近日，中国农业科学院植物保护研究室化肥运用风险管理自主创新精英团队依次在自然环境行业TOP刊物Environmental Science & Technology和Journal of Hazardous Materials上各自发布题写“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篇科学研究毕业论文，初次运用设备学习模型立即预测分析绿色植物根处从土壤层中消化吸收积累化肥等有机化学污染物质的量，解决了传统式线性模型没法仿真模拟化肥被绿色植物消化吸收的最优控制关联，并揭露了危害绿色植物积累化肥的重要有机化学分子式，为农业产品在原产地环境化学环境污染的预测分析给予了新的专用工具和方式。

　　粮食作物积累是农牧业污染物质从土壤层进到人们食物网的有效途径。精确预测分析绿色植物消化吸收和积累农牧业污染物质对保障食品安全、原产地修补和人们身心健康曝露评定具备关键的实际意义。殊不知，因为污染物质-土壤层-绿色植物根茎中间错综复杂的相互影响，创建稳定靠谱的预测模型依然具备非常大趣味性。传统式的线形预测模型难以预料污染物质-土壤层-绿色植物间的最优控制关联，造成估计值与真实值差别比较大。本科学研究比照了四种不一样的机器学习算法，根据对341个数据信息点、72个化学物质的数据开展练习，预测分析绿色植物根茎聚集值，证实了新搭建的GBRT-ECFP的为最佳预测模型，并根据5倍交叉验证评定了预测分析特性，在其中R2数值0.77，均值绝对误差（MAE）为0.22。除此之外，本科学研究分析了化学分子、土壤层与绿色植物特点中间的最优控制关联。子结构必要性剖析确立了分子结构子结构与绿色植物聚集相互关系，明确了-O、-Cl、芳环和大共轭π系统软件等为与绿色植物积累有关的重要有机化学子结构。

　　本科学研究取得成功运用人工神经网络做为新起方式预测分析田地农作物对化肥等污染物质的消化吸收积累，呈现了预测分析专用工具的创新性和实用性，为将来新化肥绿色植物消化吸收潜力评定和田地农药污染安全性评价给予新的靠谱专用工具。

　　美国斯坦福大学为毕业论文的第一进行企业，中国农业科学院植物保护研究室为毕业论文的一同通信企业，化肥运用风险管理自主创新精英团队李 很高研究者为2篇毕业论文的一同通讯作者。该科学研究获得了我国关键科研开发方案、青年人英才计划等新项目的支助。

　　全文连接：https://pubs.acs.org/doi/abs/10.1021/acs.est.1c02376

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