基于机器学习筛选新型PFASs替代品的方法

本发明公开一种基于机器学习筛选新型PFASs替代品的方法，首先从PubChem数据库获取PFASs分子数据集，包括原始PFASs分子SMILES数据集和短链PFASs数据集，并分别进行预处理，前者去除重复、空白数据，过滤无效SMILES字符串并标准化，后者筛选含H3开头危险说明代码、去除空白危险说明代码数据；接着利用RDKit生成新PFASs分子，构建短链PFASs危险说明代码分类模型，通过10倍交叉验证的随机搜索对模型超参数调优，再用精确度、召回率和F1‑score评估模型；然后将新生成的短链PFASs分子输入模型，预测危险说明代码，筛选出符合特定危险说明代码的低毒性替代品；最后将分子SMILES字符串转化为分子描述符，根据分子量等指标选出符合预设性能指标的候选物。本发明中的筛选方法高效、准确、成本低。