基于环境虚拟细胞的混合物风险评估方法及装置与流程

本发明涉及人工智能风险评估及生物信息学，具体涉及基于环境虚拟细胞的混合物风险评估方法及装置。

背景技术：

1、随着化学品的大量生产与广泛应用，水体、土壤、大气、食品及人体生物样本等介质中普遍存在多种污染物共存的现象，形成组成复杂且浓度比例随时间动态变化的化学混合物。目前，污染物混合物的风险评估主要采用剂量加和模型、独立作用模型或风险商加和法进行混合风险的定量估算。同时，利用计算毒理学与细胞扰动预测方法对污染物的潜在生物效应进行预测。

2、然而，上述现有技术仍存在以下缺陷：第一，现有预测方法缺乏对混合物组分构成、比例变化、暴露时间以及目标细胞基线状态差异的综合表征能力，难以实现对混合物暴露下整体细胞状态变化的预测。第二，未能将细胞内命运过程、细胞器分辨的扰动效应、细胞状态预测与混合物风险评估整合于统一框架内，难以准确反映真实暴露场景下化学混合物所引发的细胞响应及其综合风险。

技术实现思路

1、本发明提供了一种基于环境虚拟细胞的混合物风险评估方法及装置，以解决混合物暴露下整体细胞状态变化的预测以及准确反映真实暴露场景下化学混合物所引发的细胞响应及其综合风险的问题。

2、第一方面，本发明提供了一种基于环境虚拟细胞的混合物风险评估方法，方法包括：

3、获取环境虚拟细胞模型；其中，所述环境虚拟细胞模型是基于污染物暴露场景数据以及与污染物暴露场景对应的细胞状态标签训练得到的；

4、获取目标细胞对应的待评估污染物暴露场景数据；其中，所述待评估污染物暴露场景数据包括待评估污染物混合物表征、待评估暴露条件表征和待评估基线细胞表征；

5、将所述待评估污染物混合物表征、所述待评估暴露条件表征和所述待评估基线细胞表征输入所述环境虚拟细胞模型，得到目标细胞的第一细胞状态；

6、根据所述第一细胞状态确定待评估污染物混合物引起的第一生物效应，并根据所述第一生物效应生成所述待评估污染物混合物的风险评估结果。

7、本发明利用环境虚拟细胞模型，将待评估污染物混合物表征、暴露条件表征和基线细胞表征映射为目标细胞的细胞状态，再由细胞状态确定生物效应并生成风险评估结果。实现以细胞实际状态变化为依据反映混合物的整体生物学效应，克服了传统技术难以预测污染物混合物引起的细胞真实生物效应的缺陷；同时，对于组分、比例和暴露条件不同的混合物，获取其表征数据完成评估，准确表征真实暴露场景下污染物混合物的细胞状态和综合风险评估，实现了对污染物混合物风险的快速、可复现评估。

8、在一种可选的实施方式中，在所述获取预训练的环境虚拟细胞模型之前，所述方法还包括：

9、获取环境虚拟细胞构建数据和污染物暴露场景数据，所述环境虚拟细胞构建数据包括目标细胞未处于污染物暴露场景时的基线状态数据以及目标细胞处于污染物暴露场景时的细胞扰动响应数据；

10、对所述污染物暴露场景数据进行编码和表征处理，得到污染物暴露场景表征数据，并基于所述基线状态数据以及所述细胞扰动响应数据，确定与污染物暴露场景对应的细胞状态标签；其中，所述污染物暴露场景表征数据包括污染物混合物表征、暴露条件表征和基线细胞表征；

11、基于所述污染物暴露场景表征数据和所述细胞状态标签，对预设网络模型进行训练，得到环境虚拟细胞模型。

12、本发明以基线状态数据和细胞扰动响应数据确定细胞状态标签，模型训练数据来源于实际细胞响应，从而将真实的细胞层面扰动规律的数据输入模型；同时，利用环境虚拟细胞模型进行模型构建与风险评估，可反复用于不同混合物的评估，无需为每次评估重新建模，提高了评估结果的生物学可信度。

13、在一种可选的实施方式中，所述污染物暴露场景数据包括污染物混合物数据、暴露条件数据和目标细胞的基线状态数据；所述对所述污染物暴露场景数据进行编码和表征处理，得到污染物暴露场景表征数据，包括：

14、基于污染物先验信息对所述污染物混合物数据中的各污染物组分进行编码，得到各污染物组分对应的组分表征，根据所述组分表征确定污染物混合物表征；

15、对所述暴露条件数据进行编码，得到暴露条件表征；

16、对所述目标细胞的基线状态数据进行编码，得到基线细胞表征。

17、本发明基于污染物先验信息对各污染物组分分别编码后再确定混合物表征，使混合物表征同时保留各组分的化学属性信息与混合物整体组成信息，从而支持对训练阶段未出现过的新的组分组合进行评估，扩展了模型的适用范围；将污染物混合物、暴露条件与基线细胞三类信息分别编码、表征，各表征维度互不干扰，针对不同数据类型选择相应的编码方式，有利于提升模型预测的准确性和稳定性。

18、在一种可选的实施方式中，所述基于所述污染物暴露场景表征数据和所述细胞状态标签，对预设网络模型进行训练，得到环境虚拟细胞模型，包括：

19、将所述污染物暴露场景表征数据输入预设网络模型，得到预测细胞状态；

20、根据所述预测细胞状态与所述细胞状态标签确定模型训练误差；

21、根据所述模型训练误差对所述预设网络模型进行参数更新，返回将所述污染物暴露场景表征数据输入预设网络模型，得到预测细胞状态的步骤，直至所述模型训练误差满足预设收敛条件，得到环境虚拟细胞模型。

22、本发明通过预测细胞状态与细胞状态标签之间的误差从而迭代更新模型参数，并以预设收敛条件控制训练终止，使模型在有限的训练数据下即可稳定收敛，避免过拟合或欠拟合，为后续污染物混合物风险评估提供了精度保障。

23、在一种可选的实施方式中，所述根据所述第一细胞状态确定待评估污染物混合物引起的第一生物效应，并根据所述第一生物效应生成所述待评估污染物混合物的风险评估结果，包括：

24、将所述第一细胞状态与所述目标细胞的基线状态进行比较，确定细胞状态变化；

25、根据所述细胞状态变化确定所述待评估污染物混合物引起的第一生物效应，并确定所述第一生物效应对应的生物效应类型和生物效应强度；

26、根据所述生物效应类型和生物效应强度生成所述待评估污染物混合物的风险评估结果，所述风险评估结果包括风险筛查结果、风险处理优先级和风险等级。

27、本发明将预测得到的第一细胞状态与目标细胞自身的基线状态作比较，以细胞状态变化为判据确定生物效应及其类型和强度，实现了对混合物生物学效应的性质与程度的量化反映，避免了直接以外部浓度推断效应造成的偏差；风险评估结果同时涵盖风险筛查结果、风险处理优先级和风险等级，支撑大规模混合物的快速筛查排序，为分级管理与处置决策提供直接依据。

28、在一种可选的实施方式中，所述待评估污染物混合物表征包括各污染物组分对应的单组分污染物表征；所述方法还包括：

29、利用所述环境虚拟细胞模型预测各单组分污染物表征对应的目标细胞的第二细胞状态；

30、根据所述第二细胞状态确定各污染物组分对应的单组分生物效应；

31、对各污染物组分的单组分生物效应进行混合，确定第二生物效应；

32、将所述第二生物效应与所述第一生物效应进行对比，根据对比结果确定各污染物组分之间的相互作用关系。

33、本发明利用环境虚拟细胞模型分别预测各污染物组分单独暴露对应的单组分生物效应，再将得到的第二生物效应与第一生物效应对比，为判断各组分之间的相互作用属于相加、协同还是拮抗作用减小后续实验范围，克服了传统方法无法解析混合效应性质、难以发现协同增效风险组合的问题，为混合物风险的形成分析与针对性管控提供了直接依据。根据预测结果，进行体外细胞实验进行验证，验证结果可以为模型提供更新和迭代，从而逐步增加模型的准确性。

34、在一种可选的实施方式中，所述方法还包括：

35、对所述待评估污染物混合物中的污染物组分进行调整，得到调整后的待评估污染物混合物表征；

36、利用所述环境虚拟细胞模型预测调整后的待评估污染物混合物表征对应的目标细胞的第三细胞状态，基于所述第三细胞状态确定第三生物效应；

37、根据所述第三生物效应与所述第一生物效应之间的差异，确定相应污染物组分对应的风险贡献值；

38、根据所述风险贡献值对所述风险评估结果进行更新。

39、本发明通过对混合物中污染物组分的删除或调整进行推演，比较调整前后生物效应的差异来确定各组分的风险贡献值，实现了风险驱动组分的定量识别；据此更新风险评估结果能够明确混合物风险的主要来源，避免了对全部组分无差别管控造成的资源浪费。

40、第二方面，本发明提供了一种基于环境虚拟细胞的混合物风险评估装置，所述装置包括：

41、获取模块，用于获取环境虚拟细胞模型；其中，所述环境虚拟细胞模型是基于污染物暴露场景数据以及与污染物暴露场景对应的细胞状态标签训练得到的；

42、表征模块，用于获取目标细胞对应的待评估污染物暴露场景数据；其中，所述待评估污染物暴露场景数据包括待评估污染物混合物表征、待评估暴露条件表征和待评估基线细胞表征；

43、预测模块，用于将所述待评估污染物混合物表征、所述待评估暴露条件表征和所述待评估基线细胞表征输入所述环境虚拟细胞模型，得到目标细胞的第一细胞状态；

44、生成模块，用于根据所述第一细胞状态确定待评估污染物混合物引起的第一生物效应，并根据所述第一生物效应生成所述待评估污染物混合物的风险评估结果。

45、第三方面，本发明提供了一种电子设备，包括：存储器和处理器，存储器和处理器之间互相通信连接，存储器中存储有计算机指令，处理器通过执行计算机指令，从而执行上述第一方面或其对应的任一实施方式的基于环境虚拟细胞的混合物风险评估方法。

46、第四方面，本发明提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机指令，计算机指令用于使计算机执行上述第一方面或其对应的任一实施方式的基于环境虚拟细胞的混合物风险评估方法。