基于机器学习的QSAR建模试验,用于化抑制2,4,5-三氨衍生的环保希夫基

科学领域:

• 农业化学 农业化学
• 土壤科学 土壤科学
• 有机化学 有机化学

背景情况:

• 化是一个关键的土壤过程,影响的可用性和环境影响.
• 有效的化抑制剂对于优化肥料使用效率和减轻气损失至关重要.
• 希夫基是有机化合物的一类,在农业中具有潜在的应用.

研究的目的:

• 为了合成和描述从2,4,5-三氨中衍生的新型希夫基.
• 评估这些希夫基作为土壤中化抑制剂的有效性.
• 研究这些化合物对土壤微生物活动和土壤健康的影响.

主要方法:

• 使用NMR和IR光谱学合成和表征21种希夫基.
• 实验室化研究,以评估28天的1%,5%和10%度的化抑制.
• 测量氨-N,-N,土壤呼吸,脱酶活性和微生物生物质碳.
• 应用统计和机器学习模型 (渐进多重线性回归,ANN,SVR,随机森林) 进行QSAR分析.

主要成果:

• 所有合成的希夫基都显示出显著的化抑制 (15-77%),表现优于对照.
• 这些化合物显著增加了氨-N水平 (33-185毫克/公斤-1),并降低了酸盐-N水平 (23-137毫克/公斤-1).
• 观察到土壤微生物活动的增强,包括呼吸,脱酶活动和微生物生物质碳.
• 人工神经网络 (ANN) 模型,由随机森林回归提供信息,被证明是预测化抑制最有效的.

结论:

• 合成的希夫基是具有农业应用潜力的高效化抑制剂.
• 这些化合物积极影响土壤微生物的健康和活动.
• 定量结构-活性关系 (QSAR) 建模,特别是ANN,对于预测新型化抑制剂的疗效非常有价值.