中国环科院李西西、吉林大学孙佩萱团队JHM:利用深度学习算法编制液晶单体淡水食物链PBT效应优先控制清单
环境人Environmentor
2025-12-09 12:23
文章摘要
本研究针对液晶单体(LCMs)在淡水食物链中的持久性、生物富集性和毒性(PBT)效应,构建了一个结合分子对接、机器学习与深度学习算法的风险评估框架。研究背景源于LCMs作为广泛使用的新兴污染物,其潜在生态风险亟待评估。研究目的是编制LCMs淡水食物链PBT效应的优先控制清单,并识别关键影响因素。通过分析1431种商业LCMs,利用残余神经网络(ResNet)等模型,成功筛选出509种高风险LCMs,并发现分子电负性是影响PBT效应的关键因素。结论表明,该数据驱动方法能有效补充传统风险评估,为LCMs的监管和环保替代品设计提供了科学依据。
本站注明稿件来源为其他媒体的文/图等稿件均为转载稿,本站转载出于非商业性的教育和科研之目的,并不意味着赞同其观点或证实其内容的真实性。如转载稿涉及版权等问题,请作者速来电或来函联系。