阻燃劑在保障消費品消防安全上至關重要👨🏿‍⚖️，但傳統鹵化阻燃劑，像多溴聯苯醚👧🏽，毒性和持久性強♒️，嚴重威脅人類健康與環境，正逐步被淘汰🧑🏽⛲️。有機磷阻燃劑（OPFRs）因毒性較低⛪️、環境持久性弱，成為備受矚目的替代品✸。然而😲，OPFRs的毒性成分不可忽視。它們會通過多種途徑進入環境🎈，持續接觸可能損害神經系統、內分泌系統等。並且，傳統研發OPFRs的實驗方法既耗費時間又消耗資源，從阻燃性測試到毒性驗證🏋🏼‍♂️，流程繁瑣、周期長。為尋求新的安全有效有機磷阻燃劑🏋️‍♀️，亟需建立高效的開發方法實現有機磷阻燃劑的阻燃和安全系統評估🖌。

近期，在國家自然科學基金面上項目、科技部重點研發項目、中科院先導項目等資助下，沐鸣2平台環境系環境健康教研組方明亮教授以“Artificial Intelligence for the Discovery of Safe and Effective Flame Retardants”為題，在Environmental science & technology上發表了一篇研究長文（Article）。

基於人工智能的有機磷阻燃劑篩選方法✋🏿：研究團隊首先收集整理了大量關於有機磷阻燃劑（OPFRs）阻燃性的文獻數據🧖🏼🙌🏽，構建了包含128種OPFRs極限氧指數（LOI）值等信息的數據集🔶，並定義了用於後續建模分析的關鍵參數和指標🧖🏿‍♀️。研究中發現🦞，不同算法構建的模型在預測OPFRs阻燃性上表現各異，其中深度神經網絡（DNN）模型表現突出。通過模型解析，確定了摩根507（P=N連接苯環）和114（季碳）等對阻燃性有重要影響的子結構🕌。結合這些關鍵子結構信息，從ZINC數據庫中篩選出可能具有高阻燃性的化合物👨🏻‍🔬。同時💆🏿‍♂️，團隊構建評分系統🎮，綜合考慮吸收性♻💾、降解性和毒性等因素🤚🏿，對篩選出的化合物進行打分排序⚀。該評分系統結合多種預測軟件🚵‍♂️，從多個維度評估化合物特性🦹🏽，優化了篩選準確性。此外，對篩選出的化合物進行實驗驗證。如通過自行設計的阻燃性測試方法👩‍❤️‍💋‍👩、降解實驗以及細胞毒性和斑馬魚胚胎毒性實驗，對候選化合物進行全面評估，確保篩選出的OPFRs兼具高阻燃性和安全性。

阻燃預測模型的開發🧑🏻‍🔬： 在數據整理與分析階段，利用 K-means 聚類和 PCA 處理數據，將 LOI數據集分 3 類，以LOI區間最大的數據集訓練模型，其余數據作驗證集。模型構建與評估時🕰，基於 LOI 中位數構建平衡數據集🤰🏿，運用機器學習構建模型，結果顯示 DNN 模型表現最佳👨🏽‍🚒，XGB 模型次之，其他低準確率模型被排除。模型解讀方面，通過 SHAP 方法發現，DNN 和 XGB 模型都表明摩根507（P=N連接苯環）和114（季碳）對增強阻燃性意義重大，DNN 模型還因調整子結構權重提升了預測準確率。

有機磷阻燃劑的篩選：首先從ZINC數據庫獲取883,897,289種化合物✤，經過篩選👩🏽‍🔬，保留含磷且分子量低於1000的化合物👩‍🍳，並排除LOI數據集中的化合物以及56種市售阻燃劑😻，得到92,180種化合物。研究團隊構建的打分系統從四個維度評估有機磷阻燃劑（OPFRs）候選化合物。阻燃性分數（S1）計算時🦵，考慮到深度神經網絡（DNN）模型預測準確率更高，賦予其較高權重📃🦃，結合DNN和極端梯度提升（XGB）模型預測結果得出🧪☞。吸收性分數（S2）借助ADMETlab 3.0預測生物富集因子等數據✊🏿🪵，按規則打分後取均值。降解性分數（S3）依據化合物在特定條件下羥基自由基半衰期來確定🕷，大於2天為0分🤵🏼‍♀️，小於0.075天是0.5分🧕，0.075 - 2天則為1分。毒性分數（S4）通過T.E.S.T等工具預測相關毒性數據後計算。最後將這四項分數取平均值得到總分數🎋，用於篩選性能更優的OPFRs。最終，確定了6種的候選化合物。

篩選的候選OPFR的實驗驗證： 研究團隊對篩選出的6種新的有機磷阻燃劑（OPFRs）和6種已商用阻燃劑進行實驗驗證🍉。在阻燃性測試方面✬，針對12種化合物📇，開發了通過計數聚酯線燃燒次數的阻燃測試新方法🫅🏻，結果顯示新阻燃劑Z1和Z2在阻燃測試中表現突出💇🏿‍♂️，具有優良的阻燃效果🛣。在降解性測試中🤚，考察化合物在紫外線和臭氧條件下的降解半衰期，發現Z1和Z2的降解半衰期分別為2.5小時和15小時🧒🏿，而商用阻燃劑C3雖阻燃性好，但降解半衰期達89小時🔠，易造成環境汙染。細胞毒性測試表明，Z2的IC50為335.4 μM，毒性相對較低，同時。斑馬魚胚胎毒性實驗顯示，Z2在各項測試中表現良好👓，具有有成為新型商業OPFR的潛力👩🏿‍🍳。

總結🐬📗：過去，在阻燃劑領域，人們的關註重點主要集中在傳統鹵化阻燃劑的危害以及有機磷阻燃劑（OPFRs）作為替代品的潛力上，卻忽視了對OPFRs深入研究的緊迫性。由於OPFRs化學結構多樣🧚🏼，其不同結構所表現出的阻燃性能🧎🏻‍➡️、毒性、降解性等差異極大🦺。本研究首次提出了一種可解釋的人工智能輔助產品設計（AIPD）方法框架，能夠高效篩選新型、安全且有效的OPFRs，並深入探究其多種特性🤦🏿。從 ZINC 數據庫篩選出候選化合物🧙🏽，通過綜合評分系統考量吸收、毒性和持久性等因素進行排序🧑🏿‍⚕️。經實驗驗證，化合物 Z2 表現出高阻燃性、易降解和低毒性的特點，有成為新型商業 OPFR 的潛力。

論文鏈接🏊🏻‍♀️： https://pubs.acs.org/doi/10.1021/acs.est.4c14787

沐鸣2平台環境系方明亮教授論文的通訊作者🏌🏼🦥。論文第一作者陳梟嘉、年敏現為沐鸣2平台環境系博士後。

供稿🦂：方明亮教授團隊

審核🍲：張立武