| |
|
|
 | Acesso ao texto completo restrito à biblioteca da Embrapa Instrumentação. Para informações adicionais entre em contato com cnpdia.biblioteca@embrapa.br. |
|
Registro Completo |
|
Biblioteca(s): |
Embrapa Instrumentação. |
|
Data corrente: |
28/09/2021 |
|
Data da última atualização: |
10/06/2022 |
|
Tipo da produção científica: |
Artigo em Periódico Indexado |
|
Autoria: |
CHRISTINELLI, W. A.; SHIMIZU, F. M.; FACURE, M. H. M.; CERRI, R.; OLIVEIRA JUNIOR, O. N.; CORREA, D. S.; MATTOSO, L. H. C. |
|
Afiliação: |
DANIEL SOUZA CORREA, CNPDIA; LUIZ HENRIQUE CAPPARELLI MATTOSO, CNPDIA. |
|
Título: |
Two-dimensional MoS2-based impedimetric electronic tongue for the discrimination of endocrine disrupting chemicals using machine learning. |
|
Ano de publicação: |
2021 |
|
Fonte/Imprenta: |
Sensors and Actuators: B. Chemical, v. 336, 129696, 2021. |
|
Páginas: |
1 - 11 |
|
ISSN: |
0925-4005 |
|
DOI: |
https://doi.org/10.1016/j.snb.2021.129696 |
|
Idioma: |
Inglês |
|
Conteúdo: |
In this paper, we report on machine learning to analyze the capacitance spectra obtained with an electronic tongue (e-tongue) and discriminate three endocrine-disrupting chemicals (EDC): bisphenol A, estrone, and 17- β-estradiol, and their mixtures. The e-tongue comprised seven sensing units made with interdigitated gold electrodes coated with layer-by-layer films of poly(o-methoxy aniline), poly(3-thiophene acetic acid), and molybdenum disulfide (MoS2). The Multilayer Perceptron (MLP), Random Forest, and Extreme Gradient Boosting (XGBoost) models were applied for multi-target regression to predict the concentration of individual contaminants and their mixtures. These machine learning models were evaluated according to the root mean square error (RMSE) values. The best performance was achieved with XGBoost for which RMSE ranged from 0.19 to 3.37 for individual contaminants, from 0.12 to 0.25 for the mixtures, and from 0.34 to 3.46 for the entire dataset. The high performance was only possible with a multi-target regression strategy, including a feature selection procedure. In the latter, the data were plotted with the parallel coordinate technique, and the silhouette coefficient was calculated, which is a quantitative measure of the ability to distinguish similar samples in a dataset. The usefulness of the machine learning methods is demonstrated by noting that the data from mixtures of EDCs could not be distinguished using multidimensional projections. Also significant is that this combination of machine learning and information visualization methodology is entirely generic; it may be applied to analyze data from etongues and other sensing and biosensing devices in prediction tasks as demanding as in the discrimination of mixtures of EDCs at concentrations below nmol L− 1 . MenosIn this paper, we report on machine learning to analyze the capacitance spectra obtained with an electronic tongue (e-tongue) and discriminate three endocrine-disrupting chemicals (EDC): bisphenol A, estrone, and 17- β-estradiol, and their mixtures. The e-tongue comprised seven sensing units made with interdigitated gold electrodes coated with layer-by-layer films of poly(o-methoxy aniline), poly(3-thiophene acetic acid), and molybdenum disulfide (MoS2). The Multilayer Perceptron (MLP), Random Forest, and Extreme Gradient Boosting (XGBoost) models were applied for multi-target regression to predict the concentration of individual contaminants and their mixtures. These machine learning models were evaluated according to the root mean square error (RMSE) values. The best performance was achieved with XGBoost for which RMSE ranged from 0.19 to 3.37 for individual contaminants, from 0.12 to 0.25 for the mixtures, and from 0.34 to 3.46 for the entire dataset. The high performance was only possible with a multi-target regression strategy, including a feature selection procedure. In the latter, the data were plotted with the parallel coordinate technique, and the silhouette coefficient was calculated, which is a quantitative measure of the ability to distinguish similar samples in a dataset. The usefulness of the machine learning methods is demonstrated by noting that the data from mixtures of EDCs could not be distinguished using multidimensional projections. Also significant is t... Mostrar Tudo |
|
Palavras-Chave: |
Information visualization; Machine learning; XGBoost. |
|
Categoria do assunto: |
-- |
|
Marc: |
null
Download
Esconder MarcMostrar Marc Completo |
|
Registro original: |
Embrapa Instrumentação (CNPDIA) |
|
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
URL |
Voltar
|
|
|
| Registros recuperados : 637 | |
| 3. |  | GOMES, A.; TADINI, A. M.; MILORI, D. M. B. P. Análise de ácidos húmicos da Amazônia por fluorescência 2D e 3D. In: JORNADA CIENTÍFICA - EMBRAPA SÃO CARLOS, 13., 2021, São Carlos, SP. Anais... São Carlos: Embrapa Pecuária Sudeste: Embrapa Instrumentação, 2021. Editores técnicos: Alexandre Berndt, Ana Rita de Araujo Nogueira, Lea Chapaval Andri, Marcelo Mattos Cavallari, Manuel Antonio Chagas Jacinto. 51| Tipo: Resumo em Anais de Congresso |
| Biblioteca(s): Embrapa Instrumentação. |
|    |
| 4. | | MILORI, D. M. B. P.; VILLAS-BOAS, P. R. Avaliação da idade de solos usando a técnica LIBS. In: SIMPÓSIO NACIONAL DE INSTRUMENTAÇÃO AGROPECUÁRIA, 2014, São Carlos, SP Anais do SIAGRO: ciência, inovação e mercado 2014. São Carlos, SP: Embrapa Instrumentação, 2014. p. 585-588. Editores: Carlos Manoel Pedro Vaz, Débora Marcondes Bastos Pereira Milori, Silvio Crestana.| Tipo: Artigo em Anais de Congresso |
| Biblioteca(s): Embrapa Instrumentação. |
| |
| 13. | | ARAUJO, R. R.; MILORI, D. M. B. P. Otimização da porcentagem de ligante para análise de metais por DP-LIBS das amostras de solo e sedimento do pantanal mato-grossense. In: SIMPÓSIO NACIONAL DE INSTRUMENTAÇÃO AGROPECUÁRIA, 4., 2019, São Carlos, SP. Ciência, inovação e mercado: anais. São Carlos, SP: Embrapa Instrumentação, 2019. Editores: Paulino Ribeiro Villas-Boas, Maria Alice Martins, Débora Marcondes Bastos Pereira Milori, Ladislau Martin Neto. SIAGRO 2019. 28-32| Tipo: Artigo em Anais de Congresso |
| Biblioteca(s): Embrapa Instrumentação. |
| |
| 18. | | GUALDANI, B. A.; XAVIER, A. A. P.; MILORI, D. M. B. P. Análise do impacto da aquicultura na quantidade de carbono e na humificação do solo ao redor dos tanques de criação. In: SIMPÓSIO NACIONAL DE INSTRUMENTAÇÃO AGROPECUÁRIA, 4., 2019, São Carlos, SP. Ciência, inovação e mercado: anais. São Carlos, SP: Embrapa Instrumentação, 2019. Editores: Paulino Ribeiro Villas-Boas, Maria Alice Martins, Débora Marcondes Bastos Pereira Milori, Ladislau Martin Neto. SIAGRO 2019. 366-369| Tipo: Artigo em Anais de Congresso |
| Biblioteca(s): Embrapa Instrumentação. |
| |
| 19. | | SEGNINI, A.; POSADAS, A.; MILORI, D. M. B. P.; VAZ, C. M. P.; MARTIN NETO, L. Aplicação da instrumentação espectroscópica para avaliação da humificação da matéria orgânica em solos dos Andes peruanos. In: JORNADA CIENTÍFICA-EMBRAPA SÃO CARLOS, 2009, São Carlos, SP. Anais... São Carlos: Embrapa Pecuária Sudeste: Embrapa Instrumentação Agropecuária, 2009. p. 84 (Embrapa Pecuária Sudeste. Documentos, 90)| Tipo: Resumo em Anais de Congresso |
| Biblioteca(s): Embrapa Instrumentação. |
| |
| 20. | | KUBOTA, T. M. K.; MILORI, D. M. B. P.; BOAS, P. R. V. Acompanhamento de árvores de citros no campo utilizando Photon-Citrus para avaliação de precocidade de diagnóstico de HLB (Greening). In: JORNADA CIENTÍFICA - EMBRAPA SÃO CARLOS, 4., 2012, São Carlos, SP. Anais... São Carlos: Embrapa Instrumentação: Embrapa Pecuária Sudeste, 2012. p. 144. Editores técnicos: João de Mendonça Naime, Lucimara Aparecida Forato, Maria Alice Martins, Ladislau Marcelino Rabello, Rubens Bernardes Filho. (Embrapa Instrumentação. Documentos, 56)| Tipo: Artigo em Anais de Congresso |
| Biblioteca(s): Embrapa Instrumentação. |
| |
| Registros recuperados : 637 | |
|
| Nenhum registro encontrado para a expressão de busca informada. |
|
|
