近日，中國農(nóng)業(yè)科學院植物保護研究所農(nóng)藥應用風險控制創(chuàng)新團隊先后在Environmental Science &Technology和Journal of Hazardous Materials上發(fā)表研究論文。他們首次利用機器學習模型直接預測植物根部從土壤中吸收累積農(nóng)藥等有機污染物的量，解決了傳統(tǒng)線性模型無法模擬農(nóng)藥被植物吸收的非線性關(guān)系，并揭示了影響植物累積農(nóng)藥的關(guān)鍵化學分子結(jié)構(gòu)，為農(nóng)產(chǎn)品在產(chǎn)地環(huán)境化學污染的預測提供了新的工具和手段。
準確預測植物吸收和累積農(nóng)業(yè)污染物對保障食品安全、產(chǎn)地修復和人類健康暴露評估具有重要的意義。然而，由于污染物—土壤—植物根系之間復雜的相互作用，建立穩(wěn)健可靠的預測模型仍然具有很大挑戰(zhàn)性。傳統(tǒng)的線性預測模型難以預測污染物—土壤—植物間的非線性關(guān)系，導致預測值與實際值差異較大。
該研究對比了四種不同的機器學習算法，通過對341個數(shù)據(jù)點、72個化合物的數(shù)據(jù)集進行訓練，預測植物根系富集值，證明了新構(gòu)建的GBRT-ECFP模型為最優(yōu)預測模型。此外，該研究解析了化學分子、土壤與植物特性之間的非線性關(guān)系。子結(jié)構(gòu)重要性分析明確了分子子結(jié)構(gòu)與植物富集之間的關(guān)系，確定了-O、-Cl、芳環(huán)和大共軛π系統(tǒng)等為與植物累積相關(guān)的關(guān)鍵化學子結(jié)構(gòu)。該項研究為未來新農(nóng)藥植物吸收潛能評估和農(nóng)田農(nóng)藥污染安全評價提供了新的可靠工具。(李晨)
關(guān)鍵詞： 機器學習模型 農(nóng)藥在根系累積量 機器學習模型 環(huán)境化學污染
營業(yè)執(zhí)照公示信息