李昂团队ACS ES&T Engg. | 利用机器学习开发生理相容的电子供体，用于异化铁还原细菌的还原脱氯

　　近日，李昂教授团队在环境领域学术期刊ACS ES&T Engg.上发表了题为“Developing Physiologically Compatible Electron Donors for Reductive Dechlorination by Dissimilatory lron-Reducing Bacteria Using Machine Learning”的文章。该研究旨在利用机器学习（ML）方法指导合成与异化铁还原细菌DIRB生理功能更精确匹配的新型脱卤碳源材料。以四氯乙烯（PCE）为模型污染物，ML模型识别生物刺激过程中影响微生物代谢的关键因素，并按重要性对这些参数进行排序。利用合成参数与微生物代谢功能之间的相关性分析，设计符合微生物生理代谢特征的碳源。根据确定的关键特征优化碳源组成，并评估其脱卤潜力。该研究提出了一种基于细菌代谢优化碳源材料的创新方法，实现精准碳源补充，促进污染物降解效率的靶向调控。论文通讯单位为城乡水资源与水环境全国重点实验室，实验室李昂教授为通讯作者。

图文：李　昂　　时晓曼

初审：吴　洁

审核：马　放　　田　禹  于虹霞