通过通过集群和缩小维度的技术,在动物物种器官中对Per-和Polyfluoroalkyls (PFAS) 的分布进行了机器学习多式配置

科学领域:

• 环境科学 环境科学
• 毒理学 毒理学 毒理学
• 分析化学 分析化学

背景情况:

• 和多基基物质 (PFAS) 是持久的环境污染物.
• 水生和陆生生物中的PFAS污染引发了生态和健康方面的担忧.
• 了解 PFAS 在不同物种和组织中的生物积累对于风险评估至关重要.

研究的目的:

• 在鱼类,牲畜和鸟类的各种组织中量化15种PFAS化合物.
• 使用缩小维度和集群技术分析PFAS分布模式.
• 确定关键的PFAS化合物和影响其生物积累的因素.

主要方法:

• 在肝脏,脏,,肌肉,皮肤,肺,血液,乳腺和羽毛组织中对15种PFAS化合物的量化.
• 主要组件分析 (PCA) 和t-分布式静态邻居嵌入 (t-SNE) 的应用,以减少维度.
• 使用K-means,等级聚类,DBSCAN和高斯混合模型 (GMM) 来进行模式分析.
• 使用随机森林模型进行特征重要性分析.

主要成果:

• 鱼类物种,特别是Clarias gariepinus和Oreochromis niloticus,比牲畜和鸟类呈现出更高的PFAS积累.
• 特定的PFAS化合物如PFOA,PFTrDA,PFNA和PFOS在某些组织和物种中占主导地位.
• PCA揭示了两个截然不同的集群,其中鱼类的度较高,家禽的度较高.
• 总的PFAS,PFHxA和PFDODA被确定为生物积累的显著预测因素,器官类型和物种的影响较小.

结论:

• 无监督学习技术有效地描述了 PFAS 在各种物种和组织中的生物积累模式.
• 结果为PFAS污染的生态和毒理风险评估提供了关键数据.
• 这项研究强调了PFAS在水生与陆生食物链中的生物积累差异.