机器学习预测食品重金属检测中铜离子对汞离子荧光信号的干扰

宋方亮, 梁盈, 董界, 王雪洁, 钱洁

食品与机械. 2024, 40(05): 62-66+153

食品与机械 ›› 2024, Vol. 40 ›› Issue (05) : 62-66+153. DOI: 10.13652/j.spjx.1003.5788.2024.60045

机器学习预测食品重金属检测中铜离子对汞离子荧光信号的干扰

  • 宋方亮, 梁盈, 董界, 王雪洁, 钱洁
作者信息 +
History +

摘要

目的:构建一个人工智能预测模型，在存在Cu2+干扰的复杂食品检测环境下预测荧光探针对Hg2+的选择性。方法:采用荧光探针技术结合7种先进经典的机器学习模型，预测分析存在Cu2+干扰时探针对Hg2+的选择性，并比较各模型的预测效果，选择最优模型。结果:基于分子二维描述符（molecular 2D descriptors, Mol2D）和极端梯度提升算法成功建立了在交叉验证和测试集中准确度为0.786和0.810的高效模型，在Cu2+干扰下准确预判Hg2+的探针选择性。结论:该模型通过选择性预判对Hg2+荧光分子探针的设计进行改进，使Hg2+荧光探针的设计更加高效可靠。

关键词

汞离子检测 / 荧光分子探针 / 探针选择性 / 机器学习 / 化学信息学

引用本文

EndNote

Ris (Procite)

Bibtex

导出引用
宋方亮, 梁盈, 董界, 王雪洁, 钱洁. 机器学习预测食品重金属检测中铜离子对汞离子荧光信号的干扰. 食品与机械. 2024, 40(05): 62-66+153 https://doi.org/10.13652/j.spjx.1003.5788.2024.60045

文章所在专题

土壤重金属污染

6

Accesses

0

Citation

Detail
段落导航
相关文章

/

〈 〉