中国农业大学2026年部分论文（7.21 Cell+1篇）

liyide168

近日，中国农业大学李洁明教授团队于生态环境领域权威期刊Journal of Hazardous Materials发表题为“Interpretable and causal machine learning unveil novel insights of PFAS effects on aquatic microalgal activity: key driving features, multidimensional interactions, nonlinear microalgal response patterns and species-dependent structural effects”的研究论文。本研究整合可解释性机器学习‌与‌因果推断‌方法，优化构建了全氟和多氟烷基物质（PFAS）对水生微藻生长活性效应的模型框架，识别并量化了影响微藻活性的关键变量，包括PFAS浓度、作用时间、碳链长度、微藻物种、细胞密度等，揭示了PFAS浓度是决定毒性效应的首要因素，作用时间直接影响生物累积和毒性表现，长链与短链PFAS在生物富集能力和毒性机制上存在显著差异，不同藻种对PFAS的敏感性具有物种依赖性，为评估PFAS污染对水生初级生产者的生态风险提供新的理论依据。