期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
基于同步辐射X射线荧光光谱与机器学习的非靶标金属组学预测PVC纳米塑料对水稻毒性的浓度依赖性 被引量:4
1
作者 魏超杰 解宏鑫 +2 位作者 王伟 李柏 李玉锋 《中国无机分析化学》 CAS 北大核心 2024年第8期1015-1021,共7页
环境中的微/纳米塑料污染引起了人们极大关注。土壤中的微/纳米塑料不可避免对植物产生影响,因此预测微/纳米塑料的植物毒性可为土壤中微/纳米塑料治理提供抓手。以水稻为研究对象,发展了基于同步辐射X射线荧光(SRXRF)光谱与机器学习的... 环境中的微/纳米塑料污染引起了人们极大关注。土壤中的微/纳米塑料不可避免对植物产生影响,因此预测微/纳米塑料的植物毒性可为土壤中微/纳米塑料治理提供抓手。以水稻为研究对象,发展了基于同步辐射X射线荧光(SRXRF)光谱与机器学习的非靶标金属组学方法,以预测聚氯乙烯纳米塑料(nPVC)对水稻的毒性。首先将水稻暴露于不同浓度(500 ng/g与500μg/g)nPVC中,培养35 d后,收集水稻叶;其次,利用SRXRF研究暴露nPVC后水稻叶中金属组的变化;然后,利用机器学习方法区分暴露不同浓度nPVC水稻样品。对SRXRF光谱进行主成分分析(PCA)非监督聚类,发现500μg/g组能够良好聚类,而500 ng/g组与对照组无明显差异,表明500 ng/g的nPVC暴露对植物的毒性远低于500μg/g nPVC。对SRXRF全光谱,利用线性模型k近邻算法(kNN)和非线性模型支持向量机(SVM)建立预测模型,区分不同组别的准确率可达94.12%。为了提升运算速度,减少模型计算量,使用竞争性自适应加权重采样算法(CARS)挑选特征光谱建立预测模型,区分不同组别的准确率为89.51%。相对全光谱模型,特征光谱预测模型虽然预测准确率下降了4.61%,但模型输入参数减少了99.38%,因此同样具有良好潜力。研究表明,基于SRXRF和机器学习的非靶标金属组学可准确预测不同浓度nPVC对水稻金属组的干扰程度,从而反映nPVC对水稻毒性的浓度依赖性。方法同样可用于预测其他微/纳米塑料毒性的浓度依赖性。 展开更多
关键词 聚氯乙烯纳米塑料 水稻 同步辐射X射线荧光光谱 机器学习 非靶标金属组学
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部