Comprehensive machine learning prediction of GC/MS pesticide recovery based on the molecular fingerprinting for food QA/QC

Význam tématu

V oblasti kontrol kvality potravin je přesné stanovení zbytkových pesticidů klíčové pro ochranu zdraví spotřebitelů a dodržování legislativních limitů. Plynová chromatografie spojená s hmotnostní spektrometrií (GC/MS) je standardní metodou pro analýzu reziduí pesticidů, avšak účinnost extrakce a následné měření se liší v závislosti na vlastnostech molekuly, matrici vzorku a podmínkách přípravy. Schopnost předpovědět procento recovery pro jednotlivé kombinace vzorek–pesticid může významně zrychlit vývoj metod a optimalizovat analýzu v rutinním provozu.

Cíle a přehled studie

Hlavním cílem studie bylo zhodnotit, zda je možné využít strojové učení k predikci recovery pesticidů v sedmi typech ovocně-zeleninových matric při analýze metodou GC/MS. Autoři shromáždili experimentální data pro 248 pesticidů s jedním chromatografickým vrcholem, vytvořili 178 molekulových deskriptorů z SMILES reprezentací a porovnali výkonnost 89 regresních algoritmů strojového učení s ohledem na přesnost predikce (Prediction Error) a výpočetní náročnost (Execution Time).

Použitá metodika a instrumentace

Pro přípravu vzorků byly použity standardní postupy dle Japonského pozitivního seznamu: extrakce pesticidů z 7 druhů ovoce a zeleniny a stanovení recovery při koncentracích 20–200 ppb. GC/MS analýza byla prováděna na přístroji Agilent Technologies se synchronním SIM/Scan režimem. Molekulární deskriptory byly spočítány v prostředí R s balíčkem rcdk na základě SMILES z PubChem. Pro modelování bylo testováno 69 klasických a 20 ensemble metod strojového učení dostupných v balíčku caret.

Hlavní výsledky a diskuse

Analýza korelace ukázala slabé vazby mezi jednotlivými deskriptory a mírou recovery (r v rozmezí −0,25 až +0,52), což podpořilo potřebu použití multivariačních přístupů. Z 89 testovaných modelů dosáhla nejlepší kombinace přesnosti a rychlosti metoda SBC (Subtractive Clustering a Fuzzy c-Means) z kategorie Centroid kNN a xgbLinear (eXtreme Gradient Boosting s lineárním modelem) z kategorií ensemble spline-linear. Přesnost predikce (průměrný Prediction Error) u těchto modelů byla nejnižší a výpočetní doba přijataelná při použití v rutinní praxi. Jednodušší lineární a neuronové modely vykazovaly vyšší chybu a nebyly optimální.

Přínosy a praktické využití metody

• Umožňuje rychlou předpověď recovery bez nutnosti rozsáhlého laboratorního testování.
• Snižuje čas a náklady spojené s vývojem a validací analytických metod.
• Poskytuje objektivní metriky (PE, ET, PEk) pro výběr optimálního modelu.
• Je vhodná pro implementaci v softwarech QA/QC laboratoří.

Budoucí trendy a možnosti využití

• Integrace pokročilých architektur hlubokého učení pro další zvýšení přesnosti.
• Rozšíření datové báze o další typy matric a vyšší počet pesticidů.
• Adaptace modelů pro jiné analytické techniky (LC/MS, HPLC).
• Automatizace celé workflow od výpočtu deskriptorů po nasazení modelu v datech reálného provozu.

Závěr

Study prokázala, že výběr vhodného algoritmu strojového učení významně ovlivňuje kvalitu predikce recovery pesticidů v potravinové matrici. Metody SBC a xgbLinear se ukázaly jako nejvhodnější díky nízké chybě predikce a rozumné výpočetní náročnosti. Prediktivní platforma založená na molekulárním fingerprintingu a multivariačních modelech nabízí efektivní nástroj pro výzkum i rutinní QA/QC praxi.

Reference

• S. Nakamura et al., Multi-residue Analysis of Pesticides in Agricultural Products by GC/MS Using Synchronous SIM/Scan Acquisition, Bunseki Kagaku 62, 229–241 (2013).
• Ministry of Health, Labour and Welfare, Japan Positive List System for Agricultural Chemical Residues in Foods, 2013.