Машинное обучение может снизить беспокойство о наночастицах в пище

Хотя урожайность сельскохозяйственных культур значительно выросла благодаря нанотехнологиям, также усилилась тревога по поводу рисков для здоровья, связанных с наночастицами в свежих продуктах и зерне. Особое беспокойство вызывают наночастицы, попадающие в почву через орошение, удобрения и другие источники, и вопрос о том, поглощают ли растения эти мельчайшие частицы в количествах, способных вызвать токсичность.

В новом исследовании, опубликованном в журнале Environmental Science and Technology, учёные из Техасского университета A&M использовали машинное обучение для оценки ключевых свойств металлических наночастиц, которые делают их более склонными к поглощению растениями. Их алгоритм может показать, сколько наночастиц накапливается в корнях и побегах растений.

Наночастицы — активно развивающееся направление в медицине, потребительских товарах и сельском хозяйстве. В зависимости от типа, они могут обладать благоприятными поверхностными свойствами, зарядом, магнетизмом и другими особенностями. Эти качества делают их идеальными для ряда применений. Например, в сельском хозяйстве наночастицы могут использоваться как антимикробные средства для защиты растений от патогенов или для связывания с удобрениями и инсектицидами с целью их медленного высвобождения и повышения усвоения растениями.

Такие сельскохозяйственные практики, как и орошение, могут привести к накоплению наночастиц в почве. Однако из-за множества типов наночастиц и огромного числа видов наземных растений, включая пищевые культуры, до сих пор не было ясно, делают ли определённые свойства наночастиц их более вероятными для поглощения теми или иными видами растений.

«Экспериментальное тестирование каждого типа наночастиц для каждого вида растений — огромное количество опытов, которое очень затратно по времени и средствам», — отметил Синмао «Сэмюэл» Ма, доцент кафедры гражданского и экологического строительства. — «Только у серебряных наночастиц могут быть сотни различных размеров, форм и поверхностных покрытий».

Вместо экспериментов исследователи выбрали два алгоритма машинного обучения: искусственную нейронную сеть и генетическое программирование. Они обучили эти алгоритмы на базе данных, созданной из предыдущих исследований о различных металлических наночастицах и конкретных растениях, в которых они накапливались. База данных содержала информацию о размере, форме и других характеристиках наночастиц, а также о том, сколько этих частиц поглощалось из почвы или обогащённого питательными веществами раствора в тело растения.

После обучения алгоритмы смогли правильно предсказать вероятность накопления заданной металлической наночастицы в определённом виде растения. Также алгоритмы показали, что когда растения находятся в питательном растворе (гидропонике), химический состав металлической наночастицы определяет склонность к накоплению в корнях и побегах. Но если растения выращиваются в почве, ключевыми факторами поглощения наночастиц становятся содержание органического вещества и глины в грунте.

Ма отметил, что хотя алгоритмы могут делать прогнозы для большинства пищевых культур и наземных растений, они, возможно, ещё не готовы для водных растений. Следующим шагом в исследовании будет проверка, могут ли алгоритмы предсказать поглощение наночастиц через листья, а не через корни.

«Вполне понятно, что люди обеспокоены присутствием наночастиц в своих фруктах, овощах и зерне, — сказал Ма. — Но вместо полного отказа от нанотехнологий, мы хотели бы, чтобы фермеры могли пожинать многочисленные преимущества этой технологии, избегая потенциальных проблем с безопасностью пищевых продуктов».