Forscher des Oregon State University College of Engineering haben die Kraft der künstlichen Intelligenz genutzt, um Bienen vor Pestiziden zu schützen.
Cory Simon, Assistenzprofessor für Chemieingenieurwesen, und Xiaoli Fern, außerordentliche Professorin für Informatik, leiteten das Projekt, bei dem ein maschinelles Lernmodell trainiert wurde, um vorherzusagen, ob ein vorgeschlagenes neues Herbizid, Fungizid oder Insektizid für Honigbienen toxisch sein würde Molekularstruktur der Verbindung.
Die Ergebnisse, die auf dem Cover von zu sehen sind Das Journal of Chemical Physics in einem Sonderheft „Chemical Design by Artificial Intelligence“ sind wichtig, weil viele Obst-, Nuss-, Gemüse- und Samenkulturen auf die Bestäubung durch Bienen angewiesen sind.
Ohne Bienen, die den für die Fortpflanzung benötigten Pollen übertragen, würden fast 100 kommerzielle Nutzpflanzen in den Vereinigten Staaten verschwinden. Der weltweite wirtschaftliche Einfluss von Bienen wird jährlich auf über 100 Milliarden US-Dollar geschätzt.
„Pestizide sind in der Landwirtschaft weit verbreitet, was zunimmt[s] Ernteertrag und sorgen für Ernährungssicherheit, aber Pestizide können Off-Target-Arten wie Bienen schädigen“, sagte Simon. „Und da Insekten, Unkräuter usw. schließlich Resistenzen entwickeln, müssen ständig neue Pestizide entwickelt werden, die Bienen nicht schaden. „
Die Doktoranden Ping Yang und Adrian Henle verwendeten Toxizitätsdaten von Honigbienen aus Pestizidexpositionsexperimenten mit fast 400 verschiedenen Pestizidmolekülen, um einen Algorithmus zu trainieren, der vorhersagt, ob ein neues Pestizidmolekül für Honigbienen toxisch sein würde.
„Das Modell repräsentiert Pestizidmoleküle durch die Reihe zufälliger Wanderungen auf ihren molekularen Graphen“, sagte Yang.
Ein Random Walk ist ein mathematisches Konzept, das jeden mäandrierenden Weg beschreibt, wie zum Beispiel bei der komplizierten chemischen Struktur eines Pestizids, bei dem jeder Schritt auf dem Weg durch Zufall entschieden wird, wie durch Münzwürfe.
Stellen Sie sich vor, erklärt Yang, dass Sie einen ziellosen Spaziergang entlang der chemischen Struktur eines Pestizids machen und sich über die Bindungen, die die Verbindung zusammenhalten, von Atom zu Atom bewegen. Sie reisen in zufällige Richtungen, behalten aber Ihre Route im Auge, die Abfolge von Atomen und Bindungen, die Sie besuchen. Dann gehen Sie auf ein anderes Molekül los und vergleichen die Reihe von Drehungen und Wendungen mit dem, was Sie zuvor getan haben.
„Der Algorithmus erklärt zwei Moleküle für ähnlich, wenn sie viele Wege mit derselben Abfolge von Atomen und Bindungen teilen“, sagte Yang. „Unser Modell dient als Ersatz für ein Bienentoxizitätsexperiment und kann verwendet werden, um vorgeschlagene Pestizidmoleküle schnell auf ihre Toxizität zu untersuchen.“
Ping Yang et al., Klassifizierung der Toxizität von Pestiziden für Honigbienen über Support Vector Machines mit Random-Walk-Graph-Kerneln, Das Journal of Chemical Physics (2022). DOI: 10.1063/5.0090573