Machine learning kan zorgen over nanodeeltjes in voedsel verminderen

Hoewel de gewasopbrengst de afgelopen jaren een aanzienlijke boost heeft gekregen door nanotechnologie, zijn ook de alarmen over de gezondheidsrisico’s van nanodeeltjes in verse producten en granen toegenomen. Met name nanodeeltjes die via irrigatie, meststoffen en andere bronnen de bodem binnendringen, hebben tot bezorgdheid geleid over de vraag of planten deze minuscule deeltjes voldoende absorberen om toxiciteit te veroorzaken.

In een nieuwe studie die online in het tijdschrift is gepubliceerd Milieuwetenschap en -technologie, hebben onderzoekers van de Texas A&M University machine learning gebruikt om de opvallende eigenschappen van metalen nanodeeltjes te evalueren, waardoor ze vatbaarder worden voor opname door planten. De onderzoekers zeiden dat hun algoritme zou kunnen aangeven hoeveel planten nanodeeltjes ophopen in hun wortels en scheuten.

Nanodeeltjes zijn een ontluikende trend op verschillende gebieden, waaronder geneeskunde, consumentenproducten en landbouw. Afhankelijk van het type nanodeeltje hebben sommige onder andere gunstige oppervlakte-eigenschappen, lading en magnetisme. Deze eigenschappen maken ze ideaal voor een aantal toepassingen. In de landbouw kunnen nanodeeltjes bijvoorbeeld worden gebruikt als antimicrobiële middelen om planten te beschermen tegen ziekteverwekkers. Als alternatief kunnen ze worden gebruikt om zich te binden aan meststoffen of insecticiden en vervolgens geprogrammeerd voor langzame afgifte om de opname door de plant te vergroten.

Deze landbouwpraktijken en andere, zoals irrigatie, kunnen ervoor zorgen dat nanodeeltjes zich ophopen in de bodem. Met de verschillende soorten nanodeeltjes die in de grond kunnen voorkomen en een duizelingwekkend groot aantal terrestrische plantensoorten, waaronder voedselgewassen, is het echter niet duidelijk bekend of bepaalde eigenschappen van nanodeeltjes ervoor zorgen dat ze meer kans hebben om door sommige plantensoorten te worden opgenomen dan anderen.

“Zoals je je kunt voorstellen, als we de aanwezigheid van elk nanodeeltje voor elke plantensoort moeten testen, is het een enorm aantal experimenten, wat erg tijdrovend en duur is”, zegt Xingmao “Samuel” Ma, universitair hoofddocent in de Zachry Department of Civil and Environmental Engineering. “Om je een idee te geven, zilveren nanodeeltjes alleen kunnen honderden verschillende maten, vormen en oppervlaktecoatings hebben, en dus is het onpraktisch om ze allemaal experimenteel te testen, zelfs voor een enkele plantensoort.”

In plaats daarvan kozen de onderzoekers voor hun onderzoek twee verschillende machine learning-algoritmen, een kunstmatig neuraal netwerk en genexpressieprogrammering. Ze hebben deze algoritmen eerst getraind in een database die is gemaakt op basis van eerder onderzoek naar verschillende metalen nanodeeltjes en de specifieke planten waarin ze zich ophoopten. Hun database bevatte met name de grootte, vorm en andere kenmerken van verschillende nanodeeltjes, samen met informatie over hoeveel van deze deeltjes werden geabsorbeerd uit bodem of met voedingsstoffen verrijkt water in het plantenlichaam.

Eenmaal getraind, konden hun algoritmen voor machinaal leren correct de waarschijnlijkheid voorspellen dat een bepaald metalen nanodeeltje zich ophoopt in een plantensoort. Hun algoritmen onthulden ook dat wanneer planten zich in een met voedingsstoffen verrijkte of hydrocultuuroplossing bevinden, de chemische samenstelling van het metalen nanodeeltje de neiging tot accumulatie in de wortels en scheuten bepaalt. Maar als planten in de bodem worden gekweekt, zijn de inhoud van organisch materiaal en de klei in de bodem essentieel voor de opname van nanodeeltjes.

Ma zei dat hoewel de machine learning-algoritmen voorspellingen kunnen doen voor de meeste voedselgewassen en terrestrische planten, ze misschien nog niet klaar zijn voor waterplanten. Hij merkte ook op dat de volgende stap in zijn onderzoek zou zijn om te onderzoeken of de machine learning-algoritmen de opname van nanodeeltjes van bladeren kunnen voorspellen in plaats van via de wortels.

“Het is heel begrijpelijk dat mensen zich zorgen maken over de aanwezigheid van nanodeeltjes in hun fruit, groenten en granen”, zegt Ma. “Maar in plaats van helemaal geen nanotechnologie te gebruiken, willen we dat boeren profiteren van de vele voordelen die deze technologie biedt, maar de potentiële zorgen over voedselveiligheid vermijden.”