21.07.2024
Подписывайтесь на Telegram-канал по ссылке

Машинное обучение помогает уменьшить беспокойство по поводу наночастиц в пище

Наночастицы в пище и МО

В новом исследовании, опубликованном в журнале Environmental Science and Technology, исследователи из Техасского университета A&M использовали машинное обучение для оценки основных свойств металлических наночастиц, которые делают их более восприимчивыми к поглощению растениями. Исследователи заявили, что их алгоритм может указать, сколько растений накапливает наночастиц в своих корнях и побегах.

Наночастицы — растущая тенденция в нескольких областях, включая медицину, потребительские товары и сельское хозяйство. В зависимости от типа наночастиц некоторые из них обладают, помимо прочего, благоприятными поверхностными свойствами, зарядом и магнетизмом. Эти качества делают их идеальными для множества применений. Например, в сельском хозяйстве наночастицы могут использоваться в качестве противомикробных средств для защиты растений от патогенов. В качестве альтернативы их можно использовать для связывания с удобрениями или инсектицидами, а затем запрограммировать на медленное высвобождение для увеличения поглощения растениями.

Эти и другие методы ведения сельского хозяйства, такие как орошение, могут вызывать накопление наночастиц в почве. Однако, учитывая различные типы наночастиц, которые могут существовать в земле, и ошеломляюще большое количество видов наземных растений, включая пищевые культуры, чётко не известно, повышают ли определённые свойства наночастиц их поглощение некоторыми видами растений, чем другие.

Вместо этого для своего исследования исследователи выбрали два разных алгоритма машинного обучения, искусственную нейронную сеть и программирование экспрессии генов. Сначала они обучили эти алгоритмы на базе данных, созданной на основе прошлых исследований различных металлических наночастиц и конкретных растений, в которых они накапливались. В частности, их база данных содержала размер, форму и другие характеристики различных наночастиц, а также информацию о том, сколько из этих частиц было поглощено из почвы или воды, обогащённой питательными веществами, в организм растения.

После обучения их алгоритмы машинного обучения могут правильно предсказать вероятность накопления данной металлической наночастицы в растении. Кроме того, их алгоритмы показали, что когда растения находятся в обогащённом питательными веществами или гидропонном растворе, химический состав металлических наночастиц определяет склонность к накоплению в корнях и побегах. Но если растения выращивают в почве, содержание органических веществ и глины в почве является ключом к поглощению наночастиц.