使用基于eXtreme Gradient Boosting的机器学习在有机溶剂中开发和评估药物溶解度有效预测模型

为什么药物的溶解很重要

当一片药片进入体内时，活性成分必须先溶解才能发挥作用。活性成分在液体中的溶解容易程度影响药品的制备方式、稳定性以及疗效。在多种液体和温度下测量这种“溶解度”既缓慢又昂贵。本研究探讨了现代数据工具——机器学习——如何帮助科学家使用少量易得的信息，快速估算药物类化合物在常见有机溶剂中的溶解性。

为结晶选择合适的溶剂

在药物生产中，常常从有机溶剂中生长活性成分的晶体。溶剂不仅决定固体回收量，还影响晶体的尺寸与形态，而这些又会影响药物的性能。传统上，化学家要么进行大量实验，要么使用复杂的热力学方程来预测溶解度。这些方法虽然可以准确，但通常需要大量拟合参数或早期开发阶段难以获得的详细分子数据。本文作者则提出，是否可以通过精心设计的机器学习模型，在保持输入简单且具物理意义的前提下，把握溶解度的主要趋势。

兼具物理直觉的紧凑数据驱动模型

研究团队使用一种流行的机器学习方法——eXtreme Gradient Boosting（XGBoost）构建了溶解度预测模型。他们收集了四种药物类分子在九种常见有机溶剂中、跨越较宽温度范围的已发表溶解度数据，共计224个数据点。与其向算法输入任意描述符，他们选择了化学家已熟悉的十个特征：固体性质（如熔点、熔融热、热容和一个知名的溶解度参数）、基本液体属性（通过介电常数表征的极性和沸点）、温度本身以及固体和溶剂名称的简单编码。为反映大多数固体随升温溶解度增加的事实，他们还在模型中加入了一条规则，强制预测随温度上升，从而保证物理上合理的行为。

模型与实际测量的匹配程度

在使用交叉验证调整模型后，作者测试了预测与实测值的接近程度。他们通过比较实测和预测溶解度的对数来评价性能，这种做法适合于溶解度跨越数量级的情况。对于用于训练和测试的四种化合物，模型以很小的平均误差和很高的相关性再现了数据，表明它能够可靠地描述在多种溶剂环境中的温度依赖溶解度。值得注意的是，即便是对溶解性极差、行为难以用简单方程捕捉的利培酮（risperidone），模型仍保持了准确性。

预测全新化合物的能力

关键问题是模型是否能处理从未见过的活性成分。为此，研究者将第五种化合物布他美（butamben）的全部数据留作外部测试，这50个测量值仅在训练完成后用于验证。这一真实预测任务中的误差比模型已见数据时更大，但仍处于与典型实验不确定性相当的范围内，尤其是在若干测试溶剂中。与两种广泛使用的半经验热力学方法（Flory–Huggins 与温度依赖的NRTL-SAC）相比，XGBoost模型总体上产生了更小的误差，并在最具挑战性的体系中表现尤为出色。

对未来药物开发的意义

对非专业读者来说，关键结论是：一个相对小规模且具有物理启发的机器学习模型，能够可靠地估算药物类分子在常见有机溶剂中随温度变化的溶解度。它使用一组适度可测的性质，而无需传统方法中常见的大量参数拟合。作者指出，进一步改进所选描述符并扩展数据集会提升性能，但该研究已表明此类模型能在溶剂筛选和工艺设计中提供支持，帮助化学家在开展详细实验之前缩小可行选项范围。

引用: Valavi, M., Assareh, M., Khoshsima, A. et al. Development and evaluation of an effective solubility prediction model for pharmaceuticals in organic solvents using machine learning based on eXtreme Gradient Boosting. Sci Rep 16, 16592 (2026). https://doi.org/10.1038/s41598-026-53038-w

关键词: 药物溶解度, 有机溶剂, 机器学习, XGBoost, 结晶