The widespread use of new engineered nanomaterials (ENMs) in industries such as cosmetics, electronics, and diagnostic nanodevices, has been revolutionizing our society. However, emerging studies suggest that ENMs present potentially toxic effects on the human lung. In this regard, we developed a machine learning (ML) nano-quantitative-structure-toxicity relationship (QSTR) model to predict the potential human lung nano-cytotoxicity induced by exposure to ENMs based on metal oxide nanoparticles. Tree-based learning algorithms (e.g., decision tree (DT), random forest (RF), and extra-trees (ET)) were able to predict ENMs’ cytotoxic risk in an efficient, robust, and interpretable way. The best-ranked ET nano-QSTR model showed excellent statistical performance with R2 and Q2-based metrics of 0.95, 0.80, and 0.79 for training, internal validation, and external validation subsets, respectively. Several nano-descriptors linked to the core-type and surface coating reactivity properties were identified as the most relevant characteristics to predict human lung nano-cytotoxicity. The proposed model suggests that a decrease in the ENMs diameter could significantly increase their potential ability to access lung subcellular compartments (e.g., mitochondria and nuclei), promoting strong nano-cytotoxicity and epithelial barrier dysfunction. Additionally, the presence of polyethylene glycol (PEG) as a surface coating could prevent the potential release of cytotoxic metal ions, promoting lung cytoprotection. Overall, the current work could pave the way for efficient decision-making, prediction, and mitigation of the potential occupational and environmental ENMs risks.

中文翻译：

---

预测纳米细胞毒性的纳米 QSTR 模型：一种使用人类肺细胞数据的方法

新型工程纳米材料 (ENM) 在化妆品、电子产品和诊断纳米设备等行业的广泛应用，正在彻底改变我们的社会。然而，新出现的研究表明 ENMs 对人肺有潜在的毒性作用。在这方面，我们开发了一种机器学习 (ML) 纳米定量结构毒性关系 (QSTR) 模型，以预测暴露于基于金属氧化物纳米粒子的 ENM 诱导的潜在人肺纳米细胞毒性。基于树的学习算法（例如，决策树 (DT)、随机森林 (RF) 和额外树 (ET)）能够以高效、稳健和可解释的方式预测 ENM 的细胞毒性风险。排名最高的 ET nano-QSTR 模型显示出出色的统计性能，基于 R2 和 Q2 的训练、内部验证指标分别为 0.95、0.80 和 0.79，和外部验证子集，分别。几个与核心类型和表面涂层反应特性相关的纳米描述符被确定为预测人肺纳米细胞毒性的最相关特征。拟议的模型表明，ENM 直径的减小可以显着增加它们进入肺亚细胞区室（例如线粒体和细胞核）的潜在能力，从而促进强烈的纳米细胞毒性和上皮屏障功能障碍。此外，聚乙二醇 (PEG) 作为表面涂层的存在可以防止细胞毒性金属离子的潜在释放，促进肺细胞保护。总的来说，目前的工作可以为有效的决策、预测和减轻潜在的职业和环境 ENMs 风险铺平道路。分别。几个与核心类型和表面涂层反应特性相关的纳米描述符被确定为预测人肺纳米细胞毒性的最相关特征。拟议的模型表明，ENM 直径的减小可以显着增加它们进入肺亚细胞区室（例如线粒体和细胞核）的潜在能力，从而促进强烈的纳米细胞毒性和上皮屏障功能障碍。此外，聚乙二醇 (PEG) 作为表面涂层的存在可以防止细胞毒性金属离子的潜在释放，促进肺细胞保护。总的来说，目前的工作可以为有效的决策、预测和减轻潜在的职业和环境 ENMs 风险铺平道路。分别。几个与核心类型和表面涂层反应特性相关的纳米描述符被确定为预测人肺纳米细胞毒性的最相关特征。拟议的模型表明，ENM 直径的减小可以显着增加它们进入肺亚细胞区室（例如线粒体和细胞核）的潜在能力，从而促进强烈的纳米细胞毒性和上皮屏障功能障碍。此外，聚乙二醇 (PEG) 作为表面涂层的存在可以防止细胞毒性金属离子的潜在释放，促进肺细胞保护。总的来说，目前的工作可以为有效的决策、预测和减轻潜在的职业和环境 ENMs 风险铺平道路。几个与核心类型和表面涂层反应特性相关的纳米描述符被确定为预测人肺纳米细胞毒性的最相关特征。拟议的模型表明，ENM 直径的减小可以显着增加它们进入肺亚细胞区室（例如线粒体和细胞核）的潜在能力，从而促进强烈的纳米细胞毒性和上皮屏障功能障碍。此外，聚乙二醇 (PEG) 作为表面涂层的存在可以防止细胞毒性金属离子的潜在释放，促进肺细胞保护。总的来说，目前的工作可以为有效的决策、预测和减轻潜在的职业和环境 ENMs 风险铺平道路。几个与核心类型和表面涂层反应特性相关的纳米描述符被确定为预测人肺纳米细胞毒性的最相关特征。拟议的模型表明，ENM 直径的减小可以显着增加它们进入肺亚细胞区室（例如线粒体和细胞核）的潜在能力，从而促进强烈的纳米细胞毒性和上皮屏障功能障碍。此外，聚乙二醇 (PEG) 作为表面涂层的存在可以防止细胞毒性金属离子的潜在释放，促进肺细胞保护。总的来说，目前的工作可以为有效的决策、预测和减轻潜在的职业和环境 ENMs 风险铺平道路。