《美国莱斯大学利用机器学习识别土壤有害污染物》

  • 编译者: 张毅
  • 发布时间:2025-06-20
  • 5月9日,莱斯大学跨学科团队提出一种基于光成像、化合物光特征理论预测与机器学习算法的创新方法,可检测土壤中的多环芳烃(PAH)及其衍生化合物(PAC)等有毒化合物。该方法使用表面增强拉曼光谱的光成像技术,利用定制纳米壳放大分子与光的相互作用,捕获污染物的独特“化学指纹”光谱;基于密度泛函理论计算污染物的分子结构与理论光谱,建立虚拟光谱数据库;开发“特征峰提取”和“特征峰相似性”互补机器学习算法,解析样本光谱并与理论库精准匹配,可识别实验数据缺失的污染物,甚至因环境转化而发生结构改变的化合物。其效率远超传统实验室检测。
相关报告
  • 《美国开发基于机器学习的土壤污染物检测新方法》

    • 编译者:张毅
    • 发布时间:2025-06-20
    • 5月9日,美国莱斯大学和贝勒医学院合作开发了一种用于识别土壤中的有害污染物的新策略。该方法使用一种称为表面增强拉曼光谱的光成像技术,跟踪分子发出的独特图案或光谱,并使用特征纳米壳来增强光谱中的相关特征。研究人员利用密度泛函理论,即预测原子和电子在分子中的行为的计算建模技术,根据化合物的分子结构计算了整个范围内多环芳烃及其衍生物的光谱,为多环芳烃及其衍生物生成一个虚拟的“指纹”库。采用特征峰提取和特征峰相似度两种互补的机器学习算法对真实土壤样品中的相关光谱特征进行解析,并将其与虚拟光谱库中绘制的化合物进行匹配,从而实现土壤中的有毒化合物检测。
  • 《酵母有助于植物应对土壤污染》

    • 来源专题:农业科技前沿与政策咨询快报
    • 编译者:李然嫣
    • 发布时间:2017-11-28
    • 近日,葡萄牙古尔班基安科学研究所(InstitutoGulbenkian de Ciencia,IGC)的保拉·杜克(Paula Duque)带领的研究团队发现,面包师所使用的酵母中存在两种基因,这两种基因能够增强植物对一系列有毒物质的抵抗力,使其在受污染的土壤中正常生长,此项研究成果刊登在《科学报告》(Scientific Reports)中。 工业生产释放到环境中的重金属和有机污染物,以及农业中普遍滥用的除草剂和杀虫剂,都对土壤质量产生了不良影响。由于这种毒性会极大损害作物的生长和发育,所以大部分植物品种包括作物都不能适应土壤污染物的毒性,仅有一小部分作物品种能去除土壤污染物并正常生长。保拉·杜克表示,“目前土壤净化的途径成本很高,且效率较低。科学界一直在寻找替代办法以提高植物对有毒化合物的适应性,而可行方案将可能是利用一种用于烘焙、酿造和酿酒的酵母。” 众所周知,酿酒酵母能够抵御除草剂和其他化学成分。来自里斯本大学高级技术学院(Instituto Superior Tecnico,IST)的伊莎贝尔·萨克雷亚(Isabel Sa-Correia)研究团队识别出了酿酒酵母中起到上述效用的两种酵母基因。杜克的研究团队在拟南芥上对这两种基因的多药耐药性能进行分析。拟南芥是一种用于模拟生物体的小型开花植物,以此来研究其他植物共同的生物过程。将两种酵母基因中的一个插入拟南芥后,与未插入酵母的拟南芥进行对比,结果表明:插入酵母基因后的植物对除草剂、杀真菌剂和重金属的抵抗力有所增强。在受污染土壤中,带有酵母基因的植物明显比野生型植物生长得更好。 保拉·杜克解释到:“这两种酵母基因能够产生一种蛋白质,这种蛋白质可以从细胞中排除分子,所以我们猜想它们在植物中也可以发挥同样的作用,即去除有毒分子,保证植物的正常生长。”IGC的研究人员补充到:“要想将这些结论应用到作物中,仍需对拟南芥以及其他植物品种做进一步实验,研究加强植物抵抗性的原理。但仅就目前从制作面包、啤酒的酵母基因中得出的结论而言,已经为解决环境难题带来了巨大希望。” (编译 李然嫣)