使用机器学习来预测土壤的相对生物可用性
Shuang Zhang1, Xiaoping Li2, Tunyang Geng1
1Department of Environmental Science, School of Geography and Tourism, Shaanxi Normal University, Xi'an, Shaanxi 710062, PR China; International Joint Research Centre of Shaanxi Province for Pollutant Exposure and Eco-environmental Health, Xi'an, Shaanxi 710062, PR China.
Journal of hazardous materials
|November 26, 2024
概括
本研究使用机器学习估计了来自各种土壤类型和生物目标的相对生物利用率 (Pb-RBA). 调查结果为风险评估提供了更准确的Pb-RBA数据,与当前的EPA估计不同.
科学领域:
- 环境科学 环境科学
- 毒理学 毒理学 毒理学
- 计算生物学 计算生物学
背景情况:
- 的相对生物可用性 (Pb-RBA) 对于评估暴露对人类健康的风险至关重要.
- 现有的数据缺乏针对各种土壤来源和生物终点的特定Pb-RBA值.
- 美国环境保护局 (USEPA) 目前对土壤的Pb-RBA估计可能并不普遍适用.
研究的目的:
- 通过使用机器学习在体内从不同的土壤来源和生物终点估计Pb-RBA.
- 为改善土壤风险评估提供更准确的Pb-RBA数据.
- 在各种土壤类型和生物目标中定义Pb-RBA.
主要方法:
- 利用机器学习,特别是随机森林 (RF) 模型,来预测Pb-RBA.
- 对多个生物终点的估计Pb-RBA:血液,脏,肝脏和股骨.
- 分析了各种土壤来源的Pb-RBA,包括射击场,农业,城市,采矿,工业和认证的参考材料.
主要成果:
- 预测的Pb-RBA平均值因终点而异:血液 (49.94±18.65%),脏 (60.15±26.62%),肝脏 (60.90±21.51%),大腿骨 (50.70±17.56%),以及联合 (62.89±16.64%).
- 来自射击场土壤的Pb-RBA最高 (88.21±16.92%),而工业土壤显示最低 (47.71±20.35%).
- 估计的Pb-RBA值一般在20-80%之间,与美国环境保护局的60%土壤Pb-RBA不同.
结论:
- 这项研究提供了Pb-RBA在各种土壤来源和生物终点上的第一个定义和体内数据.
- 机器学习模型为估计Pb-RBA提供了一个强大的方法,改进了通用估计.
- 这些发现需要使用更具体的Pb-RBA数据重新评估当前的风险评估协议.
关键词:
生物可访问性 (Pb-BAc) 是指在体内与体内相关性 (IVIVC)机器学习 机器学习Pb Pb Pb Pb Pb Pb Pb Pb Pb Pb Pb Pb Pb Pb Pb Pb Pb Pb Pb Pb Pb Pb Pb Pb Pb相对生物可用性 (Pb-RBA)更多相关视频
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
8.2K
08:08Author Spotlight: Investigating the Tolerance of Cabbage Butterflies to Urban Pollutants
Published on: August 18, 2023
3.8K
