非ターゲット化化学物質の解読と解釈:受水中の最も顕著な化学物質を特定するためのデータ主導の法医学ワークフロー

科学分野:

• 環境化学
• 水質モニタリング
• 機械学習アプリケーション

背景:

• 汚染源を特定するための伝統的な化学法医のワークフローは,事前に定義されたターゲットに依存し,バイアスを導入します.
• 非標的化学分析はより広い視野を提供しますが,洗練された解釈方法が必要です.
• 多様な環境源を理解することは 効果的な流域管理に不可欠です

研究 の 目的:

• 化学汚染源を偏見なく特定するためのデータ駆動型,無監督の機械学習ワークフローを開発し評価する.
• ノンメトリック多次元スケーリング (NMDS) とノンネガティブ・マトリックス・ファクタライゼーション (NMF) の非ターゲットの化学データ解釈の有効性を比較する.
• 水質に影響を及ぼす既知の源と 未知の源を明らかにする.

主な方法:

• フォール・クリーク・モニタリング・ ステーションから毎週 標的外化学物質のデータを集めました
• 非負のマトリックス因数分解 (NMF) を適用して,化学データを別々の因数に分解する.
• 流域特性のスピアーマン相関と特徴の疑わしいスクリーニングを用いてNMF因子を解釈した.

主要な成果:

• 確認された人為的なインプットと,雪の融解と地下水の漏れに関連した新しい源を特定した.
• 化学組成の年次変化を検出した 進化する源の影響を示している
• 複雑なデータから異なる化学組成プロフィールを明らかにするNMFの能力を実証した.

結論:

• 提案された無監督の機械学習ワークフローは,ソース識別におけるバイアスを効果的に軽減します.
• このアプローチにより,新興化学物質の検出が可能になり,適応的な水質管理戦略をサポートします.
• 流域管理者は,この方法を使用して,事前に定義された源を越えて,環境条件の変化下で水資源を保護することができます.