机器学习用于环境非目标识别的最新进展
Qinyu Bao1, Nanyang Yu1, Qinting Jiang2
1State Key Laboratory of Water Pollution Control and Green Resource Recycling, School of the Environment, Nanjing University, Nanjing 210093, People's Republic of China.
Environment & health (Washington, D.C.)
|November 27, 2025
概括
机器学习通过改善结构阐明来加速识别新的环境污染物. 本文重点介绍了环境科学中更快,更准确的非目标分析的计算方法.
科学领域:
- 环境化学环境化学
- 分析化学 分析化学
- 计算化学计算化学
背景情况:
- 新兴污染物对人类健康和生态系统构成重大风险.
- 使用质谱的非目标分析对于检测新型污染物至关重要.
- 检测到的化合物的结构阐明是非目标分析中的关键瓶.
研究的目的:
- 审查用于加速非目标结构阐明的机器学习 (ML) 技术.
- 研究基于ML的计算方法的设计,特征和评估.
- 讨论ML在环境非目标分析中的应用,以确定新的污染物.
主要方法:
- 专注于光谱库匹配,结构数据库检索和使用ML的de novo结构生成.
- 研究了计算方法的设计原则和技术特征.
- 对结构阐明的不同ML方法的比较评估.
主要成果:
- 机器学习技术在提高结构阐释的速度和准确性方面表现有前途.
- 通过非目标分析识别新的环境污染物的ML的证明应用.
- 评估了各种基于机器学习的计算策略的优点和局限性.
结论:
- 机器学习的整合对于推进非目标分析和环境污染物识别至关重要.
- 目前的ML方法面临挑战,但为未来的发展提供了巨大的潜力.
- 这一审查促进了ML的采用,以实现更有效的环境监测和风险评估.
