破译银纳米粒子扰动效应和全球土壤酶的风险:来自机器学习和土壤属性整合的见解
Zhenjun Zhang1, Jiajiang Lin1, Gary Owens2
1Fujian Key Laboratory of Pollution Control and Resource Reuse, College of Environmental and Resource Sciences, Fujian Normal University, Fuzhou 350117, Fujian Province, China.
Journal of hazardous materials
|March 17, 2024
概括
机器学习模型预测银纳米粒子 (AgNPs) 如何影响土壤酶. 像pH值和有机物质这样的土壤特性显著影响AgNP毒性,特定的土壤质地会影响全球的酶活性.
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:
- 关于银纳米粒子 (AgNPs) 对土壤酶的影响的研究受到取样成本的限制.
- 了解这些影响对于土壤健康和生态系统功能至关重要.
研究的目的:
- 使用机器学习开发AgNP对土壤酶影响的预测模型.
- 确定影响AgNP毒性和酶活性的关键土壤特性.
主要方法:
- 利用定制的机器学习 (ML) 算法,包括随机森林,链式方程的多重推算,决策树和K-最近邻居.
- 分析了大量的研究数据,以提取土壤特性和AgNP-酶相互作用之间的模式.
主要成果:
- 土壤特性决定了AgNP对酶的影响,pH>有机物 (OM) >土壤质地 ≈阴离子交换能力 (CEC).
- 酸性土壤 (pH <5.5) 显示对AgNP的敏感性更高;高OM (> 1.9%) 减弱了毒性.
- 特定的土壤纹理,如具有高水容量的沙土,放大了AgNP毒性,而富含粘土的土壤则减轻了毒性.
结论:
- 机器学习有效地预测了AgNP对土壤酶的影响,克服了采样限制.
- 土壤特性,特别是pH,OM和质地,是AgNP生态毒性的关键因素.
- 这项研究为识别敏感土壤类型和预测AgNP对土壤酶的影响提供了一个全球框架.


