原標題：準確預測植物根系有機污染物的累積量，機器學習模型做到了！

工人日報-中工網(wǎng)記者 黃哲雯

近日，中國農(nóng)業(yè)科學院植物保護研究所農(nóng)藥應用風險控制創(chuàng)新團隊首次利用機器學習模型直接預測植物根部從土壤中吸收累積農(nóng)藥等有機污染物的量，解決了傳統(tǒng)線性模型無法模擬農(nóng)藥被植物吸收的非線性關系，并揭示了影響植物累積農(nóng)藥的關鍵化學分子結(jié)構，為農(nóng)產(chǎn)品在產(chǎn)地環(huán)境化學污染的預測提供了新的工具和手段。

據(jù)介紹，農(nóng)作物累積是農(nóng)業(yè)污染物從土壤進入人類食物鏈的重要途徑。準確預測植物吸收和累積農(nóng)業(yè)污染物對保障食品安全、產(chǎn)地修復和人類健康暴露評估具有重要的意義。然而，由于污染物-土壤-植物根系之間復雜的相互作用，建立穩(wěn)健可靠的預測模型仍然具有很大挑戰(zhàn)性。

傳統(tǒng)的線性預測模型難以預測污染物-土壤-植物間的非線性關系，導致預測值與實際值差異較大。為此，該團隊對比了四種不同的機器學習算法，通過對341個數(shù)據(jù)點、72個化合物的數(shù)據(jù)集進行訓練，預測植物根系富集值，證明了新構建的GBRT-ECFP為最優(yōu)預測模型，并通過5倍交叉驗證評估了預測性能，其中R2值為0.77，平均絕對誤差（MAE）為0.22。

此外，該研究解析了化學分子、土壤與植物特性之間的非線性關系。子結(jié)構重要性分析明確了分子子結(jié)構與植物富集之間的關系，確定了含氧基團（−O）、含氯基團（−Cl）、芳環(huán)和大共軛π系統(tǒng)等為與植物累積相關的關鍵化學子結(jié)構。

該研究成功利用機器學習作為新興手段預測農(nóng)田作物對農(nóng)藥等污染物的吸收累積，展現(xiàn)了預測工具的先進性和通用性，為未來新農(nóng)藥植物吸收潛能評估和農(nóng)田農(nóng)藥污染安全評價提供新的可靠工具。