寸是影响纳米材料诱导生物效应的重要因素。TBRFA特征交互网络分析通过分析随机森林的树形结构计算每两个特征之间的交互系数，识别材料的比表面积和表面电荷、比表面积和长度、长度和直径在诱导生物效应过程中是如何相互制约和影响的。

胡先刚表示，该研究对环境友好型纳米材料的研发具有一定的指导作用，将为纳米材料的生态环境安全评估提供新的策略；机器学习算法不仅适用于分析纳米材料的环境效应，也适用于预测和评价重金属和有机污染物等环境生物效应。