基于分子特征与机器学习的线粒体毒性预测方法

本发明涉及计算毒理学领域，公开了一种基于分子特征与机器学习的线粒体毒性预测方法，包括：获取对线粒体有毒或无毒的化合物数据；对采集数据集进行预处理；计算化合物的分子指纹和分子描述符，并耦合降维；将特征数据集分为训练集和测试集，构建基于树的机器学习模型和基于距离的机器学习模型，进行模型训练和基于权重集成不同类型模型；测试集数据带入模型进行预测，并评估选取最优的组合作为化合物线粒体毒性预测模型；计算线粒体毒性预测模型的应用域并对模型机理进行解释性分析。本发明可以预测小分子化合物是否具有线粒体毒性及毒性机理，相较于现有的QSAR预测方法，预测准确率和召回率更高，模型更为可靠。