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、廢水等進入到自然環(huán)境并對人體健康和生態(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制以及開展不同處理方法的效果分析，對于準(zhǔn)確評估抗生素的風(fēng)險和控制其不
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、廢水等進入到自然環(huán)境并對人體健康和生態(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制以及開展不同處理方法的效果分析，對于準(zhǔn)確評估抗生素的風(fēng)險和控制其不利影響具有重要意義.作為一種輔助手段，機器學(xué)習(xí)算法在大量數(shù)據(jù)解析的基礎(chǔ)上可進行結(jié)果評估和預(yù)測，因此可高效、低成本分析環(huán)境污染物的行為特征. 基于此，本文綜述了機器學(xué)習(xí)算法在抗生素鑒定識別、微生物作用機制和去除效果評估預(yù)測方面的應(yīng)用現(xiàn)狀，并概括了不同算法的應(yīng)用特點和局限性. 鑒于機器學(xué)習(xí)當(dāng)前在抗生素研究中的重要作用，為其未來研究方向和發(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 機器學(xué)習(xí)，抗生素，鑒定識別，作用機制，去除效果評估.
抗生素是由微生物(包括細(xì)菌、真菌、放線菌屬)或高等動植物所產(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通過市政污水、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，已經(jīng)在地表水、污水處理廠、土壤和大氣中檢測到抗生素的存在[6 − 9]. 環(huán)境中抗生素的存在會對人體健康和環(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制以及開展不同處理方法的效果分析，對于準(zhǔn)確評估抗生素的風(fēng)險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，這些方法耗時長、檢測過程復(fù)雜[11]，對大量檢測數(shù)據(jù)進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制復(fù)雜，高效的數(shù)據(jù)處理方法如機器學(xué)習(xí)算法有助于深入揭示作用機制. 鑒于環(huán)境中殘留抗生素的潛在風(fēng)險，研究者發(fā)現(xiàn)膜過濾、高級氧化技術(shù)、生物處理、吸附[12, 13]、光催化等技術(shù)均可實現(xiàn)抗生素的去除[14 − 16].
然而多種處理方法對于不同環(huán)境介質(zhì)中不同種類抗生素去除效果的評估、優(yōu)化以及預(yù)測都有待進一步探究，建立相關(guān)的模型來分析去除方法、目標(biāo)污染物和去除率之間的關(guān)系對于抗生素的污染控制具有指導(dǎo)意義.機器學(xué)習(xí)是一種旨在使計算機具有獲取知識和處理大數(shù)據(jù)的能力，同時建立學(xué)習(xí)理論計算方法，構(gòu)建各種學(xué)習(xí)系統(tǒng)并將其投入到實際應(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)，然后對新數(shù)據(jù)做出決定或預(yù)測”. 機器學(xué)習(xí)算法可以分為有監(jiān)督、無監(jiān)督和半監(jiān)督[18]，主要包括決策樹學(xué)習(xí)、樸素貝葉斯、支持向量機、隨機森林、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].
鑒于機器學(xué)習(xí)可以處理大量樣本數(shù)據(jù)，并且能進行圖像識別和語言識別，目前在大氣污染物的檢測和評估以及醫(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)分析方法與機器學(xué)習(xí)的結(jié)合可以更加快速的識別抗生素的種類并進行定量分析[23]，并且利用機器學(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)機器學(xué)習(xí)作為一種輔助手段在抗生素鑒定識別中的應(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)機器學(xué)習(xí)在抗生素與微生物作用機制研究中的應(yīng)用;(3)機器學(xué)習(xí)模型用于抗生素去除效果評估. 本文主要通過綜述機器學(xué)習(xí)算法在抗生素鑒定識別、微生物作用機制和去除效果評估預(yù)測方面的應(yīng)用現(xiàn)狀，針對不同算法的特點和局限性，為今后的研究方向和發(fā)展提出展望.
1 機器學(xué)習(xí)在抗生素鑒定識別分析中的應(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高會對微生物和人體健康產(chǎn)生不利影響(如毒性作用、細(xì)菌耐藥性形成和過敏反應(yīng)等)[24]. 根據(jù)不同抗生素對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)品評估機構(gòu)對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)品評估機構(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行定量分析是評估其暴露風(fēng)險的重要前提. 傳統(tǒng)的定性定量方法無法對大量未知樣本進行快速分析，而在此基礎(chǔ)上結(jié)合機器學(xué)習(xí)可以進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)對光譜數(shù)據(jù)分析來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 等對食品中氟喹諾酮類抗生素殘留量進行分析時卻發(fā)現(xiàn) PLS 和 PCR 回收率良好，具有更好的預(yù)測結(jié)果[24]. 類似地，Long 等的研究表明了最小二乘法、樸素貝葉斯、馬氏距離等方法對飼料中低濃度和混合氟喹諾酮類抗生素檢測方面的局限性[27].
由此看來，機器學(xué)習(xí)作為一種輔助數(shù)據(jù)分析手段，檢測方法和樣品來源的不同都會導(dǎo)致其分析性能的差異. 例如，對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，發(fā)現(xiàn)方波伏安法相對于比色法更適宜低濃度抗生素的檢測[28 − 29]. 主成分回歸相對于多元線性回歸可以實現(xiàn)食品樣品中多種氟喹諾酮類抗生素的同時測定，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，在對四環(huán)素的檢測中發(fā)現(xiàn)支持向量機(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題，而人工神經(jīng)網(wǎng)絡(luò)對四環(huán)素定量分析的相對準(zhǔn)確度達(dá)到了 91.9%—105%[28, 30]. 遺傳算法(Genetic algorithm，GA)是基于達(dá)爾文進化論，通過模擬自然進化來搜索最優(yōu)解的算法，主要應(yīng)用于機器學(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)的變量來優(yōu)化模型. 用遺傳算法對這些模型進行優(yōu)化可以提高靈敏度和召回率—即抗生素的識別率[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 等利用遺傳算法對其進行優(yōu)化后，除 GA-ANN 外，在二者的預(yù)測中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)還能對電子鼻檢測羊乳中青霉素殘留量這一新方法的可行性和準(zhǔn)確性進行評估，為之后新方法實施的有效性提供了數(shù)據(jù)支撐[32]. 類似地，依賴于機器學(xué)習(xí)對磺胺噻唑、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].對于不同機器學(xué)習(xí)方式的性能評判指標(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)將不同機器學(xué)習(xí)方式對抗生素定量分析的相關(guān)性能指標(biāo)進行整理.
機器學(xué)習(xí)提高了各種檢測方法對抗生素的定量分析的效率，可實現(xiàn)大樣本量的檢測，降低時間成本，使用遺傳算法對數(shù)據(jù)進行預(yù)處理會增大預(yù)測數(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，并且至今還沒有一種方式可以實現(xiàn) 100% 的準(zhǔn)確率和回收率，在有大量數(shù)據(jù)支撐的檢測方法的基礎(chǔ)上應(yīng)用機器學(xué)習(xí)才會獲得最佳的魯棒性.
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)計新型抗生素來解決大量抗生素失效的問題[35 − 36]. 目前，新型抗生素的開發(fā)主要集中在兩大類，一是在與已有抗生素結(jié)構(gòu)相似的化合物庫中篩選可疑化合物進行驗證，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]，對細(xì)菌有很強的殺傷作用，尤其是其對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)的抗菌肽段需要對它的序列和活性進行分析[39]. 傳統(tǒng)的抗菌肽的發(fā)現(xiàn)方式主要包括利用細(xì)菌進行篩選和基因組測序兩種[40].
利用細(xì)菌進行篩選的特異性較強，不同菌的敏感性不同，而基因組測序僅能輸出已知的生物合成簇家族. 相比較傳統(tǒng)方法，借助于機器學(xué)習(xí)對抗菌肽進行識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，隨機森林、卷積神經(jīng)網(wǎng)絡(luò)等方法通過探索肽序列空間來發(fā)現(xiàn)抗菌肽可以提高抗菌肽的識別率[37].Morales 等將機器學(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[34, 37, 41 − 43]. 人工神經(jīng)網(wǎng)絡(luò)中應(yīng)用長期短期記憶網(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分析氨基酸 N 末端殘基和 C 端殘基以預(yù)測抗菌肽，結(jié)果表明支持向量機對 N 和 C 端殘基同時分析時的準(zhǔn)確度最高[43]. 另外，在 Gull 等的研究還表明采用支持向量機和極端梯度增強樹既可以預(yù)測肽序列是否為抗菌肽，又可以通過 AMAP 分?jǐn)?shù)來評價其生物學(xué)活性及序列突變對活性的影響[45].利用敏感性、特異性、準(zhǔn)確度、馬斯修相關(guān)系數(shù)和 ROC 曲線可以評估不同機器學(xué)習(xí)算法識別抗菌肽的性能.
不同的機器學(xué)習(xí)算法包括基于長期短期記憶網(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、基于 N 端和 C 端殘基的支持向量機、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別[46]. 除此之外，可使用支持向量機、邏輯回歸、隨機森林、Blast 和深度遞歸神經(jīng)網(wǎng)絡(luò)，以蛋白質(zhì)序列作為輸入層來區(qū)分抗菌肽和非抗菌肽序列[47]. 通過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，也有不少研究者利用機器學(xué)習(xí)從大量的化學(xué)文庫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)對大腸桿菌生長抑制的關(guān)系模型，并將其應(yīng)用于多個化學(xué)文庫中，根據(jù)預(yù)測分?jǐn)?shù)來確定候選抗生素進行驗證，發(fā)現(xiàn)了 8 種新型抗菌分子[48]. 此外，利用半自動化細(xì)菌表型指紋(BPF)分析平臺來指導(dǎo)化學(xué)結(jié)構(gòu)和生物活性的優(yōu)化，結(jié)合隨機森林算法分析，不僅可以從分子的物化特性來揭示抗生素分子，還可以實現(xiàn)跨物種的新型抗生素的開發(fā)應(yīng)用[49]. 我們發(fā)現(xiàn)目前關(guān)于開發(fā)新型抗菌化合物分子的研究遠(yuǎn)不及抗菌肽的識別成熟，而且對于大數(shù)據(jù)文庫的分析，更加依賴于隨機森林、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 機器學(xué)習(xí)對抗生素與微生物作用機制的預(yù)測分析(Predictive analysis of the mechanism of actionbetween antibiotics and microorganisms by machine learning)抗生素對微生物的主要作用機制包括：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理已經(jīng)有了充分研究[50]，但對于抗生素誘導(dǎo)代謝改變的生物學(xué)機制尚不清楚，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制. 同時，抗生素要想對細(xì)胞具有一定的活性就必須穿透細(xì)胞的保護屏障，不同種抗生素采用相同方式與細(xì)菌接觸時會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)建模和機器學(xué)習(xí)結(jié)合對于深入解析抗生素的作用機制具有重要意義[53].
Lu 和 Yang 等也利用機器學(xué)習(xí)預(yù)測抗生素與 DNA 的相互作用并分析其影響核酸復(fù)制和合成的機理，發(fā)現(xiàn)多元分析和人工神經(jīng)網(wǎng)絡(luò)可以預(yù)測抗生素與 DNA 相互作用的影響因素并預(yù)測未知抗生素與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別應(yīng)用于解析抗生素作用下的代謝機制，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)狀抗生素作用機制的共同點，以不同的序列和結(jié)構(gòu)作為輸入變量，利用經(jīng)驗?zāi)せ钚赃M行訓(xùn)練來預(yù)測結(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)知未知抗生素對微生物的作用方式. 此外，抗生素在投入使用之前都要進行抗生素藥敏性測試，來確定它對細(xì)菌的半致死量及作用方式[44, 55]. Iriya 等基于以往相關(guān)問題的大量數(shù)據(jù)集，來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)和長短期記憶神經(jīng)網(wǎng)絡(luò)對多粘菌素 B、氨芐青霉素和慶大霉素的準(zhǔn)確度極高，但對鏈霉素、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 機器學(xué)習(xí)
用于環(huán)境中抗生素去除效果的預(yù)測分析(Predictive analysis of antibiotic removal in theenvironment using machine learning)抗生素通過生活污水、養(yǎng)殖廢水、醫(yī)療廢棄物等途徑進入到水體、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引起抗生素耐藥性的增強和抗性基因的傳播，而且威脅人體健康，如引起皮膚過敏反應(yīng)、損害腎臟和聽覺神經(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. 機器學(xué)習(xí)可在對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價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、隨機森林和梯度增強樹. Zhu 等在分析碳基材料對四環(huán)素和磺胺甲惡唑吸附的研究中發(fā)現(xiàn)，隨機森林的預(yù)測精度比梯度增強樹和人工神經(jīng)網(wǎng)絡(luò)高，且通過不同機器學(xué)習(xí)算法證實了材料表面積、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)對光催化法處理結(jié)果的分析較響應(yīng)面法、增強回歸樹應(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)測水溶液中蘇云金素的非生物降解過程中也表現(xiàn)出了較高的相關(guān)性[59].
大量研究表明，機器學(xué)習(xí)算法、去除方法和目標(biāo)抗生素種類的差異都會導(dǎo)致模型與實際結(jié)果的擬合效果的不同，比較機器學(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，及增強回歸樹應(yīng)用于納米復(fù)合材料吸附技術(shù)時的相關(guān)系數(shù)均可以達(dá)到 0.999 以上[61, 64]. 對比這些研究我們發(fā)現(xiàn)樣品的形態(tài)也可能是影響擬合效果的一種因素，相對于采用堆肥去除四環(huán)素時對固體樣品進行分析，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)測效果[64 − 66]. 相比其他方法，人工神經(jīng)網(wǎng)絡(luò)因其較強的適用性應(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. 采用不同算法對納米復(fù)合材料吸附四環(huán)素的研究中發(fā)現(xiàn)，增強回歸樹的擬合性要優(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)對于光催化去除硝唑類抗生素性能要更好[61, 63, 67]. 而對于去除最佳條件這種多因素實驗條件探究時，隨機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)
本文闡述了機器學(xué)習(xí)在抗生素的鑒定識別和抗生素作用機制的研究以及水環(huán)境中抗生素的去除上的相關(guān)應(yīng)用. 綜上所述，機器學(xué)習(xí)在抗生素的鑒定識別、抗生素與微生物作用機制分析和抗生素去除效果的預(yù)測方面已有大量應(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-支持向量機等一些分類算法則被用于抗生素預(yù)測如抗菌肽的發(fā)現(xiàn).盡管機器學(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)測較低濃度的抗生素. 此外，抗生素作用機制的特異性和復(fù)雜性限制了機器學(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)處理方面進行深入研究，提高算法的準(zhǔn)確率和靈敏度. 同時，采用遺傳算法等對數(shù)據(jù)和算法進行優(yōu)化可提高模型的適應(yīng)性和穩(wěn)定性. 鑒于其特點及當(dāng)前在抗生素研究中的重要作用，機器學(xué)習(xí)在未來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. 光催化降解對抗生素藻類毒性效應(yīng)影響研究進展 [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)載請注明來自發(fā)表學(xué)術(shù)論文網(wǎng)：http:///dzlw/30248.html
