Identification of Potential PBT/POP-Like Chemicals by a Deep Learning Approach Based on 2D Structural Features
Notice bibliographique
Résumé
Identifying potential persistent organic pollutants (POPs) and persistent, bioaccumulative, and toxic (PBT) substances from industrial chemical inventories are essential for chemical risk assessment, management, and pollution control. Inspired by the connections between chemical structures and their properties, a deep convolutional neural network (DCNN) model was developed to screen potential PBT/POP-like chemicals. For each chemical, a two-dimensional molecular descriptor representation matrix based on 2424 molecular descriptors was used as the model input. The DCNN model was trained via a supervised learning algorithm with 1306 PBT/POP-like chemicals and 9990 chemicals currently known as non-POPs/PBTs. The model can achieve an average prediction accuracy of 95.3 ± 0.6% and an F-measurement of 79.3 ± 2.5% for PBT/POP-like chemicals (positive samples only) on external data sets. The DCNN model was further evaluated with 52 experimentally determined PBT chemicals in the REACH PBT assessment list and correctly recognized 47 chemicals as PBT/non-PBT chemicals. The DCNN model yielded a total of 4011 suspected PBT/POP like chemicals from 58 079 chemicals merged from five published industrial chemical lists. The proportions of PBT/POP-like substances in the chemical inventories were 6.9-7.8%, higher than a previous estimate of 3-5%. Although additional PBT/POP chemicals were identified, no new family of PBT/POP-like chemicals was observed.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».