机器学习用于预测物食中的泽拉伦污染水平
Zhenlong Wang1,2, Wei An1,2, Jiaxue Wang1,2
1Key Laboratory of Feed Biotechnology, Ministry of Agriculture and Rural Affairs, Institute of Feed Research, Chinese Academy of Agricultural Sciences, No. 12 Zhongguancun South Street, Beijing 100081, China.
Toxins
|December 27, 2024
概括
在物料中早期检测zearalenone (ZEN) 对动物健康至关重要. 电子鼻子与机器学习相结合,准确选了ZEN污染物,确保了物食的安全性.
科学领域:
- 食品安全 食品安全
- 分析化学是一种分析化学.
- 计算毒理学计算毒理学
背景情况:
- 物食中的泽拉伦 (ZEN) 菌毒素污染对动物造成重大健康风险.
- 早期检测方法对于确保物食品安全和监管合规至关重要.
研究的目的:
- 开发一种快速,具有成本效益的电子鼻子 (E-nose) 和机器学习方法,用于预测物料中ZEN污染水平.
- 为了将物食样本分类为高于或低于中国ZEN. 250μg/kg的监管限制.
主要方法:
- 分析了142个物食品样本,使用液体染色学-并联质谱法 (LC-MS/MS) 进行ZEN量化.
- 使用"AIR PEN 3"电子鼻子与10个金属氧化物传感器来捕获挥发性化合物形状.
- 应用各种机器学习算法 (线性回归,k-NN,SVM,随机森林,XGBoost,MLP) 来基于E-nose数据进行分类.
主要成果:
- 多层感知器 (MLP) 算法在区分被ZEN污染的样本时实现了86.6%的准确性.
- 其他机器学习模型的准确度在77.1%至84.8%之间.
- 组合模型将所有分类器结合起来,达到ZEN污染查的高峰准确率为90.1%.
结论:
- 与机器学习相结合的E-nose提供了一个有希望的,快速和经济的方法来选物食中的ZEN菌毒素.
- 这种方法可以有效地用于市场进入监督,以确保物食品的安全.
