尤世界教授团队WR：基于机器学习的水中新污染物的伪靶向筛查——以四环素类为例

近日，尤世界教授团队在环境领域著名期刊《Water Research》上发表了题为“Machine learning-powered pseudo-target screening of emerging contaminants in water: A case study on tetracyclines”的论文。该研究提出了一种基于机器学习（ML）的伪靶向筛查（PTS）方法，以四环素类药品（TCs）为模型用于初步识别ECs。基于从MassBank数据库收集的质谱（MS）数据，通过优化阈值因子（P=1%）去除干扰峰，完成了数据净化，该阈值反映了干扰峰强度（A）相对于最大峰强度（Amax）的比例。随后，通过输入集成峰和测试相关特征的实验质谱数据，训练出XGBoost模型，实现了对TCs和非TCs的准确识别，概率接近100%。

该研究首次证明了这种特征集成策略在提高ML模型的准确性、可靠性和抗干扰能力方面的有效性。该XGBoost模型还能够识别训练集内和训练集外的TCs，表明其在识别未被监管和未知的ECs方面具有潜在的通用性。与之前报道的TS和NTS方法相比，基于ML的PTS框架提供了一种无需先验知识的高效、简便且可靠的环境样品中ECs筛查替代方案。本研究不仅对处理与ECs相关的水污染突发事件具有重要意义，还代表了开发AI驱动算法框架以识别更多ECs（超出本文测试的TCs范围）的范式转变。

城乡水资源与水环境全国重点实验室为通讯单位，实验室尤世界教授为通讯作者。

论文链接：https://doi.org/10.1016/j.watres.2024.123039