基于梯度提升回归树的有机污染物生物-沉积物积累因子预测模型

生物-沉积物积累因子(BSAF)是评价底栖无脊椎生物对有机污染物生物积累能力的重要参数,是由化合物、底栖环境与无脊椎生物之间的三相作用决定的.现有模型通常采用线性算法研究化合物BSAF与化合物理化性质的关系,忽略了由于环境-生物-化合物相互作用引发的非线性影响,导致线性模型拟合和预测能力有限.本研究基于理化性质(PCP)和分子指纹(ECFP)描述化合物特征,结合环境样点和生物特征,采用梯度提升回归树(GBRT)的非线性算法,分别构建了底栖生物体内积累因子的GBRT-PCP和GBRT-ECFP预测模型,并与利用岭回归算法构建的线性模型进行比较.结果表明,GBRT模型训练集决定系数(R2)均为0.97,验证集R2为0.82～0.83,表明GBRT模型的拟合优度和预测能力显著优于岭回归模型(训练集和验证集R2 分别为0.38～0.56和0.38～0.52).沉积物有机碳含量对生物-沉积物积累因子的影响呈波动下降趋势,脂质含量呈先波动上升而后下降趋势.GBRT-PCP模型结果表明,化合物疏水性(logKOE)对生物积累影响呈先平稳后上升而后下降趋势,吸附性(logKOC)对生物积累呈波动下降趋势.总体上,具有中等logKOW(6.8～8.2)和中等logKOC(4.4～5.2)的化合物易于积累在生物组织.GBRT-ECFP模型阐明了稠环、芳香环、醚键、C—Br键、联苯键等结构是影响生物积累的关键子结构,该模型基于分子指纹结构可实现对化学品生物积累的高通量预测.本研究建立的模型为化学品生态风险评价和管理决策制定提供理论依据和方法参考.