药物化合物和在活性污泥中选择的代谢物的生物降解行为. 一个预测决策系统的方法

科学领域:

• 环境科学 环境科学
• 环境化学环境化学
• 生物技术是生物技术.

背景情况:

• 化学品,包括制药化合物 (PCs),越来越多地排放到环境中.
• 污水处理厂 (WWTP) 在许多PC的清除中扎.
• 活性污泥微生物在PC生物降解中发挥着关键作用.

研究的目的:

• 通过活性污泥评估卡巴马泽 (CBZ) 和二烯 (DCF) 的生物降解性.
• 确定CBZ和DCF的主要转化产品 (TP).
• 开发和验证一个决策支持系统,用机器学习来预测PC移除.

主要方法:

• 在有氧条件下使用活性污泥进行实验室降解试验.
• 使用液体染色学质谱法 (LC/MS-MS) 分析微生物代谢物.
• 机器学习模型的评估:支持矢量机器,随机森林,决策树和多层感知器网络.

主要成果:

• 在测试条件下,狄克洛菲纳克 (DCF) 的清除率高于卡巴马西平 (CBZ).
• 在30至60毫克MLSS/L.之间没有观察到DCF去除的显著差异.
• 确定的主要TP是DCF的4-OH-DCF和CBZ的10,11 EPOXICBZ.
• 随机森林和多层感知器网络模型实现了>95%适合预测代谢物.
• 根平均平方误差为4-OH-DCF的0.80μg/L,对于10,11 EPOXICBZ的1.13μg/L.

结论:

• 活性污泥处理对DCF比CBZ更有效,MLSS度对DCF去除的影响有限.
• 机器学习,特别是随机森林和多层感知器网络,提供药物转化产品的准确预测.
• 开发的决策支持系统可以优化WWTP中PC移除的预测.