机器学习与因果推断相结合,识别了与COVID-19相关的化学物质,这些化学物质对饮用水构成高度关注
Min Han1,2,3,4, Jun Liang5, Biao Jin1,2,3,4
1State Key Laboratory of Organic Geochemistry, Guangzhou Institute of Geochemistry, Chinese Academy of Sciences, Guangzhou 510640, China.
iScience
|February 14, 2024
概括
超过60%的COVID-19化学物质可能是持久性,移动性和有毒物质 (PMT),对饮用水构成威胁. 机器学习识别了这些潜在的水污染物,帮助防止污染的努力.
科学领域:
- 环境化学环境化学
- 毒理学 毒理学 毒理学
- 水资源管理 水资源管理
背景情况:
- 在COVID-19大流行期间,合成化学品的广泛使用.
- 其中一些化学物质可能会污染饮用水源.
- 持久性,移动性和有毒物质 (PMT) 是对水资源的重大威胁.
研究的目的:
- 评估COVID-19相关化学品被归类为PMT物质的潜力.
- 解决缺乏实验数据来识别PMT物质在这种情况下.
主要方法:
- 机器学习模型的应用用于选COVID-19相关化学物质.
- 使用分子描述符来预测PMT属性.
- 模型解释和因果推理以验证发现.
主要成果:
- 最优的机器学习模型在识别PMT物质方面实现了90.6%的准确性.
- 模型解释证实了对分子性质和PMT特征之间的因果关系的理解.
- 超过60%的评估COVID-19化学物质被确定为候选PMT物质.
结论:
- 与COVID-19相关的大量化学物质是潜在的PMT物质.
- 优先考虑这些候选PMT物质对于防止水资源污染至关重要.
- 在缺乏广泛的实验数据的情况下,机器学习为评估PMT风险提供了一种可行的方法.
更多相关视频
10:53Concentration of Virus Particles from Environmental Water and Wastewater Samples Using Skimmed Milk Flocculation and Ultrafiltration
Published on: March 17, 2023
1.5K
07:26A Simple Method for Automated Solid Phase Extraction of Water Samples for Immunological Analysis of Small Pollutants
Published on: January 1, 2016
13.7K
