来源：期刊VIP网 时间：
作者：宋方亮;梁盈;董界;王雪洁;钱洁;
单位：中南林业科技大学食品科学与工程学院;水稻及副产物深加工国家工程研究中心分子营养分中心;中南大学湘雅药学院;
摘要：目的:构建一个人工智能预测模型，在存在Cu~(2+)干扰的复杂食品检测环境下预测荧光探针对Hg~(2+)的选择性。方法:采用荧光探针技术结合7种先进经典的机器学习模型，预测分析存在Cu~(2+)干扰时探针对Hg~(2+)的选择性，并比较各模型的预测效果，选择最优模型。结果:基于分子二维描述符(molecular 2D descriptors, Mol2D)和极端梯度提升算法成功建立了在交叉验证和测试集中准确度为0.786和0.810的高效模型，在Cu~(2+)干扰下准确预判Hg~(2+)的探针选择性。结论:该模型通过选择性预判对Hg~(2+)荧光分子探针的设计进行改进，使Hg~(2+)荧光探针的设计更加高效可靠。
关键词：汞离子检测;;荧光分子探针;;探针选择性;;机器学习;;化学信息学
基金资助：国家自然科学基金(编号：32372349);; 国家重点研发计划(编号：2022YFF1100203);; 湖南省科技创新人才项目(编号：2022RC3056)
