一种通过机器学习算法预测化学品致突变性的方法

摘要

本发明属于生态风险评价测试策略领域，公开一种通过机器学习算法预测化学品致突变性的方法。在已知化合物分子结构的基础上，通过计算分子指纹，应用所构建的方法，即能快速、高效的预测化合物的致突变性。该方法简单快捷、成本低廉，且能节省实验测试所需的人力、物力、财力。方法的构建过程如下：搜集化学品致突变性数据；数据预处理；计算分子指纹；选择机器学习算法并训练模型；选用准确度等指标对模型进行评价；表征应用域；在构建的方法中，输入待测分子，输出待测分子的致突变性。本发明建立的预测模型具有良好的拟合能力、稳健性和预测能力，能够有效地预测化学品的致突变性，为化学品的风险评价和管理提供必要的基础数据，具有重要意义。