機械学習に基づく土壌金属の生態毒性の多次元分析と地域生態学的リスク予測

科学分野:

• 環境科学 環境科学
• 生態毒理学 エコトキシコロジ
• コンピューティング・ケミストリー

背景:

• 土壌の金属汚染は,生態系と人間の健康に重大なリスクをもたらします.
• 現在のリスク管理は,確立された毒性の値と,複雑な金属-土壌-種間の相互作用を捉えることができないモデルがないことによって制限されています.

研究 の 目的:

• 土壌の金属毒性の値を予測するための機械学習の枠組みを開発する.
• 金属の物理化学的特性,土壌環境要因,および正確な毒性の予測のための種特有の反応を統合する.

主な方法:

• 文献と実験的な情報源から1231の多次元データレコードをまとめました.
• 2つのエンコーディング戦略 (毒性の経験値とワンホットエンコーディング) を開発し,比較した.
• ランダムフォレストモデルを利用し,R2 = 0.82を達成し,予測の98%が1.5倍の誤差で予測されました.

主要な成果:

• 土壌の特性 (粘土,カチオン交換能力) は,毒性の予測に (42.7%) 主要な貢献者でした.
• 金属の属性 (32.8%) と種の感受性 (24.5%) も予測に大きく影響した.
• 金属の生物利用性の重要な調節因子として非線形相互作用 (pH-粘土など) を特定した.

結論:

• 開発された機械学習モデルは,土壌の金属毒性の値 (EC10値) を正確に予測します.
• 独立したデータセットに適用されたこのモデルは,新興元素を含む様々な金属に対する欧州と中国の高リスクゾーンを特定した.
• 大規模で多次元的な土壌金属リスク評価と管理に不可欠なサポートを提供します.