在大型废水处理厂中,通过机器学习模型解码药品可移除性,整合了修改后的电友性指数
Chunqiu Zhang1, Qingmiao Yu2, Yujie He2
1State Key Laboratory of Water Pollution Control and Green Resource Recycling, Engineering Research Center for Water Treatment and Water Environment Restoration, Ministry of Education, School of the Environment, Nanjing University, Nanjing, Jiangsu 210023, China.
一个新的机器学习模型预测了废水处理厂 (WWTP) 中的药物清除. 它使用电子特性和分子数据来识别哪些药物是通过生物或化学过程有效地去除的.
科学领域:
- 环境化学环境化学
- 水处理技术水处理技术
- 计算化学计算化学
背景情况:
- 评估废水处理厂 (WWTP) 中的药物清除对于环境风险管理至关重要,但存在重大技术挑战.
- 了解影响药物可移动性的因素是制定有效治疗策略的关键.
研究的目的:
- 开发和验证基于机器学习 (ML) 的框架,用于预测WWTP中的药物可移动性.
- 为了确定关键的分子和操作参数驱动药物去除效率.
主要方法:
- 利用了来自17个WWTP的4000多个时空测量,包括80种药品.
- 集成的修改量子化学 (QC) 描述器与传统的分子描述器和ML建模的WWTP操作参数.
- 开发了一个分类模型来预测药品可移除性,通过外部测试验证.
主要成果:
- 机器学习模型实现了0.81的预测准确度,证明了强大的通用性.
- 网站特定的电子特征,特别是修改后的电友性指数,显著提高了预测性能.
- 确定了具有高分子稳定性和低电表面活性的药品在特定条件下 (高电友性,低温度) 显示出较低的可移动性.
结论:
- 开发的ML模型为优化WWTP中的药物清除策略提供了有价值的,取决于场景的预测.
- 特定的药物表现出对化学与生物处理过程的不同易受性.
- 经营调整,如延长保留时间,可以改善永久性药物的清除,为更好的水资源管理提供科学支持.
更多相关视频
06:54Author Spotlight: Understanding and Detecting Environmental Antimicrobial Resistance by Combining Culture-Based Techniques and Genomics
Published on: July 19, 2024
09:49Use of a Battery of Chemical and Ecotoxicological Methods for the Assessment of the Efficacy of Wastewater Treatment Processes to Remove Estrogenic Potency
Published on: September 11, 2016
相关概念视频
Ion-Exchange Chromatography
Factors Affecting Solubility
Ion Exchange
