近日，中國農業(yè)科學院植物保護研究室化肥運用風險管理自主創(chuàng)新精英團隊依次在自然環(huán)境行業(yè)TOP刊物Environmental Science & Technology和Journal of Hazardous Materials上各自發(fā)布題寫“Direct Prediction of Bioaccumulation of Organic Contaminants in Plant Roots from Soils with Machine Learning Models based on Molecular Structures”和“Predicting Crop Root Concentration Factors of Organic Contaminants With Machine Learning Models”的2篇科學研究畢業(yè)論文，初次運用設備學習模型立即預測分析綠色植物根處從土壤層中消化吸收積累化肥等有機化學污染物質的量，解決了傳統(tǒng)式線性模型沒法仿真模擬化肥被綠色植物消化吸收的最優(yōu)控制關聯(lián)，并揭露了危害綠色植物積累化肥的重要有機化學分子式，為農業(yè)產品在原產地環(huán)境化學環(huán)境污染的預測分析給予了新的專用工具和方式。

　　糧食作物積累是農牧業(yè)污染物質從土壤層進到人們食物網(wǎng)的有效途徑。精確預測分析綠色植物消化吸收和積累農牧業(yè)污染物質對保障食品安全、原產地修補和人們身心健康曝露評定具備關鍵的實際意義。殊不知，因為污染物質-土壤層-綠色植物根莖中間錯綜復雜的相互影響，創(chuàng)建穩(wěn)定靠譜的預測模型依然具備非常大趣味性。傳統(tǒng)式的線形預測模型難以預料污染物質-土壤層-綠色植物間的最優(yōu)控制關聯(lián)，造成估計值與真實值差別比較大。本科學研究比照了四種不一樣的機器學習算法，根據(jù)對341個數(shù)據(jù)信息點、72個化學物質的數(shù)據(jù)開展練習，預測分析綠色植物根莖聚集值，證實了新搭建的GBRT-ECFP的為最佳預測模型，并根據(jù)5倍交叉驗證評定了預測分析特性，在其中R2數(shù)值0.77，均值絕對誤差（MAE）為0.22。除此之外，本科學研究分析了化學分子、土壤層與綠色植物特點中間的最優(yōu)控制關聯(lián)。子結構必要性剖析確立了分子結構子結構與綠色植物聚集相互關系，明確了-O、-Cl、芳環(huán)和大共軛π系統(tǒng)軟件等為與綠色植物積累有關的重要有機化學子結構。

　　本科學研究取得成功運用人工神經網(wǎng)絡做為新起方式預測分析田地農作物對化肥等污染物質的消化吸收積累，呈現(xiàn)了預測分析專用工具的創(chuàng)新性和實用性，為將來新化肥綠色植物消化吸收潛力評定和田地農藥污染安全性評價給予新的靠譜專用工具。

　　美國斯坦福大學為畢業(yè)論文的第一進行企業(yè)，中國農業(yè)科學院植物保護研究室為畢業(yè)論文的一同通信企業(yè)，化肥運用風險管理自主創(chuàng)新精英團隊李 很高研究者為2篇畢業(yè)論文的一同通訊作者。該科學研究獲得了我國關鍵科研開發(fā)方案、青年人英才計劃等新項目的支助。

　　全文連接：https://pubs.acs.org/doi/abs/10.1021/acs.est.1c02376

　　https://www.sciencedirect.com/science/article/abs/pii/S0304389421024055