顺序的因果机器学习辅助生物炭的设计用于laccase固定
Yin Lu1, Yongkang Wu1, Zelin Hou2
1Centre for Urban Environmental Remediation, Beijing University of Civil Engineering and Architecture, Beijing 100044, China; Collaborative Innovation Center of Energy Conservation & Emission Reduction and Sustainable Urban-Rural Development in Beijing, Beijing 100044, China.
Journal of hazardous materials
|September 12, 2025
概括
这项研究使用机器学习来优化生物炭制备用于酶固定,从而实现高固定乳酶活性. 农业废物被确定为增强生物炭设计的最佳原料.
科学领域:
- 环境科学 环境科学
- 生物技术是生物技术.
- 材料科学 材料科学 材料科学
背景情况:
- 优化生物炭制备以使酶不动化的过程是具有挑战性的,因为复杂的因果关系.
- 了解制备条件,生物炭特性和酶活性之间的相互作用至关重要.
研究的目的:
- 开发一种与强化学习相结合的新型顺序因果机器学习模型.
- 优化生物炭制备条件,以增强固定乳酶活性.
主要方法:
- 利用随机森林和自适应提升来提高预测准确度.
- 采用顺序因果建模和强化学习来优化.
- 对优化生物炭进行实验验证.
主要成果:
- 实现了生物炭性质 (R2 = 0.72 ± 0.11) 和固定乳酶活性 (R2 = 0.86 ± 0.12) 的优异预测准确度.
- 确定了原材料类型和特定表面积作为生物炭特性和酶活性的关键驱动因素.
- 优化的生物炭设计使用农业废物产生了2.18U/g的固定乳糖活性.
结论:
- 开发的模型有效地分析了生物炭制备中的非线性因果关系.
- 这种方法使生物炭的定向设计成为可能,以优化酶固定.
- 优化的生物炭表现出高活性,稳定性和有效性,可以清除子[a]二烯.
