• 文献检索
  • 文档翻译
  • 深度研究
  • 学术资讯
  • Suppr Zotero 插件Zotero 插件
  • 邀请有礼
  • 套餐&价格
  • 历史记录
应用&插件
Suppr Zotero 插件Zotero 插件浏览器插件Mac 客户端Windows 客户端微信小程序
定价
高级版会员购买积分包购买API积分包
服务
文献检索文档翻译深度研究API 文档MCP 服务
关于我们
关于 Suppr公司介绍联系我们用户协议隐私条款
关注我们

Suppr 超能文献

核心技术专利：CN118964589B侵权必究
粤ICP备2023148730 号-1Suppr @ 2026

文献检索

告别复杂PubMed语法，用中文像聊天一样搜索，搜遍4000万医学文献。AI智能推荐，让科研检索更轻松。

立即免费搜索

文件翻译

保留排版，准确专业，支持PDF/Word/PPT等文件格式，支持 12+语言互译。

免费翻译文档

深度研究

AI帮你快速写综述，25分钟生成高质量综述，智能提取关键信息，辅助科研写作。

立即免费体验

Addressing the Data Scarcity Problem in Ecotoxicology via Small Data Machine Learning Methods.

作者信息

Wang Ying, Dong Jinchu, Zhou Yunchi, Cheng Yinghao, Zhao Xiaoli, Peijnenburg Willie J G M, Vijver Martina G, Leung Kenneth M Y, Fan Wenhong, Wu Fengchang

机构信息

School of Materials Science and Engineering, Beihang University, Beijing 100191, China.

Nuclear and Radiation Safety Center, Beijing 100082, China.

出版信息

Environ Sci Technol. 2025 Apr 1;59(12):5867-5871. doi: 10.1021/acs.est.5c00510. Epub 2025 Mar 20.

DOI:10.1021/acs.est.5c00510
PMID:40111220
Abstract
摘要

相似文献

1
Addressing the Data Scarcity Problem in Ecotoxicology via Small Data Machine Learning Methods.通过小数据机器学习方法解决生态毒理学中的数据稀缺问题。
Environ Sci Technol. 2025 Apr 1;59(12):5867-5871. doi: 10.1021/acs.est.5c00510. Epub 2025 Mar 20.
2
Predicting the acute ecotoxicity of chemical substances by machine learning using graph theory.基于图论的机器学习预测化学物质的急性生态毒性。
Chemosphere. 2020 Jan;238:124604. doi: 10.1016/j.chemosphere.2019.124604. Epub 2019 Aug 16.
3
Foundations of Machine Learning-Based Clinical Prediction Modeling: Part I-Introduction and General Principles.基于机器学习的临床预测建模基础：第一部分——引言和一般原则。
Acta Neurochir Suppl. 2022;134:7-13. doi: 10.1007/978-3-030-85292-4_2.
4
Current strategies to address data scarcity in artificial intelligence-based drug discovery: A comprehensive review.当前人工智能药物发现中解决数据稀缺问题的策略：全面综述。
Comput Biol Med. 2024 Sep;179:108734. doi: 10.1016/j.compbiomed.2024.108734. Epub 2024 Jul 3.
5
Artificial intelligence to deep learning: machine intelligence approach for drug discovery.人工智能到深度学习：药物发现的机器智能方法。
Mol Divers. 2021 Aug;25(3):1315-1360. doi: 10.1007/s11030-021-10217-3. Epub 2021 Apr 12.
6
Machine Learning and Artificial Intelligence in Toxicological Sciences.机器学习和人工智能在毒理学科学中的应用。
Toxicol Sci. 2022 Aug 25;189(1):7-19. doi: 10.1093/toxsci/kfac075.
7
Addressing annotation and data scarcity when designing machine learning strategies for neurophotonics.在为神经光子学设计机器学习策略时解决注释和数据稀缺问题。
Neurophotonics. 2023 Oct;10(4):044405. doi: 10.1117/1.NPh.10.4.044405. Epub 2023 Aug 24.
8
Bio-QSARs 2.0: Unlocking a new level of predictive power for machine learning-based ecotoxicity predictions by exploiting chemical and biological information.生物定量构效关系 2.0：通过利用化学和生物学信息，为基于机器学习的生态毒性预测解锁新的预测能力层级。
Environ Int. 2024 Apr;186:108607. doi: 10.1016/j.envint.2024.108607. Epub 2024 Apr 4.
9
Role of Machine Learning and Artificial Intelligence in Interventional Oncology.机器学习和人工智能在介入肿瘤学中的作用。
Curr Oncol Rep. 2021 Apr 20;23(6):70. doi: 10.1007/s11912-021-01054-6.
10
PE-GCL: Advancing pesticide ecotoxicity prediction with graph contrastive learning.PE-GCL：通过图对比学习推进农药生态毒性预测
J Hazard Mater. 2025 Apr 5;487:137261. doi: 10.1016/j.jhazmat.2025.137261. Epub 2025 Jan 16.

引用本文的文献

1
Interpretable Machine Learning Models and Symbolic Regressions Reveal Transfer of Per- and Polyfluoroalkyl Substances (PFASs) in Plants: A New Small-Data Machine Learning Method to Augment Data and Obtain Predictive Equations.可解释的机器学习模型和符号回归揭示了植物中全氟和多氟烷基物质（PFASs）的转移：一种用于扩充数据并获得预测方程的新型小数据机器学习方法。
Toxics. 2025 Jul 10;13(7):579. doi: 10.3390/toxics13070579.