本文摘要：摘 要 抗生素在醫(yī)療衛(wèi)生、養(yǎng)殖業(yè)等領(lǐng)域的廣泛應(yīng)用導(dǎo)致其隨著醫(yī)療廢棄物、廢水等進(jìn)入到自然環(huán)境并對(duì)人體健康和生態(tài)環(huán)境造成不利影響，而系統(tǒng)分析環(huán)境中殘留抗生素的種類、明確其與微生物的作用機(jī)制以及開(kāi)展不同處理方法的效果分析，對(duì)于準(zhǔn)確評(píng)估抗生素的風(fēng)險(xiǎn)和控制其不
摘 要 抗生素在醫(yī)療衛(wèi)生、養(yǎng)殖業(yè)等領(lǐng)域的廣泛應(yīng)用導(dǎo)致其隨著醫(yī)療廢棄物、廢水等進(jìn)入到自然環(huán)境并對(duì)人體健康和生態(tài)環(huán)境造成不利影響，而系統(tǒng)分析環(huán)境中殘留抗生素的種類、明確其與微生物的作用機(jī)制以及開(kāi)展不同處理方法的效果分析，對(duì)于準(zhǔn)確評(píng)估抗生素的風(fēng)險(xiǎn)和控制其不利影響具有重要意義.作為一種輔助手段，機(jī)器學(xué)習(xí)算法在大量數(shù)據(jù)解析的基礎(chǔ)上可進(jìn)行結(jié)果評(píng)估和預(yù)測(cè)，因此可高效、低成本分析環(huán)境污染物的行為特征. 基于此，本文綜述了機(jī)器學(xué)習(xí)算法在抗生素鑒定識(shí)別、微生物作用機(jī)制和去除效果評(píng)估預(yù)測(cè)方面的應(yīng)用現(xiàn)狀，并概括了不同算法的應(yīng)用特點(diǎn)和局限性. 鑒于機(jī)器學(xué)習(xí)當(dāng)前在抗生素研究中的重要作用，為其未來(lái)研究方向和發(fā)展提出展望，如在其它新興污染物的環(huán)境行為、效應(yīng)及控制等方面的應(yīng)用.
關(guān)鍵詞 機(jī)器學(xué)習(xí)，抗生素，鑒定識(shí)別，作用機(jī)制，去除效果評(píng)估.
抗生素是由微生物(包括細(xì)菌、真菌、放線菌屬)或高等動(dòng)植物所產(chǎn)生的，能干擾其他生物細(xì)胞發(fā)育功能的化學(xué)物質(zhì)[1]. 常見(jiàn)的抗生素有青霉素類、四環(huán)素類、頭孢類、喹諾酮類等，其抑菌性被廣泛應(yīng)用于醫(yī)療衛(wèi)生、畜牧業(yè)和水產(chǎn)養(yǎng)殖業(yè)[2]. 然而進(jìn)入生物體內(nèi)的抗生素不能被完全代謝，殘留的抗生素可能會(huì)通過(guò)市政污水、牲畜糞便、農(nóng)田徑流等多種途徑排入環(huán)境中[3 − 5]. 近年來(lái)，已經(jīng)在地表水、污水處理廠、土壤和大氣中檢測(cè)到抗生素的存在[6 − 9]. 環(huán)境中抗生素的存在會(huì)對(duì)人體健康和環(huán)境產(chǎn)生不利影響，如增加環(huán)境中微生物群落的選擇壓力，臨床抗生素使用效率降低等[5, 10].
系統(tǒng)分析環(huán)境中殘留抗生素的種類、明確其與微生物的作用機(jī)制以及開(kāi)展不同處理方法的效果分析，對(duì)于準(zhǔn)確評(píng)估抗生素的風(fēng)險(xiǎn)和控制其不利影響具有重要意義.目前抗生素的定性和定量分析方法較多，包括分光光度法、化學(xué)熒光、化學(xué)磷光、液相色譜法和毛細(xì)管電泳法等，這些方法耗時(shí)長(zhǎng)、檢測(cè)過(guò)程復(fù)雜[11]，對(duì)大量檢測(cè)數(shù)據(jù)進(jìn)行有效的分析顯得尤為重要.環(huán)境中殘留的抗生素與微生物的作用機(jī)制復(fù)雜，高效的數(shù)據(jù)處理方法如機(jī)器學(xué)習(xí)算法有助于深入揭示作用機(jī)制. 鑒于環(huán)境中殘留抗生素的潛在風(fēng)險(xiǎn)，研究者發(fā)現(xiàn)膜過(guò)濾、高級(jí)氧化技術(shù)、生物處理、吸附[12, 13]、光催化等技術(shù)均可實(shí)現(xiàn)抗生素的去除[14 − 16].
然而多種處理方法對(duì)于不同環(huán)境介質(zhì)中不同種類抗生素去除效果的評(píng)估、優(yōu)化以及預(yù)測(cè)都有待進(jìn)一步探究，建立相關(guān)的模型來(lái)分析去除方法、目標(biāo)污染物和去除率之間的關(guān)系對(duì)于抗生素的污染控制具有指導(dǎo)意義.機(jī)器學(xué)習(xí)是一種旨在使計(jì)算機(jī)具有獲取知識(shí)和處理大數(shù)據(jù)的能力，同時(shí)建立學(xué)習(xí)理論計(jì)算方法，構(gòu)建各種學(xué)習(xí)系統(tǒng)并將其投入到實(shí)際應(yīng)用中的一種技術(shù)[17]. 其核心是“使用算法解析數(shù)據(jù)，從中學(xué)習(xí)，然后對(duì)新數(shù)據(jù)做出決定或預(yù)測(cè)”. 機(jī)器學(xué)習(xí)算法可以分為有監(jiān)督、無(wú)監(jiān)督和半監(jiān)督[18]，主要包括決策樹(shù)學(xué)習(xí)、樸素貝葉斯、支持向量機(jī)、隨機(jī)森林、k-均值算法、主成分分析、人工神經(jīng)網(wǎng)絡(luò)、k-近鄰分析和遺傳算法等[19].
鑒于機(jī)器學(xué)習(xí)可以處理大量樣本數(shù)據(jù)，并且能進(jìn)行圖像識(shí)別和語(yǔ)言識(shí)別，目前在大氣污染物的檢測(cè)和評(píng)估以及醫(yī)療中抗生素的選擇和適用中已得到較為成熟的發(fā)展[20 − 22]. 在抗生素的相關(guān)研究中，傳統(tǒng)分析方法與機(jī)器學(xué)習(xí)的結(jié)合可以更加快速的識(shí)別抗生素的種類并進(jìn)行定量分析[23]，并且利用機(jī)器學(xué)習(xí)優(yōu)化模型有助于最佳去除條件的獲取.基于此，本文主要綜述了：(1)機(jī)器學(xué)習(xí)作為一種輔助手段在抗生素鑒定識(shí)別中的應(yīng)用，主要包括食品和環(huán)境中抗生素的定性和定量分析以及新型抗生素的發(fā)現(xiàn);(2)機(jī)器學(xué)習(xí)在抗生素與微生物作用機(jī)制研究中的應(yīng)用;(3)機(jī)器學(xué)習(xí)模型用于抗生素去除效果評(píng)估. 本文主要通過(guò)綜述機(jī)器學(xué)習(xí)算法在抗生素鑒定識(shí)別、微生物作用機(jī)制和去除效果評(píng)估預(yù)測(cè)方面的應(yīng)用現(xiàn)狀，針對(duì)不同算法的特點(diǎn)和局限性，為今后的研究方向和發(fā)展提出展望.
1 機(jī)器學(xué)習(xí)在抗生素鑒定識(shí)別分析中的應(yīng)用( Application of machine learning in identification andanalysis of antibiotics)
1.1 抗生素的定性定量分析抗生素的種類繁多，穩(wěn)定性較好，因此殘留抗生素較難降解，食物及環(huán)境中殘留的抗生素過(guò)高會(huì)對(duì)微生物和人體健康產(chǎn)生不利影響(如毒性作用、細(xì)菌耐藥性形成和過(guò)敏反應(yīng)等)[24]. 根據(jù)不同抗生素對(duì)微生物的毒性作用及抗生素耐藥性影響的不同，醫(yī)療產(chǎn)品評(píng)估機(jī)構(gòu)對(duì)食品中很多抗生素的殘留量做了規(guī)定，例如：歐洲醫(yī)療產(chǎn)品評(píng)估機(jī)構(gòu)規(guī)定牛奶中慶大霉素的最大殘留量為 100 ng·mL−1[25]. 準(zhǔn)確鑒定食品和環(huán)境中抗生素的種類并進(jìn)行定量分析是評(píng)估其暴露風(fēng)險(xiǎn)的重要前提. 傳統(tǒng)的定性定量方法無(wú)法對(duì)大量未知樣本進(jìn)行快速分析，而在此基礎(chǔ)上結(jié)合機(jī)器學(xué)習(xí)可以進(jìn)行多組分和大量樣本的高效分析.
Yehia 等在利用主成分回歸(Principal component regression，PCR，又稱 Fisher 判別分析)、偏最小二乘法(Partial least squares，PLS)、多元曲線分辨-交替最小二乘方法(Multivariate curve resolution - alternatingleast squares，MCR-ALS)、人工神經(jīng)網(wǎng)絡(luò)(Artificial neural network ，ANN)對(duì)光譜數(shù)據(jù)分析來(lái)追蹤廢水樣品中的頭孢菌素的殘留量，結(jié)果表明 ANN 誤差最小且具有良好的回收率，MCR-ALS 既可以定性又可以定量分析廢水樣品中的復(fù)雜混合物，分析性能優(yōu)于色譜技術(shù)[26]. 但 Zhong 等對(duì)食品中氟喹諾酮類抗生素殘留量進(jìn)行分析時(shí)卻發(fā)現(xiàn) PLS 和 PCR 回收率良好，具有更好的預(yù)測(cè)結(jié)果[24]. 類似地，Long 等的研究表明了最小二乘法、樸素貝葉斯、馬氏距離等方法對(duì)飼料中低濃度和混合氟喹諾酮類抗生素檢測(cè)方面的局限性[27].
由此看來(lái)，機(jī)器學(xué)習(xí)作為一種輔助數(shù)據(jù)分析手段，檢測(cè)方法和樣品來(lái)源的不同都會(huì)導(dǎo)致其分析性能的差異. 例如，對(duì)牛奶和自制生物溶液中的四環(huán)素采用人工神經(jīng)網(wǎng)絡(luò)輔助分析時(shí)，發(fā)現(xiàn)方波伏安法相對(duì)于比色法更適宜低濃度抗生素的檢測(cè)[28 − 29]. 主成分回歸相對(duì)于多元線性回歸可以實(shí)現(xiàn)食品樣品中多種氟喹諾酮類抗生素的同時(shí)測(cè)定，并且結(jié)合差分脈沖溶出伏安這一微量分析方法更有助于提高樣品的回收率[24, 27]. 另外，在對(duì)四環(huán)素的檢測(cè)中發(fā)現(xiàn)支持向量機(jī)(Support vector machine，SVM)、PCR 和線性判別分析(Linear Discriminant Analysis，LDA)可以區(qū)分兩種不同的四環(huán)素類混合物，并且 LDA 這種有監(jiān)督的學(xué)習(xí)方式可以克服 PCR 所面臨的不良分類問(wèn)題，而人工神經(jīng)網(wǎng)絡(luò)對(duì)四環(huán)素定量分析的相對(duì)準(zhǔn)確度達(dá)到了 91.9%—105%[28, 30]. 遺傳算法(Genetic algorithm，GA)是基于達(dá)爾文進(jìn)化論，通過(guò)模擬自然進(jìn)化來(lái)搜索最優(yōu)解的算法，主要應(yīng)用于機(jī)器學(xué)習(xí)的前處理利用變量選擇以提取最相關(guān)的變量并刪除不相關(guān)的變量來(lái)優(yōu)化模型. 用遺傳算法對(duì)這些模型進(jìn)行優(yōu)化可以提高靈敏度和召回率—即抗生素的識(shí)別率[31].
偏最小二乘法、濃度殘留經(jīng)典古典最小二乘法和人工神經(jīng)網(wǎng)絡(luò)可用于阿莫西林和氟氯西林的定性定量分析，R2 均大于 0.99，Attia 等利用遺傳算法對(duì)其進(jìn)行優(yōu)化后，除 GA-ANN 外，在二者的預(yù)測(cè)中R2 均增大[31]. 除此之外，Ding 等還發(fā)現(xiàn)了使用 Fisher 判別分析和多層感知神經(jīng)網(wǎng)絡(luò)還能對(duì)電子鼻檢測(cè)羊乳中青霉素殘留量這一新方法的可行性和準(zhǔn)確性進(jìn)行評(píng)估，為之后新方法實(shí)施的有效性提供了數(shù)據(jù)支撐[32]. 類似地，依賴于機(jī)器學(xué)習(xí)對(duì)磺胺噻唑、乙酰螺旋霉素等其它抗生素的定量分析也早有研究[11, 33 − 34].對(duì)于不同機(jī)器學(xué)習(xí)方式的性能評(píng)判指標(biāo)主要有準(zhǔn)確率、靈敏度、特異性、精度、召回率、ROS 曲線和魯棒性等. 現(xiàn)將不同機(jī)器學(xué)習(xí)方式對(duì)抗生素定量分析的相關(guān)性能指標(biāo)進(jìn)行整理.
機(jī)器學(xué)習(xí)提高了各種檢測(cè)方法對(duì)抗生素的定量分析的效率，可實(shí)現(xiàn)大樣本量的檢測(cè)，降低時(shí)間成本，使用遺傳算法對(duì)數(shù)據(jù)進(jìn)行預(yù)處理會(huì)增大預(yù)測(cè)數(shù)據(jù)與定值的擬合度，但所有的學(xué)習(xí)方式都需要大量的數(shù)據(jù)集和圖像集，并且至今還沒(méi)有一種方式可以實(shí)現(xiàn) 100% 的準(zhǔn)確率和回收率，在有大量數(shù)據(jù)支撐的檢測(cè)方法的基礎(chǔ)上應(yīng)用機(jī)器學(xué)習(xí)才會(huì)獲得最佳的魯棒性.
1.2 新型抗生素的發(fā)現(xiàn)
抗生素耐藥性是細(xì)菌在抵抗抗生素時(shí)所產(chǎn)生的防御能力. 當(dāng)抗生素連續(xù)釋放到環(huán)境中，可能會(huì)增大細(xì)菌的選擇性壓力，從而使其產(chǎn)生抗性致使抗生素失效，需要發(fā)現(xiàn)和設(shè)計(jì)新型抗生素來(lái)解決大量抗生素失效的問(wèn)題[35 − 36]. 目前，新型抗生素的開(kāi)發(fā)主要集中在兩大類，一是在與已有抗生素結(jié)構(gòu)相似的化合物庫(kù)中篩選可疑化合物進(jìn)行驗(yàn)證，二是從天然產(chǎn)物中挑選新的有效抗菌肽. 其中，抗菌肽作為一種先天免疫的天然成分[37]，對(duì)細(xì)菌有很強(qiáng)的殺傷作用，尤其是其對(duì)某些耐藥性病原菌的殺滅作用更引起了人們的重視，被認(rèn)為是目前最有前景的一種新型抗生素. 除此之外，人們還發(fā)現(xiàn)，某些抗菌肽對(duì)部分病毒、真菌、原蟲和癌細(xì)胞等有殺滅作用，甚至能提高免疫力、加速傷口愈合過(guò)程[38]. 抗菌肽作為一種小分子肽，其氨基酸序列和結(jié)構(gòu)與其生物活性有相關(guān)性，獲得相應(yīng)的抗菌肽段需要對(duì)它的序列和活性進(jìn)行分析[39]. 傳統(tǒng)的抗菌肽的發(fā)現(xiàn)方式主要包括利用細(xì)菌進(jìn)行篩選和基因組測(cè)序兩種[40].
利用細(xì)菌進(jìn)行篩選的特異性較強(qiáng)，不同菌的敏感性不同，而基因組測(cè)序僅能輸出已知的生物合成簇家族. 相比較傳統(tǒng)方法，借助于機(jī)器學(xué)習(xí)對(duì)抗菌肽進(jìn)行識(shí)別和活性分析可以更加高效的找到適宜的抗菌肽序列并根據(jù)序列按照結(jié)構(gòu)相似性和同源性發(fā)現(xiàn)未知的抗菌肽[40]. 目前已有研究表明，隨機(jī)森林、卷積神經(jīng)網(wǎng)絡(luò)等方法通過(guò)探索肽序列空間來(lái)發(fā)現(xiàn)抗菌肽可以提高抗菌肽的識(shí)別率[37].Morales 等將機(jī)器學(xué)習(xí)與分子熒光光譜法和電子鼻等技術(shù)相結(jié)合用于抗菌肽(AMP)的發(fā)現(xiàn)和生物活性預(yù)測(cè)[34, 37, 41 − 43]. 人工神經(jīng)網(wǎng)絡(luò)中應(yīng)用長(zhǎng)期短期記憶網(wǎng)絡(luò)可以表征高度復(fù)雜的順序，將肽序列轉(zhuǎn)換為均勻的數(shù)字矢量作為神經(jīng)網(wǎng)絡(luò)的輸入層，這種方法可以幫助識(shí)別出可能隱藏在全面數(shù)據(jù)集中所代表 AMP 的不同家族的可疑序列[44].
同樣，Lata 等也應(yīng)用人工神經(jīng)網(wǎng)絡(luò)、定量矩陣和支持向量機(jī)分析氨基酸 N 末端殘基和 C 端殘基以預(yù)測(cè)抗菌肽，結(jié)果表明支持向量機(jī)對(duì) N 和 C 端殘基同時(shí)分析時(shí)的準(zhǔn)確度最高[43]. 另外，在 Gull 等的研究還表明采用支持向量機(jī)和極端梯度增強(qiáng)樹(shù)既可以預(yù)測(cè)肽序列是否為抗菌肽，又可以通過(guò) AMAP 分?jǐn)?shù)來(lái)評(píng)價(jià)其生物學(xué)活性及序列突變對(duì)活性的影響[45].利用敏感性、特異性、準(zhǔn)確度、馬斯修相關(guān)系數(shù)和 ROC 曲線可以評(píng)估不同機(jī)器學(xué)習(xí)算法識(shí)別抗菌肽的性能.
不同的機(jī)器學(xué)習(xí)算法包括基于長(zhǎng)期短期記憶網(wǎng)絡(luò)的神經(jīng)網(wǎng)絡(luò)、基于序列最小優(yōu)化(Sequential Minimal Optimization, SMO)算法的支持向量機(jī)、基于 N 端和 C 端殘基的支持向量機(jī)、定量矩陣及卷積神經(jīng)網(wǎng)絡(luò)的準(zhǔn)確率都在 90% 以上，可以有效用于抗菌肽的識(shí)別[46]. 除此之外，可使用支持向量機(jī)、邏輯回歸、隨機(jī)森林、Blast 和深度遞歸神經(jīng)網(wǎng)絡(luò)，以蛋白質(zhì)序列作為輸入層來(lái)區(qū)分抗菌肽和非抗菌肽序列[47]. 通過(guò)繪制這些模型的平均精確召回曲線可以發(fā)現(xiàn)，深度遞歸神經(jīng)網(wǎng)絡(luò)的效果最好，精度可達(dá) 0.958[47].
近年來(lái)，也有不少研究者利用機(jī)器學(xué)習(xí)從大量的化學(xué)文庫(kù)中篩選可行的抗菌分子，Stokes 等利用深度神經(jīng)網(wǎng)絡(luò)訓(xùn)練分子結(jié)構(gòu)對(duì)大腸桿菌生長(zhǎng)抑制的關(guān)系模型，并將其應(yīng)用于多個(gè)化學(xué)文庫(kù)中，根據(jù)預(yù)測(cè)分?jǐn)?shù)來(lái)確定候選抗生素進(jìn)行驗(yàn)證，發(fā)現(xiàn)了 8 種新型抗菌分子[48]. 此外，利用半自動(dòng)化細(xì)菌表型指紋(BPF)分析平臺(tái)來(lái)指導(dǎo)化學(xué)結(jié)構(gòu)和生物活性的優(yōu)化，結(jié)合隨機(jī)森林算法分析，不僅可以從分子的物化特性來(lái)揭示抗生素分子，還可以實(shí)現(xiàn)跨物種的新型抗生素的開(kāi)發(fā)應(yīng)用[49]. 我們發(fā)現(xiàn)目前關(guān)于開(kāi)發(fā)新型抗菌化合物分子的研究遠(yuǎn)不及抗菌肽的識(shí)別成熟，而且對(duì)于大數(shù)據(jù)文庫(kù)的分析，更加依賴于隨機(jī)森林、卷積神經(jīng)網(wǎng)絡(luò)和深度神經(jīng)網(wǎng)絡(luò)這類深度學(xué)習(xí)算法.
2 機(jī)器學(xué)習(xí)對(duì)抗生素與微生物作用機(jī)制的預(yù)測(cè)分析(Predictive analysis of the mechanism of actionbetween antibiotics and microorganisms by machine learning)抗生素對(duì)微生物的主要作用機(jī)制包括：抑制細(xì)胞壁的合成(青霉素類和頭孢菌素類)，與細(xì)胞膜相互作用(多粘菌素和短桿菌素直接破壞細(xì)胞外膜和內(nèi)膜)，干擾蛋白質(zhì)的合成使一些酶失去作用(福霉素類、氨基糖苷類、四環(huán)素類和氯霉素)，抑制核酸的轉(zhuǎn)錄和復(fù)制，阻止細(xì)胞分裂和所需酶的合成(萘啶酸和二氯基吖啶). 盡管抗生素的主要靶向作用和機(jī)理已經(jīng)有了充分研究[50]，但對(duì)于抗生素誘導(dǎo)代謝改變的生物學(xué)機(jī)制尚不清楚，分析抗生素與細(xì)菌的作用形式有利于更深入地闡述抗生素的作用機(jī)制. 同時(shí)，抗生素要想對(duì)細(xì)胞具有一定的活性就必須穿透細(xì)胞的保護(hù)屏障，不同種抗生素采用相同方式與細(xì)菌接觸時(shí)會(huì)有共同的氨基酸序列或者分子結(jié)構(gòu)，研究這些序列和結(jié)構(gòu)與細(xì)胞作用形式之間的關(guān)系，有利于研究影響細(xì)菌抗生素耐藥性出現(xiàn)的關(guān)鍵因子[51- 52]. 而將生化篩選，網(wǎng)絡(luò)建模和機(jī)器學(xué)習(xí)結(jié)合對(duì)于深入解析抗生素的作用機(jī)制具有重要意義[53].
Lu 和 Yang 等也利用機(jī)器學(xué)習(xí)預(yù)測(cè)抗生素與 DNA 的相互作用并分析其影響核酸復(fù)制和合成的機(jī)理，發(fā)現(xiàn)多元分析和人工神經(jīng)網(wǎng)絡(luò)可以預(yù)測(cè)抗生素與 DNA 相互作用的影響因素并預(yù)測(cè)未知抗生素與DNA 的結(jié)合方式[52, 54]. 研究者將層次聚類、回歸分析和超幾何通路識(shí)別應(yīng)用于解析抗生素作用下的代謝機(jī)制，發(fā)現(xiàn)氨芐青霉素限制了腺嘌呤的合成，增加了 ATP 的需求，從而導(dǎo)致中央碳代謝活性和耗氧量增加 [54 − 55].
除此之外，抗生素還能夠與細(xì)胞膜相互作用，Lee 等基于 α-螺旋抗菌肽序列訓(xùn)練的支持向量機(jī)可鑒定與細(xì)菌脂質(zhì)膜相互作用的不同環(huán)狀抗生素作用機(jī)制的共同點(diǎn)，以不同的序列和結(jié)構(gòu)作為輸入變量，利用經(jīng)驗(yàn)?zāi)せ钚赃M(jìn)行訓(xùn)練來(lái)預(yù)測(cè)結(jié)構(gòu)-膜活性關(guān)系[51]. 發(fā)現(xiàn)不同種類抗生素與生物作用存在共同之處，找出這部分的氨基酸序列就可以預(yù)知未知抗生素對(duì)微生物的作用方式. 此外，抗生素在投入使用之前都要進(jìn)行抗生素藥敏性測(cè)試，來(lái)確定它對(duì)細(xì)菌的半致死量及作用方式[44, 55]. Iriya 等基于以往相關(guān)問(wèn)題的大量數(shù)據(jù)集，來(lái)建立不同菌株的抗生素的敏感性，得出卷積神經(jīng)網(wǎng)絡(luò)和長(zhǎng)短期記憶神經(jīng)網(wǎng)絡(luò)對(duì)多粘菌素 B、氨芐青霉素和慶大霉素的準(zhǔn)確度極高，但對(duì)鏈霉素、環(huán)丙沙星的準(zhǔn)確度較差[44].Budak 等還發(fā)現(xiàn)概率神經(jīng)網(wǎng)絡(luò)在抗生素對(duì)微生物的最小抑菌濃度的研究上表現(xiàn)出較好的特異性和靈敏性[56].
3 機(jī)器學(xué)習(xí)
用于環(huán)境中抗生素去除效果的預(yù)測(cè)分析(Predictive analysis of antibiotic removal in theenvironment using machine learning)抗生素通過(guò)生活污水、養(yǎng)殖廢水、醫(yī)療廢棄物等途徑進(jìn)入到水體、土壤和空氣等環(huán)境中[57]. 殘留在環(huán)境中的抗生素不僅會(huì)引起抗生素耐藥性的增強(qiáng)和抗性基因的傳播，而且威脅人體健康，如引起皮膚過(guò)敏反應(yīng)、損害腎臟和聽(tīng)覺(jué)神經(jīng)和導(dǎo)致肝損傷等[58]. 因此，環(huán)境中殘留抗生素的去除對(duì)于減緩其生態(tài)環(huán)境的不利影響至關(guān)重要. 而抗生素種類多、環(huán)境影響因素復(fù)雜等問(wèn)題導(dǎo)致在不同環(huán)境介質(zhì)中的去除條件差異較大，從而增加了抗生素去除效果分析的難度. 機(jī)器學(xué)習(xí)可在對(duì)不同抗生素去除方法的數(shù)據(jù)分析的基礎(chǔ)上，探究最佳去除條件，并建立合適的模型用于評(píng)價(jià)方法的可行性和有效性，目前已經(jīng)被廣泛應(yīng)用于水環(huán)境中抗生素的去除研究[59].目前抗生素去除研究中應(yīng)用的機(jī)器學(xué)習(xí)算法以神經(jīng)網(wǎng)絡(luò)模型為主，主要包括人工神經(jīng)網(wǎng)絡(luò)、反向傳播人工神經(jīng)網(wǎng)絡(luò)、半徑基函數(shù)神經(jīng)網(wǎng)絡(luò)、遺傳算法人工神經(jīng)網(wǎng)絡(luò)和一般回歸神經(jīng)網(wǎng)絡(luò).
除此之外，也有少量研究應(yīng)用了響應(yīng)曲面法、隨機(jī)森林和梯度增強(qiáng)樹(shù). Zhu 等在分析碳基材料對(duì)四環(huán)素和磺胺甲惡唑吸附的研究中發(fā)現(xiàn)，隨機(jī)森林的預(yù)測(cè)精度比梯度增強(qiáng)樹(shù)和人工神經(jīng)網(wǎng)絡(luò)高，且通過(guò)不同機(jī)器學(xué)習(xí)算法證實(shí)了材料表面積、溶液 pH 和抗生素與碳基材料的初始比例是決定去除效率的主要因素[60]. 相反，在工業(yè)造紙污泥活性炭吸附恩諾沙星的研究中，人工神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)的擬合度要優(yōu)于響應(yīng)曲面法. 光催化技術(shù)因其高效的抗生素去除效率得到快速發(fā)展，且人工神經(jīng)網(wǎng)絡(luò)對(duì)光催化法處理結(jié)果的分析較響應(yīng)面法、增強(qiáng)回歸樹(shù)應(yīng)用更加廣泛，所擬合的模型相關(guān)性較好[61 − 63]. 此外，Zhou 等的研究也表明半徑基函數(shù)神經(jīng)網(wǎng)絡(luò)在模擬和預(yù)測(cè)水溶液中蘇云金素的非生物降解過(guò)程中也表現(xiàn)出了較高的相關(guān)性[59].
大量研究表明，機(jī)器學(xué)習(xí)算法、去除方法和目標(biāo)抗生素種類的差異都會(huì)導(dǎo)致模型與實(shí)際結(jié)果的擬合效果的不同，比較機(jī)器學(xué)習(xí)算法在四環(huán)素去除中的應(yīng)用發(fā)現(xiàn)，人工神經(jīng)網(wǎng)絡(luò)與生物吸附去除技術(shù)相結(jié)合，及增強(qiáng)回歸樹(shù)應(yīng)用于納米復(fù)合材料吸附技術(shù)時(shí)的相關(guān)系數(shù)均可以達(dá)到 0.999 以上[61, 64]. 對(duì)比這些研究我們發(fā)現(xiàn)樣品的形態(tài)也可能是影響擬合效果的一種因素，相對(duì)于采用堆肥去除四環(huán)素時(shí)對(duì)固體樣品進(jìn)行分析，人工神經(jīng)網(wǎng)絡(luò)在水環(huán)境體系中四環(huán)素的去除效果分析中具有更好的擬合和預(yù)測(cè)效果[64 − 66]. 相比其他方法，人工神經(jīng)網(wǎng)絡(luò)因其較強(qiáng)的適用性應(yīng)用最為廣泛，但傳統(tǒng)的人工神經(jīng)網(wǎng)絡(luò)并不能滿足多組分復(fù)雜體系的研究. 采用不同算法對(duì)納米復(fù)合材料吸附四環(huán)素的研究中發(fā)現(xiàn)，增強(qiáng)回歸樹(shù)的擬合性要優(yōu)于一般回歸神經(jīng)網(wǎng)絡(luò)，使用遺傳算法優(yōu)化的人工神經(jīng)網(wǎng)絡(luò)對(duì)于光催化去除硝唑類抗生素性能要更好[61, 63, 67]. 而對(duì)于去除最佳條件這種多因素實(shí)驗(yàn)條件探究時(shí)，隨機(jī)森林有助于我們快速篩選出最優(yōu)條件[60].
4 總結(jié)與展望(Conclusion and prospect)
本文闡述了機(jī)器學(xué)習(xí)在抗生素的鑒定識(shí)別和抗生素作用機(jī)制的研究以及水環(huán)境中抗生素的去除上的相關(guān)應(yīng)用. 綜上所述，機(jī)器學(xué)習(xí)在抗生素的鑒定識(shí)別、抗生素與微生物作用機(jī)制分析和抗生素去除效果的預(yù)測(cè)方面已有大量應(yīng)用，而人工神經(jīng)網(wǎng)絡(luò)是應(yīng)用最為廣泛的機(jī)器學(xué)習(xí)算法，并且在水環(huán)境中抗生素去除的模型建立表現(xiàn)出更優(yōu)越的性能. 在抗生素的鑒別方面，判別分析主要應(yīng)用于抗生素的定量分析，而神經(jīng)網(wǎng)絡(luò)系統(tǒng)和半監(jiān)督學(xué)習(xí)方式-支持向量機(jī)等一些分類算法則被用于抗生素預(yù)測(cè)如抗菌肽的發(fā)現(xiàn).盡管機(jī)器學(xué)習(xí)在抗生素的定量定性分析及新型抗生素的發(fā)現(xiàn)上發(fā)揮了重要作用，但目前在多種抗生素混合物的定性分析上仍有很大的局限性，且不能準(zhǔn)確預(yù)測(cè)較低濃度的抗生素. 此外，抗生素作用機(jī)制的特異性和復(fù)雜性限制了機(jī)器學(xué)習(xí)的應(yīng)用，因而應(yīng)當(dāng)在最佳樣本數(shù)量、模型優(yōu)化和預(yù)處理方面進(jìn)行深入研究，提高算法的準(zhǔn)確率和靈敏度. 同時(shí)，采用遺傳算法等對(duì)數(shù)據(jù)和算法進(jìn)行優(yōu)化可提高模型的適應(yīng)性和穩(wěn)定性. 鑒于其特點(diǎn)及當(dāng)前在抗生素研究中的重要作用，機(jī)器學(xué)習(xí)在未來(lái)研究其他新興污染物的環(huán)境行為、效應(yīng)及控制等方面可發(fā)揮重要作用.
參考文獻(xiàn) (References)
張曉蕾. 對(duì)antibiotics由抗菌素到抗生素之分析 [J]. 臨床醫(yī)藥文獻(xiàn)電子雜志, 2014, 1(11): 2061-2062.ZHANG X L. Analysis of antibiotics from antimicrobial to antibiotics [J]. Journal of Clinical Medical Literature, 2014, 1(11): 2061-2062(in Chinese).[ 1 ]廖洋, 魯金鳳, 曹軼群, 等. 光催化降解對(duì)抗生素藻類毒性效應(yīng)影響研究進(jìn)展 [J]. 環(huán)境化學(xué), 2021, 40(1): 111-120.LIAO Y, LU J F, CAO Y Q, et al. Research progress on the effects of photocatalytic degradation on the algae toxicity of antibiotics [J].Environmental Chemistry, 2021, 40(1): 111-120(in Chinese).
[ 2 ]LACH J, STĘPNIAK L, OCIEPA-KUBICKA A. Antibiotics in the environment as one of the barriers to sustainable development [J].Problemy Ekorozwoju, 2018, 13(1): 197-207.
[ 3 ]REINTHALER F F, POSCH J, FEIERL G, et al. Antibiotic resistance of E. coli in sewage and sludge [J]. Water Research, 2003,37(8): 1685-1690.
[ 4 ]BEN Y J, FU C X, HU M, et al. Human health risk assessment of antibiotic resistance associated with antibiotic residues in theenvironment: A review [J]. Environmental Research, 2019, 169: 483-493.
[ 5 ]ANIKA T, NOMAN Z, FERDOUS M, et al. Time dependent screening of antibiotic residues in milk of antibiotics treated cows [J].Journal of Advanced Veterinary and Animal Research, 2019, 6(4): 516.
[ 6 ]CHEN J, YING G G, DENG W J. Antibiotic residues in food: Extraction, analysis, and human health concerns [J]. Journal ofAgricultural and Food Chemistry, 2019, 67(27): 7569-7586.
[ 7 ]BERGERON S, RAJ B, NATHANIEL R, et al. Presence of antibiotic resistance genes in raw source water of a drinking water treatmentplant in a rural community of USA [J]. International Biodeterioration & Biodegradation, 2017, 124: 3-9.
[ 8 ]CHEN C Q, LI J, CHEN P P, et al. Occurrence of antibiotics and antibiotic resistances in soils from wastewater irrigation areas inBeijing and Tianjin, China [J]. Environmental Pollution, 2014, 193: 94-101.
作者：龐蕊蕊1,2 邵博群1,2 李 燁1,2 謝 冰1,2 蘇應(yīng)龍1,2
轉(zhuǎn)載請(qǐng)注明來(lái)自發(fā)表學(xué)術(shù)論文網(wǎng)：http:///dzlw/30248.html
