监督机器学习用于营养和污染物分析和北极海鲜的利益风险评估

科学领域:

• 海洋生物学 海洋生物学
• 环境健康 环境健康
• 营养科学 营养科学

背景情况:

• 北极海鲜是必需营养素的重要来源.
• 鱼类中的 (Hg) 和持久性有机污染物 (POP) 等污染物存在潜在的健康风险.
• 了解营养素和污染物水平的区域和物种特异性变化对于消费者安全至关重要.

研究的目的:

• 分析商业上重要的北极鱼类的营养和污染物概况.
• 为了研究物种间和区域差异 (巴伦茨海与挪威海).
• 用机器学习和模拟来评估消费北极鱼的健康益处与风险.

主要方法:

• 分析了五种北极鱼类中的营养和污染物度.
• 监督机器学习的应用,以识别多变量模式.
• 蒙特卡洛模拟用于量化鱼类消费的利益风险平衡.

主要成果:

• 来自巴伦茨海的鱼类的Hg和POP度普遍低于来自挪威海的鱼类.
• 营养水平在不同地区是可比的,像鱼和鱼这样的脂肪鱼得分更高.
• 瘦鱼的消费 (300-450克/周) 不构成过度风险;然而,大量摄入来自挪威海的鱼或鱼可能会超过二氧化和DL-PCB的可容忍限值.

结论:

• 富含EPA+DHA, (Se) 和维生素D的北极鱼的营养益处可能超过大多数消费模式中二氧化和DL-PCB的潜在风险.
• 由于其丰富的营养成分,北极鱼对粮食安全至关重要.
• 建议采取明智的消费选择,考虑到区域差异和特定鱼类.