类型a：学术研究报告

作者及机构
本研究由法国IFP Energies nouvelles（新能源研究所）热力学与分子模拟团队的B. Creton、E. Barraud和C. Nieto-Draghi合作完成，发表于2024年4月的期刊《SAR and QSAR in Environmental Research》（第35卷第4期，页码309–324）。

学术背景
全氟和多氟烷基物质（Per- and Polyfluoroalkyl Substances, PFASs）是一类人工合成的持久性有机污染物，因其碳-氟键的高稳定性被广泛应用于防水材料、消防泡沫等领域，但同时也因其环境持久性和潜在毒性（如内分泌干扰效应）成为全球关注焦点。PFASs的表面活性特性（如临界胶束浓度，Critical Micelle Concentration, CMC）对其环境行为（如吸附、迁移）具有重要影响，但实验数据稀缺。本研究旨在开发定量结构-性质关系（Quantitative Structure-Property Relationship, QSPR）模型，预测PFASs的CMC值，以弥补实验数据的不足。

研究流程
1. 数据收集与整理
- 从文献中系统收集了60个PFASs（含部分非氟化表面活性剂）在25°C下的CMC实验值，并剔除不一致数据（如PFHxS-K的CMC值在不同文献中差异显著）。
- 补充了Qin等整理的199种非氟化表面活性剂的CMC数据，以扩大化学空间覆盖范围。

1. 分子描述符构建

   • 采用功能基团计数描述符（Functional Group Count Descriptors, FGCDs），共63个（如X12=CF3基团数量、X15=CF2基团数量），通过RDKit软件和SMARTS代码自动生成。
     
   • 通过主成分分析（PCA）可视化化学空间，确认描述符能有效区分氟化与非氟化化合物。
     

2. 机器学习建模

   • 模型类型：开发两类支持向量回归（Support Vector Regression, SVR）模型——
     
     • Type I：仅基于55个PFASs数据；
       
     • Type II：结合PFASs与非氟化表面活性剂（共254个化合物）。
       
   • 验证方法：采用5折交叉验证（5-CV），固定5个PFASs作为训练集，其余50个随机分入测试集。优化超参数（cost、epsilon、gamma）以提升预测性能。
     

3. 性能评估

   • 使用均方根误差（RMSE）、平均绝对误差（MAE）和决定系数（R²）评估模型。Type I和Type II模型在测试集上的平均R²分别为0.913和0.899，显示两者预测能力接近。
     
   • 最终选择Type II模型（适用域更广），其全数据集训练的R²=0.966，RMSE=17.1 mM。
     

主要结果
1. 模型预测能力
- 对PFASs同系物（如全氟烷酸，PFAAs）的CMC预测结果与经验公式（CMC随碳原子数增加呈指数下降）一致，验证了模型的物理合理性。
- 异常值分析：如PFDA-Na的实验CMC（0.91 mM）偏离同系物趋势，模型预测值（2.06 mM）更符合理论规律，提示文献数据可能存在误差。

1. 反离子效应
   
   • 模型成功捕捉反离子（Li⁺、Na⁺、K⁺等）对CMC的影响规律，如PFAA-Na的CMC低于PFAA-K，与Lunkenheimer等实验结论一致。
     

结论与价值
1. 科学意义
- 首次构建了基于机器学习的PFASs-CMC预测模型，填补了该领域数据空白。
- 揭示了PFASs结构-性质关系，为理解其环境行为（如胶束形成对迁移性的影响）提供理论工具。

1. 应用价值
   
   • 可辅助评估PFASs的环境风险，优化污染修复策略（如泡沫分离技术）。
     
   • 模型开源数据（附表S1）支持后续研究扩展。
     

研究亮点
1. 方法创新
- 结合FGCDs与SVR算法，实现了小样本数据下的高精度预测（R²>0.9）。
- 通过引入非氟化化合物数据，增强了模型泛化能力。

1. 发现创新
   
   • 识别出文献中潜在异常数据（如TDHP的CMC），推动实验复验。
     
   • 量化了反离子类型对PFASs-CMC的影响，补充了界面化学理论。
     

其他价值
- 研究团队开发的FGCDs描述符体系可推广至其他表面活性剂性质预测（如溶解度、毒性）。
- 模型代码与数据集公开，促进跨学科合作（环境科学、计算化学）。