O aprendizado de máquina agora pode reduzir as preocupações sobre nanopartículas em alimentos

Em um novo estudo publicado online na revista Ciência e Tecnologia Ambiental, Pesquisadores da Texas A&M University usaram o aprendizado de máquina para avaliar as propriedades salientes das nanopartículas metálicas que as tornam mais suscetíveis à absorção pelas plantas. Os pesquisadores disseram que seu algoritmo pode dizer quantas plantas acumulam nanopartículas em suas raízes e brotos.

As nanopartículas são uma tendência crescente em vários campos, incluindo medicina, produtos de consumo e agricultura. Dependendo do tipo de nanopartícula, algumas apresentam propriedades de superfície, carga e magnetismo favoráveis, entre outras características. Essas qualidades os tornam ideais para várias aplicações. Por exemplo, na agricultura, as nanopartículas podem ser usadas como antimicrobianos para proteger as plantas de patógenos. Alternativamente, eles podem ser usados ​​para se ligar a fertilizantes ou inseticidas e, em seguida, programados para uma liberação lenta para aumentar a absorção pelas plantas.

Essas práticas agrícolas e outras, como a irrigação, podem causar o acúmulo de nanopartículas no solo. No entanto, com os diferentes tipos de nanopartículas que podem existir no solo e um número assustadoramente grande de espécies de plantas terrestres, incluindo plantações de alimentos, não está claro se certas propriedades das nanopartículas as tornam mais susceptíveis de serem absorvidas por algumas espécies de plantas do que por outras. .

“Como você pode imaginar, se tivermos que testar a presença de cada nanopartícula para cada espécie de planta, são muitos experimentos, que consomem muito tempo e são muito caros”, disse Xingmao “Samuel” Ma, professor associado do Departamento Zachry’s Departamento de Engenharia Civil e Ambiental. “Para se ter uma ideia, as nanopartículas de prata sozinhas podem vir em centenas de tamanhos, formas e revestimentos de superfície diferentes, então não é prático testar cada uma experimentalmente, mesmo para uma única espécie de planta.”

Em vez disso, para o estudo, os pesquisadores escolheram dois algoritmos de aprendizado de máquina diferentes, uma rede neural artificial e programação de expressão gênica. Eles primeiro treinaram esses algoritmos em um banco de dados criado a partir de pesquisas anteriores sobre diferentes nanopartículas de metal e as plantas específicas nas quais se acumularam. Em particular, seu banco de dados continha o tamanho, a forma e outras características de diferentes nanopartículas, junto com informações sobre quanto dessas partículas foram absorvidas do solo ou da água enriquecida com nutrientes no corpo da planta.

Uma vez treinados, seus algoritmos de aprendizado de máquina podem prever corretamente a probabilidade de que uma determinada nanopartícula de metal se acumule em uma espécie de planta. Além disso, seus algoritmos revelaram que quando as plantas estão em uma solução hidropônica ou enriquecida com nutrientes, a composição química da nanopartícula metálica determina a propensão para o acúmulo nas raízes e nos brotos. Mas se as plantas são cultivadas no solo, o conteúdo de matéria orgânica e argila do solo são fundamentais para a absorção das nanopartículas.

Ma disse que embora os algoritmos de aprendizado de máquina possam fazer previsões para a maioria das culturas alimentares e plantas terrestres, eles podem não estar prontos para as plantas aquáticas ainda. Ele também observou que o próximo passo em sua pesquisa seria investigar se os algoritmos de aprendizado de máquina poderiam prever a absorção de nanopartículas de folhas em vez de raízes.

“É bastante compreensível que as pessoas estejam preocupadas com a presença de nanopartículas em suas frutas, vegetais e grãos”, disse Ma. “Mas, em vez de não usar a nanotecnologia completamente, gostaríamos que os agricultores colhessem os muitos benefícios que isso proporciona. Tecnologia, mas evite potenciais preocupações com a segurança alimentar. “

Fonte da história:

Materiais fornecido por Texas A&M University. Original escrito por Vandana Suresh. Nota: o conteúdo pode ser editado quanto ao estilo e comprimento.