在小型数据集上进行可解释机器学习的平均化策略,以了解种子纳米处理后的元素吸收
Hengjie Yu1,2, Shiyu Tang3, Sam Fong Yau Li3
1College of Biosystems Engineering and Food Science, Zhejiang University, Hangzhou 310058, China.
Environmental science & technology
|August 18, 2023
概括
植物吸收纳米颗粒是可持续种子纳米处理的关键. 纳米颗粒的可溶性,大小和表面积显著影响它们在玉米苗中的度,使得纳米材料设计更安全.
科学领域:
- 农业科学 农业科学
- 环境科学 环境科学
- 纳米技术纳米技术
背景情况:
- 了解植物中的纳米材料行为对于安全的农业应用至关重要.
- 种子纳米处理为向作物输送纳米颗粒提供了一个有前途的方法.
研究的目的:
- 预测和解释使用纳米颗粒进行种子原始化后玉米苗中的相对金属/金属化物度 (RMC).
- 开发可解释的机器学习模型,以了解纳米粒子吸收和转移.
主要方法:
- 收集了280个实验实例的数据集,这些实验实例是纳米粒子培养的玉米幼苗.
- 应用了平均化策略和可解释的机器学习 (LightGBM,RuleFit) 来进行预测和解释.
- 开发了一个可视化工具 (RuleGrid) 来说明特征效果和交互.
主要成果:
- 纳米颗粒的可溶性与模型预测性能有很强的相关性.
- 影响RMC的关键因素包括纳米粒子可溶性,表面积,度,泽塔潜力,水力动力直径,苗片部分和植物重量.
- 自解释的RuleFit模型使用六个已识别的特征准确预测了RMC.
结论:
- 这项研究提供了一种可解释的,数据驱动的方法,以了解植物中纳米粒子命运.
- 这些发现有助于农业和环境应用纳米材料的安全设计.
- 在不同方法中证实了参数和RMC之间的一致关系.


