已入深夜,您辛苦了!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!祝你早点完成任务,早点休息,好梦!

Machine learning–enhanced molecular network reveals global exposure to hundreds of unknown PFAS

计算机科学 鉴定(生物学) 支持向量机 软件 假阳性率 集合(抽象数据类型) 电流(流体) 机器学习 数据挖掘 人工智能 操作系统 生物 生态学 电气工程 程序设计语言 工程类
作者
X. Y. Wang,Nanyang Yu,Zhaoyu Jiao,Laihui Li,Hongxia Yu,Si Wei
出处
期刊:Science Advances [American Association for the Advancement of Science (AAAS)]
卷期号:10 (21)
标识
DOI:10.1126/sciadv.adn1039
摘要

Unknown forever chemicals like per- and polyfluoroalkyl substances (PFASs) are difficult to identify. Current platforms designed for metabolites and natural products cannot capture the diverse structural characteristics of PFAS. Here, we report an automatic PFAS identification platform (APP-ID) that screens for PFAS in environmental samples using an enhanced molecular network and identifies unknown PFAS structures using machine learning. Our networking algorithm, which enhances characteristic fragment matches, has lower false-positive rate (0.7%) than current algorithms (2.4 to 46%). Our support vector machine model identified unknown PFAS in test set with 58.3% accuracy, surpassing current software. Further, APP-ID detected 733 PFASs in real fluorochemical wastewater, 39 of which are previously unreported in environmental media. Retrospective screening of 126 PFASs against public data repository from 20 countries show PFAS substitutes are prevalent worldwide.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
YOYO发布了新的文献求助10
2秒前
平常的若雁完成签到,获得积分10
2秒前
5秒前
今后应助尼古拉斯赵四采纳,获得10
5秒前
7秒前
xujiejiuxi发布了新的文献求助10
8秒前
范丞丞完成签到 ,获得积分10
8秒前
害羞龙猫完成签到 ,获得积分10
8秒前
小胡爱科研完成签到 ,获得积分10
10秒前
12秒前
17秒前
爱学习的鼠鼠完成签到,获得积分10
18秒前
19秒前
追寻哲瀚完成签到 ,获得积分10
25秒前
26秒前
所所应助带你去喝雪碧采纳,获得10
31秒前
32秒前
32秒前
35秒前
35秒前
36秒前
40秒前
陈无敌完成签到 ,获得积分10
41秒前
普林斯顿大学分子生物学完成签到 ,获得积分10
41秒前
43秒前
FXT完成签到 ,获得积分10
44秒前
乐乐应助奋斗枫采纳,获得10
44秒前
专一的芒果完成签到 ,获得积分10
50秒前
他也蓝完成签到,获得积分10
53秒前
55秒前
可爱的大白菜真实的钥匙完成签到 ,获得积分10
56秒前
56秒前
july完成签到 ,获得积分10
57秒前
57秒前
大方尔安发布了新的文献求助10
1分钟前
mattino发布了新的文献求助10
1分钟前
1分钟前
纯情的小虾米完成签到,获得积分20
1分钟前
无语的诗柳完成签到 ,获得积分10
1分钟前
奋斗枫完成签到,获得积分10
1分钟前
高分求助中
歯科矯正学 第7版(或第5版) 1004
Semiconductor Process Reliability in Practice 1000
Smart but Scattered: The Revolutionary Executive Skills Approach to Helping Kids Reach Their Potential (第二版) 1000
Nickel superalloy market size, share, growth, trends, and forecast 2023-2030 600
GROUP-THEORY AND POLARIZATION ALGEBRA 500
Mesopotamian divination texts : conversing with the gods : sources from the first millennium BCE 500
Days of Transition. The Parsi Death Rituals(2011) 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3234488
求助须知:如何正确求助?哪些是违规求助? 2880839
关于积分的说明 8217229
捐赠科研通 2548429
什么是DOI,文献DOI怎么找? 1377749
科研通“疑难数据库(出版商)”最低求助积分说明 647959
邀请新用户注册赠送积分活动 623314