science >> Wetenschap >  >> nanotechnologie

Machine learning kan zorgen over nanodeeltjes in voedsel verminderen

Krediet:CC0 Publiek Domein

Hoewel de gewasopbrengst de afgelopen jaren een substantiële boost heeft gekregen door nanotechnologie, alarmen over de gezondheidsrisico's van nanodeeltjes in verse producten en granen zijn ook toegenomen. Vooral, nanodeeltjes die via irrigatie de bodem binnendringen, meststoffen en andere bronnen hebben bezorgdheid geuit over de vraag of planten deze minuscule deeltjes voldoende absorberen om toxiciteit te veroorzaken.

In een nieuwe studie die online in het tijdschrift is gepubliceerd Milieuwetenschap en -technologie , onderzoekers van de Texas A&M University hebben machinaal leren gebruikt om de opvallende eigenschappen van metalen nanodeeltjes te evalueren, waardoor ze vatbaarder worden voor opname door planten. De onderzoekers zeiden dat hun algoritme zou kunnen aangeven hoeveel planten nanodeeltjes ophopen in hun wortels en scheuten.

Nanodeeltjes zijn een ontluikende trend op verschillende gebieden, inclusief medicijnen, consumentenproducten en landbouw. Afhankelijk van het type nanodeeltje, sommige hebben gunstige oppervlakte-eigenschappen, lading en magnetisme, onder andere kenmerken. Deze eigenschappen maken ze ideaal voor een aantal toepassingen. Bijvoorbeeld, in de landbouw, nanodeeltjes kunnen worden gebruikt als antimicrobiële middelen om planten te beschermen tegen ziekteverwekkers. Alternatief, ze kunnen worden gebruikt om zich te binden aan meststoffen of insecticiden en vervolgens geprogrammeerd voor langzame afgifte om de opname door de plant te vergroten.

Deze landbouwpraktijken en andere, zoals irrigatie, kunnen ervoor zorgen dat nanodeeltjes zich ophopen in de bodem. Echter, met de verschillende soorten nanodeeltjes die in de grond kunnen voorkomen en een duizelingwekkend groot aantal terrestrische plantensoorten, inclusief voedselgewassen, het is niet duidelijk of bepaalde eigenschappen van nanodeeltjes ervoor zorgen dat ze door sommige plantensoorten eerder worden opgenomen dan door andere.

"Zoals u zich kunt voorstellen, als we de aanwezigheid van elk nanodeeltje voor elke plantensoort moeten testen, het is een enorm aantal experimenten, wat erg tijdrovend en duur is, " zei Xingmao "Samuel" Ma, universitair hoofddocent bij de Zachry Department of Civil and Environmental Engineering. "Om je een idee te geven, alleen zilveren nanodeeltjes kunnen honderden verschillende groottes hebben, vormen en oppervlaktecoatings, en dus, elk experimenteel testen, zelfs voor een enkele plantensoort, is onpraktisch."

In plaats daarvan, voor hun studie, de onderzoekers kozen twee verschillende machine learning-algoritmen, een kunstmatig neuraal netwerk en genexpressieprogrammering. Ze hebben deze algoritmen eerst getraind in een database die is gemaakt op basis van eerder onderzoek naar verschillende metalen nanodeeltjes en de specifieke planten waarin ze zich ophoopten. Vooral, hun database bevatte de grootte, vorm en andere kenmerken van verschillende nanodeeltjes, samen met informatie over hoeveel van deze deeltjes werden geabsorbeerd uit grond of met voedingsstoffen verrijkt water in het plantenlichaam.

Eenmaal getraind, hun algoritmen voor machinaal leren kunnen de waarschijnlijkheid dat een bepaald metallisch nanodeeltje zich ophoopt in een plantensoort correct voorspellen. Ook, hun algoritmen onthulden dat wanneer planten zich in een met voedingsstoffen verrijkte of hydrocultuuroplossing bevinden, de chemische samenstelling van het metalen nanodeeltje bepaalt de neiging tot accumulatie in de wortels en scheuten. Maar als planten in aarde worden gekweekt, de gehaltes aan organische stof en de klei in de bodem zijn de sleutel tot de opname van nanodeeltjes.

Ma zei dat hoewel de machine learning-algoritmen voorspellingen kunnen doen voor de meeste voedselgewassen en terrestrische planten, ze zijn misschien nog niet klaar voor waterplanten. Hij merkte ook op dat de volgende stap in zijn onderzoek zou zijn om te onderzoeken of de machine learning-algoritmen de opname van nanodeeltjes van bladeren kunnen voorspellen in plaats van via de wortels.

"Het is heel begrijpelijk dat mensen zich zorgen maken over de aanwezigheid van nanodeeltjes in hun fruit, groenten en granen, " zei Ma. "Maar in plaats van helemaal geen nanotechnologie te gebruiken, we willen dat boeren profiteren van de vele voordelen van deze technologie, maar vermijden dat ze zich zorgen maken over voedselveiligheid."