Stockholms universitet

Forskningsprojekt Kvantifiering av föroreningar med LC/HRMS och grafbaserad maskininlärning

Att förstå toxiciteten hos komplexa blandningar i verkligheten och att identifiera de giftigaste kemikalierna är en viktig utgångspunkt för intelligent design av vattenbehandlingslösningar och kemikaliereglering.

Att förstå toxiciteten hos komplexa blandningar i verkligheten och att identifiera de giftigaste kemikalierna är en viktig utgångspunkt för intelligent design av vattenbehandlingslösningar och kemikaliereglering.

Projektbeskrivning

För att förstå de risker som förorenat medför  för människor och vilda djur behöver vi känna till struktur, koncentration (exponeringen) och den toxisk slutpunkt för föroreningarna. Vätskekromatografi-elektrospray masspektrometri (LC/ESI/HRMS) i kombination med maskininlärning har ökat möjligheterna att detektera, identifiera och uppskatta den toxiska slutpunkten för tusentals vattenföroreningar parallellt. Däremot har kvantifieringen varit svårare. Det beror främst på att det krävs standardsubstanser för att kvantifiera de föroreningar man hittar.

I det här projektet kommer vi att utveckla maskininlärningsmetoder för att kvantifiera föroreningar som detekteras med LC/ESI/HRMS även om standardsubstanser inte finns tillgängliga. Specifikt kommer vi att utveckla maskininlärningsmodeller för att förutsäga nivåer av de detekterade föreningarna i LC/ESI/HRMS utifrån föreningarnas struktur och använda detta för att kvantifering. Detta kommer att tillåta oss att riskbedöma de de upptäckta föreningarna, utan tidskrävande syntes av standardsubstanser. Dessutom kommer det att bli möjligt att peka ut den eller de föreningar som bidrar mest till blandningens toxicitet.
 

Projektmedlemmar

Projektansvariga

Anneli Kruve

Universitetslektor

Institutionen för material- och miljökemi
Anneli Kruve