相关实验视频
Updated: May 16, 2026

Experimental Multiscale Methodology for Predicting Material Fouling Resistance
通过机器学习有效预测水生环境中的有机分子结构和风险
Shengyu Cao1, Youliang Tian2, Rusong Zhao3
1State Key Laboratory of Environmental Chemistry and Ecotoxicology, Research Center for Eco-Environmental Sciences, Chinese Academy of Sciences, Beijing 100085, China; School of Environment, Hangzhou Institute for Advanced Study, UCAS, Hangzhou 330106, China.
这项研究开发了新的模型来识别和评估水中的有机寡合物的风险. 这些模型揭示了广泛的污染,石油化工等工业来源是环境污染的主要贡献者.
科学领域:
- 环境化学环境化学
- 分析化学 分析化学
- 毒理学 毒理学 毒理学
背景情况:
- 质谱数据库缺少许多有机寡合物的分子数据.
- 现有的风险模型不足以评估这些新出现的污染物.
- 数以千计的有机单体存在,复杂化了分析和风险评估.
研究的目的:
- 开发有机结构及其环境风险的预测模型.
- 在城市水系统中识别和量化有机寡合物.
- 确定有机污染的来源和分布.
主要方法:
- 利用气相色谱-轨道质谱仪 (GC-Orbitrap-MS) 进行分子和碎片离子分析.
- 开发了使用神经网络和支持向量机的分类和回归模型.
- 应用神经网络来预测持久,生物累积和有毒 (PBT) 潜力.
主要成果:
- 在中国21个城市的水中鉴定出116种有机寡合物.
- 在17个城市,危险指数超过1,表明存在重大风险.
- 染色,织和石化行业被确定为主要排放来源;石化是全国性的来源.
结论:
- 开发的方法允许对有机化合物进行准确的风险评估.
- 在城市水域中,有机污染很普遍,造成环境风险.
- 这种方法对于评估缺乏全面的质谱数据库的化学品是有价值的.
更多相关视频
00:05In Silico Modeling Method for Computational Aquatic Toxicology of Endocrine Disruptors: A Software-Based Approach Using QSAR Toolbox
Published on: August 28, 2019
16:02Demonstration of the Sequence Alignment to Predict Across Species Susceptibility Tool for Rapid Assessment of Protein Conservation
Published on: February 10, 2023
相关概念视频
Predicting Molecular Geometry
Classification and Mechanical Properties of Synthetic Polymers