使用机器学习方法预测银纳米颗粒对土壤酶活性的影响:类型,大小,剂量和暴露时间

科学领域:

• 环境科学 环境科学
• 土壤科学 土壤科学
• 纳米技术 纳米技术

背景情况:

• 银纳米粒子 (AgNPs) 的使用越来越多,引发了人们对其环境影响的担忧.
• 土壤酶是土壤健康和功能的关键指标.
• 了解AgNP与土壤生态系统的相互作用对于风险评估至关重要.

研究的目的:

• 使用机器学习预测银纳米粒子 (AgNPs) 对土壤酶活性的影响.
• 确定影响AgNP对土壤酶毒性的关键因素.
• 为了解土壤酶对AgNP反应的规律性提供见解.

主要方法:

• 使用的机器学习模型:通过遗传算法 (GA),梯度增强机器 (GBM) 和随机森林 (RF) 优化的人工神经网络 (ANN).
• 使用部分依赖概况 (PDP) 分析以确定AgNP属性和实验条件的影响.
• 在不同的剂量,类型,大小和暴露时间中模拟AgNP效应.

主要成果:

• 聚烯利胺涂层AgNPs (PVP-AgNPs) 对土壤酶活性表现出最显著的抑制作用 (49.5%).
• ANN模型预测,酶活性最初下降,然后随着AgNP大小的增加而增加.
• ANN和RF模型表明,在暴露于未涂层AgNP的30天前,土壤酶活性会下降,然后恢复并稍微下降.
• ANN模型确定了以下因素的重要性顺序:剂量>类型>大小>暴露时间.
• 射频模型确定了AgNP暴露的敏感范围:0.01-1 mg/kg (剂量),50-100 nm (大小) 和30-90天 (暴露时间).

结论:

• 机器学习模型有效地预测了土壤酶对AgNP的反应.
• AgNP的剂量和类型是土壤酶活性变化的主要驱动因素.
• AgNP的大小和暴露时间也在调节酶反应中起着重要作用.
• 这项研究为土壤环境中AgNP的生态风险提供了有价值的预测见解.