微塑料/纳米塑料和重金属的同时暴露对植物的影响:使用CiteSpace,元分析和机器学习
Yuyang Wu1, Jun Zhu1, Yue Sun2
1Tianjin Key Laboratory of Animal and Plant Resistance, College of Life Sciences, Tianjin Normal University, Tianjin, China.
Ecotoxicology and environmental safety
|October 24, 2024
概括
同时暴露于微/纳米塑料 (MNP) 和重金属 (HM) 显著损害植物,毒性因MNP类型和度等因素而异. 机器学习模型可以预测组合污染下植物中的重金属积累.
科学领域:
- 环境科学 环境科学
- 生态毒理学 生态毒理学
- 植物科学 植物科学
背景情况:
- 微/纳米塑料 (MNP) 和重金属 (HM) 是无处不在的环境污染物.
- 现有的关于它们对植物的联合作用的研究表明,由于许多影响因素,结果相互矛盾.
研究的目的:
- 分析目前关于MNP-HM同时暴露对植物的影响的研究环境.
- 确定关键影响因素及其对植物植物毒性的影响.
- 评估机器学习在预测植物重金属吸收方面的潜力.
主要方法:
- 使用CiteSpace绘制研究热点的图书统计分析.
- 进行元分析,量化各种因素对植物生理参数的影响.
- 机器学习 (多项式回归) 用于预测植物重金属度.
主要成果:
- 关于MNP-HM共毒性的研究还处于新生阶段,热点包括积累, (Cd),生长和联合毒性.
- 与HM单独相比,同时暴露通常会加剧植物毒性,这种毒性会被更高的度,更长的持续时间,纳米颗粒,水培和双植物所放大.
- 特定的MNP类型,如改性聚钢和可生物降解聚合物,加剧了毒性,而聚烯显示出一些衰减. 机器学习模型以>80%的准确度预测了植物HM含量.
结论:
- 联合MNP和HM污染对植物健康构成重大风险,复杂的相互作用会影响毒性水平.
- 了解这些相互作用对于预测环境影响和制定减缓策略至关重要.
- 机器学习为评估工厂重金属积累在多方面的污染情景下提供了一个有前途的工具.
