Shedding light on “Black Box” machine learning models for predicting the reactivity of HO radicals toward organic compounds

均方误差 虚假关系 数量结构-活动关系 人工神经网络 平均绝对误差 人工智能 支持向量机 Boosting(机器学习) 梯度升压 模式识别(心理学) 反应性(心理学) 机器学习 数学 生物系统 计算机科学 统计 随机森林 病理 生物 医学 替代医学
作者
Shifa Zhong,Kai Zhang,Dong Wang,Huichun Zhang
出处
期刊:Chemical Engineering Journal [Elsevier]
卷期号:405: 126627-126627 被引量:55
标识
DOI:10.1016/j.cej.2020.126627
摘要

Developing quantitative structure-activity relationships (QSARs) is an important approach to predicting the reactivity of HO radicals toward newly emerged organic compounds. As compared with molecular descriptors-based and the group contribution method-based QSARs, a combined molecular fingerprint-machine learning (ML) method can more quickly and accurately develop such models for a growing number of contaminants. However, it is yet unknown whether this method makes predictions by choosing meaningful structural features rather than spurious ones, which is vital for trusting the models. In this study, we developed QSAR models for the logkHO values of 1089 organic compounds in the aqueous phase by two ML algorithms—deep neural networks (DNN) and eXtreme Gradient Boosting (XGBoost), and interpreted the built models by the SHapley Additive exPlanations (SHAP) method. The results showed that for the contribution of a given structural feature to logkHO for different compounds, DNN and XGBoost treated it as a fixed and variable value, respectively. We then developed an ensemble model combining the DNN with XGBoost, which achieved satisfactory predictive performance for all three datasets: Training dataset: R-square (R2) 0.89–0.91, root-mean-squared-error (RMSE) 0.21–0.23, and mean absolute error (MAE) 0.15–0.17; Validation dataset: R2 0.63–0.78, RMSE 0.29–0.32, and MAE 0.21–0.25; and Test dataset: R2 0.60–0.71, RMSE 0.30–0.35, and MAE 0.23–0.25. The SHAP method was further used to unveil that this ensemble model made predictions on logkHO based on a correct ‘understanding’ of the impact of electron-withdrawing and -donating groups and of the reactive sites in the compounds that can be attacked by HO. This study offered some much-needed mechanistic insights into a ML-assisted environmental task, which are important for evaluating the trustworthiness of the ML-based models, further improving the models for specific applications, and leveraging the implicit knowledge the models carry.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
纯真追命完成签到 ,获得积分10
4秒前
Dawn完成签到 ,获得积分10
12秒前
杨永佳666完成签到 ,获得积分10
12秒前
烟花应助小雷采纳,获得10
13秒前
pphss发布了新的文献求助30
16秒前
neilphilosci完成签到 ,获得积分10
17秒前
2024kyt完成签到 ,获得积分10
19秒前
胖胖橘完成签到 ,获得积分10
21秒前
一缕轻曲挽南墙完成签到 ,获得积分10
22秒前
汉堡包应助聪明安筠采纳,获得10
25秒前
啦啦啦完成签到 ,获得积分10
27秒前
潇湘完成签到 ,获得积分10
27秒前
看见了紫荆花完成签到 ,获得积分10
28秒前
临风浩歌完成签到 ,获得积分10
30秒前
ghost完成签到 ,获得积分10
34秒前
shimenwanzhao完成签到 ,获得积分0
35秒前
37秒前
研友_LBRPOL完成签到 ,获得积分10
39秒前
小雷发布了新的文献求助10
44秒前
Cai完成签到,获得积分10
49秒前
miyulong完成签到 ,获得积分10
50秒前
NexusExplorer应助陈秋采纳,获得10
52秒前
高挑的洋葱完成签到,获得积分10
1分钟前
和谐的映梦完成签到,获得积分10
1分钟前
wBw完成签到,获得积分10
1分钟前
Epiphany完成签到 ,获得积分10
1分钟前
Mendle完成签到 ,获得积分10
1分钟前
搜集达人应助miyulong采纳,获得10
1分钟前
汪汪淬冰冰完成签到,获得积分10
1分钟前
huangzsdy完成签到,获得积分10
1分钟前
王小裔完成签到 ,获得积分10
1分钟前
我爱康康文献完成签到 ,获得积分10
1分钟前
SC完成签到 ,获得积分10
1分钟前
rangergzz应助汪汪淬冰冰采纳,获得10
1分钟前
小雷完成签到,获得积分10
1分钟前
1分钟前
浪麻麻完成签到 ,获得积分10
1分钟前
onevip完成签到,获得积分10
1分钟前
鞑靼完成签到 ,获得积分10
1分钟前
上官聪展完成签到 ,获得积分10
1分钟前
高分求助中
좌파는 어떻게 좌파가 됐나:한국 급진노동운동의 형성과 궤적 2500
Sustainability in Tides Chemistry 1500
TM 5-855-1(Fundamentals of protective design for conventional weapons) 1000
Cognitive linguistics critical concepts in linguistics 800
Threaded Harmony: A Sustainable Approach to Fashion 799
Livre et militantisme : La Cité éditeur 1958-1967 500
氟盐冷却高温堆非能动余热排出性能及安全分析研究 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3052652
求助须知:如何正确求助?哪些是违规求助? 2709874
关于积分的说明 7418267
捐赠科研通 2354453
什么是DOI,文献DOI怎么找? 1246090
科研通“疑难数据库(出版商)”最低求助积分说明 605951
版权声明 595921