機器學習在抗生素的鑒定識別、微生物作用機制以及去除效果評估中的應用研究進展

【摘要】：抗生素在醫療衛生、養殖業等領域的廣泛應用導致其隨著醫療廢棄物、廢水等進入到自然環境并對人體健康和生態環境造成不利影響，而系統分析環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，對于準確評估抗生素的風險和控制其不利影響具有重要意義.作為一種輔助手段，機器學習算法在大量數據解析的基礎上可進行結果評估和預測，因此可高效、低成本分析環境污染物的行為特征.基于此，本文綜述了機器學習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測方面的應用現狀，并概括了不同算法的應用特點和局限性.鑒于機器學習當前在抗生素研究中的重要作用，為其未來研究方向和發展提出展望，如在其它新興污染物的環境行為、效應及控制等方面的應用.

下載App查看全文

下載全文更多同類文獻

PDF全文下載

CAJ全文下載

(如何獲取全文？歡迎：購買知網充值卡、在線充值、在線咨詢)

CAJViewer閱讀器支持CAJ、PDF文件格式，AdobeReader僅支持PDF格式

	【相似文獻】
	【相似文獻】

中國期刊全文數據庫

前16條

1	湯勝男;辛學剛;;機器學習在生物信息學領域的應用與研究進展[J];人工智能;2020年01期
2	李金城;廖奇;沈其君;;機器學習方法在基因功能注釋中的應用[J];中國生物化學與分子生物學報;2016年05期
3	王璿;張法;陳偉;;融合多機器學習方法的siRNA在線設計系統[J];燕山大學學報;2015年05期
4	張瑞軒;郭媛;王瑞雪;劉曉杰;張緒樹;;表面肌電信號驅動手部運動的機器學習表征與識別[J];醫用生物力學;2021年S1期
5	周敏姑;劇飛兒;孫振豪;許景輝;;干旱脅迫狀態下植物電信號特征分析與研究[J];西安理工大學學報;2019年03期
6	;機器學習可預測基因組修復結果[J];醫學信息學雜志;2018年11期
7	昝道廣;梁肖裕;劉忠青;徐西彤;李晨輝;;以機器學習為基礎的腦網絡分析方法分析[J];數碼世界;2018年06期
8	;抗生素[J];生物技術通報;1990年11期
9	Arnold L.Demain ,張雁;抗生素形成的生物學[J];國外藥學(抗生素分冊);1988年01期
10	S.T.Williams ,J.C.Vickes ,平正;抗生素產生的生態學[J];國外藥學(抗生素分冊);1988年03期
11	Barab'as.G.;陳瑾壁;;抗生素生物學作用的研究[J];國外藥學(抗生素分冊);1981年03期
12	;抗生素[J];生物技術通報;1991年06期
13	;抗生素[J];生物技術通報;1991年11期
14	朱明珍;;創制抗生素的新途徑[J];國外藥學(抗生素分冊);1986年02期
15	余卿;;新抗生素的篩選[J];微生物學雜志;1987年01期
16	;抗生素[J];生物技術通報;1988年01期

中國重要會議論文全文數據庫

前12條

1	茍香建;李鴻翔;楊邦烈;陳禮雪;王琦;劉亞西;盧艷麗;;一個用于預測植物單氨基酸替換功能效應的機器學習工具[A];第十九屆中國作物學會學術年會論文摘要集[C];2020年
2	張玲;邵晨;高友鶴;;機器學習方法預測PDZ結構域的結合蛋白[A];中國蛋白質組學第三屆學術大會論文摘要[C];2005年
3	張瑜杰;蒲芳芳;萬群;程如越;郭佳汶;王茂林;李鳴;何方;;生命早期腸道菌群紊亂對小鼠免疫和腦部功能的影響[A];益生菌：技術及產業化——第十三屆益生菌與健康國際研討會摘要集[C];2018年
4	;Unique biosynthetic machinery for spirotetronate antibiotics[A];2008年中國微生物學會學術年會論文摘要集[C];2008年
5	張馳;潘永初;王林;;基于全基因組掃描的面部側貌特征的研究[A];2018全國口腔生物醫學學術年會論文匯編[C];2018年
6	高貴和;孟凡剛;周忠波;王源;黃國城;;沙星類抗生素對MBR脫氮除磷性能及其功能菌群的影響[A];第六屆全國環境化學大會暨環境科學儀器與分析儀器展覽會摘要集[C];2011年
7	;Search for Bioactive Substances from Marine Bioconsortia[A];中國海洋生化學術會議論文薈萃集[C];2005年
8	陳飛;;產抗生素新菌株11371的16srRNA基因序列及聚類分析[A];2006中國微生物學會第九次全國會員代表大會暨學術年會論文摘要集[C];2006年
9	王劍;張立新;;多相分類學指導下的具有安莎類抗生素高產潛能的放線菌資源研究[A];2010年中國科學院微生物研究所博士后學術年會暨第二屆博誼論壇論文摘要集[C];2011年
10	劉志昌;彭廣輝;容庭;王剛;李書宏;馬現永;;機器學習在預測胸膜肺炎放線桿菌耐藥性的研究[A];中國畜牧獸醫學會獸醫藥理毒理學分會第十五次學術討論會論文集[C];2019年
11	于振洋;徐挺;趙靜;尹大強;;采用秀麗線蟲檢測抗生素毒性的方法研究[A];第五屆全國環境化學大會摘要集[C];2009年
12	;ppGpp and Drug Resistance[A];重慶微生物學會第九屆會員代表大會暨學術年會論文摘要集[C];2009年

中國博士學位論文全文數據庫

前9條

1	殷曦;基于機器學習及統計計算模型的膜蛋白結構預測[D];上海交通大學;2017年
2	楊靜;蛋白質殘基相互作用預測及其在結構建模中的應用研究[D];上海交通大學;2018年
3	竇賢明;機器學習方法在陸地生態系統碳水通量模擬中的應用研究[D];中國礦業大學;2018年
4	錢朝東;天目類芽孢桿菌新種所產脂肽類抗生素體內外抗菌活性及抗菌機理研究[D];浙江大學;2013年
5	董甜姿;地下水中氮—磺胺類抗生素的微生物凈化機理及技術研究[D];吉林大學;2020年
6	曹雋喆;基于機器學習的多定位點蛋白質亞細胞定位預測方法研究[D];大連理工大學;2013年
7	丁嘯;基于序列特征的宏基因組數據分析方法研究[D];東南大學;2016年
8	熊毅;基于機器學習的蛋白質結合位點特征化和預測方法研究[D];武漢大學;2011年
9	馮鐵男;基于小波的蛋白質相互作用網絡的研究[D];上海大學;2011年

中國碩士學位論文全文數據庫

前20條

1	楊浩宇;基于機器學習的智能臨床決策方法研究[D];大連理工大學;2019年
2	李坤;基于機器學習的蛋白質復合體精確識別研究[D];福州大學;2017年
3	劉玲;蛋白質—核酸界面丙氨酸突變效應數據庫與熱點殘基研究[D];安徽大學;2018年
4	齊夢園;基于集成機器學習方法對有機化合物生態毒性預測和風險評估[D];遼寧大學;2020年
5	王甜甜;基于規則機制和機器學習的心電室性早搏檢測研究[D];東南大學;2021年
6	付強;基于機器學習方法的冷脅迫蛋白識別[D];哈爾濱工業大學;2017年
7	錢朝東;抗生素產生菌19-1的分離鑒定及發酵產物的研究[D];浙江大學;2001年
8	紀麗敏;基于機器學習的蛋白質相互作用預測精度與數據集關系的研究[D];華南理工大學;2013年
9	李玲;基于機器學習的“三高”風險評估的研究與實現[D];北京郵電大學;2017年
10	陸克中;基于機器學習的多聚脯氨酸二型結構預測[D];江南大學;2005年
11	鄒國英;基于機器學習方法的DNA位點預測研究[D];景德鎮陶瓷大學;2016年
12	張婉茹;大連近岸沉積物環境中典型抗生素及抗性菌株分布特征[D];大連工業大學;2014年
13	魏繼翔;基于特征提取的酶識別問題研究[D];山東經濟學院;2011年
14	萬禁禁;淡水微藻對幾種抗生素脅迫的響應研究[D];華僑大學;2014年
15	謝彩虹;嗜酸乳桿菌對抗生素誘導小鼠腸道菌群失調的調整作用[D];第三軍醫大學;2007年
16	郟麗麗;基于機器學習算法的土曲霉中（R）-ω-轉氨酶熱穩定性預測研究[D];浙江科技學院;2021年
17	趙姍;多肽與磺胺類抗生素對細菌的聯合毒性及其聯合抗性研究[D];桂林理工大學;2020年
18	張婷;Shewanella oneidensis中細胞壁靶向抗生素誘導β-內酰胺酶表達的研究[D];浙江工業大學;2020年
19	丁歡;基于加權基因共表達網絡與機器學習算法的肝細胞癌免疫浸潤相關的預后預測[D];西南交通大學;2021年
20	徐海波;基于機器學習的CRISPR/Cas9系統脫靶效應及靶向效率預測[D];桂林電子科技大學;2020年

中國重要報紙全文數據庫

前7條

1	趙熙熙;機器學習有望找到致命病毒宿主[N];中國科學報;2018年
2	記者張夢然;機器學習能快速揭示細胞內部結構[N];科技日報;2021年
3	記者劉霞;給新冠病毒分類機器學習僅需幾分鐘[N];科技日報;2020年
4	本報記者劉霞;借我一雙慧眼吧![N];科技日報;2016年
5	本報記者李麗云;“重組人溶菌酶”或成抗生素替代物[N];科技日報;2021年
6	;超級細菌以抗生素為食,尚未攻擊人類[N];新華每日電訊;2008年
7	本報特約記者奇云;螞蟻利用抗生素勝過人類[N];北京科技報;2006年

	快捷付款方式		訂購知網充值卡	訂購熱線	幫助中心
	微信支付支付寶銀行卡	知網卡在線購卡更多>>	免費送卡上門銀行匯款購卡郵局匯款購卡	400-819-9993 010-62982499 010-62783978	常見問題在線咨詢閱讀器下載	充值中心知網卡新手指南

機器學習在抗生素的鑒定識別、微生物作用機制以及去除效果評估中的應用研究進展

機器學習在抗生素的鑒定識別、微生物作用機制以及去除效果評估中的應用研究進展