Des chercheurs de l’Oregon State University College of Engineering ont exploité la puissance de l’intelligence artificielle pour aider à protéger les abeilles des pesticides.
Cory Simon, professeur adjoint de génie chimique, et Xiaoli Fern, professeur agrégé d’informatique, ont dirigé le projet, qui impliquait la formation d’un modèle d’apprentissage automatique pour prédire si un nouvel herbicide, fongicide ou insecticide proposé serait toxique pour les abeilles. structure moléculaire du composé.
Les résultats, présentés sur la couverture de Le Journal de Physique Chimique dans un numéro spécial, « Chemical Design by Artificial Intelligence », sont importants car de nombreuses cultures de fruits, de noix, de légumes et de semences dépendent de la pollinisation des abeilles.
Sans les abeilles pour transférer le pollen nécessaire à la reproduction, près de 100 cultures commerciales aux États-Unis disparaîtraient. L’impact économique mondial des abeilles est estimé chaque année à plus de 100 milliards de dollars.
« Les pesticides sont largement utilisés dans l’agriculture, ce qui augmente[s] le rendement des cultures et assurer la sécurité alimentaire, mais les pesticides peuvent nuire aux espèces non ciblées comme les abeilles », a déclaré Simon. « Et puisque les insectes, les mauvaises herbes, etc. finissent par développer une résistance, de nouveaux pesticides doivent continuellement être développés, ceux qui ne nuisent pas aux abeilles. «
Les étudiants diplômés Ping Yang et Adrian Henle ont utilisé des données sur la toxicité des abeilles provenant d’expériences d’exposition aux pesticides, impliquant près de 400 molécules de pesticides différentes, pour former un algorithme permettant de prédire si une nouvelle molécule de pesticide serait toxique pour les abeilles.
« Le modèle représente les molécules de pesticides par l’ensemble des marches aléatoires sur leurs graphiques moléculaires », a déclaré Yang.
Une marche aléatoire est un concept mathématique qui décrit tout chemin sinueux, comme sur la structure chimique complexe d’un pesticide, où chaque étape le long du chemin est décidée par hasard, comme par des lancers de pièces.
Imaginez, explique Yang, que vous vous promenez sans but le long de la structure chimique d’un pesticide, vous déplaçant d’atome en atome via les liaisons qui maintiennent le composé ensemble. Vous voyagez dans des directions aléatoires mais gardez une trace de votre itinéraire, de la séquence d’atomes et de liaisons que vous visitez. Ensuite, vous sortez sur une molécule différente, en comparant la série de rebondissements à ce que vous avez fait auparavant.
« L’algorithme déclare deux molécules similaires si elles partagent de nombreuses marches avec la même séquence d’atomes et de liaisons », a déclaré Yang. « Notre modèle sert de substitut à une expérience de toxicité sur les abeilles et peut être utilisé pour cribler rapidement les molécules de pesticides proposées pour leur toxicité. »
Ping Yang et al, Classification de la toxicité des pesticides pour les abeilles via des machines à vecteurs de support avec des noyaux de graphes de marche aléatoire, Le Journal de Physique Chimique (2022). DOI : 10.1063/5.0090573