Grafik visar en AI-metod för att avgöra om en föreslagen ny bekämpningsmedel är giftig för honungsbin baserat på dess molekylära struktur. Kredit:Cory Simon, Oregon State University
Forskare vid Oregon State University College of Engineering har utnyttjat kraften i artificiell intelligens för att skydda bin från bekämpningsmedel.
Cory Simon, biträdande professor i kemiteknik, och Xiaoli Fern, docent i datavetenskap, ledde projektet, som gick ut på att träna en maskininlärningsmodell för att förutsäga om någon föreslagen ny herbicid, fungicid eller insekticid skulle vara giftig för honungsbin baserat på föreningens molekylära struktur.
Fynden finns på omslaget till The Journal of Chemical Physics i ett specialnummer, "Chemical Design by Artificial Intelligence", är viktiga eftersom många frukt-, nötter-, grönsaks- och frögrödor är beroende av bipollinering.
Utan bin för att överföra pollen som behövs för reproduktion, skulle nästan 100 kommersiella grödor i USA försvinna. Bins globala ekonomiska inverkan beräknas årligen överstiga 100 miljarder dollar.
"Bekämpningsmedel används i stor utsträckning inom jordbruket, vilket ökar skördarna och ger livsmedelssäkerhet, men bekämpningsmedel kan skada arter utanför målet som bin," sa Simon. "Och eftersom insekter, ogräs, etc. så småningom utvecklar resistens, måste nya bekämpningsmedel kontinuerligt utvecklas, sådana som inte skadar bin."
Forskarstuderande Ping Yang och Adrian Henle använde honungsbins toxicitetsdata från exponeringsexperiment för bekämpningsmedel, som involverade nästan 400 olika bekämpningsmedelsmolekyler, för att träna en algoritm för att förutsäga om en ny bekämpningsmedelsmolekyl skulle vara giftig för honungsbin.
"Modellen representerar bekämpningsmedelsmolekyler genom uppsättningen av slumpmässiga vandringar på deras molekylära grafer," sa Yang.
En slumpmässig promenad är ett matematiskt begrepp som beskriver vilken slingrande stig som helst, till exempel på den komplicerade kemiska strukturen hos ett bekämpningsmedel, där varje steg längs vägen avgörs av en slump, som om det var myntkast.
Föreställ dig, förklarar Yang, att du är ute på en planlös promenad längs en bekämpningsmedels kemiska struktur och tar dig från atom till atom via bindningarna som håller samman föreningen. Du reser i slumpmässiga riktningar men håller reda på din rutt, sekvensen av atomer och bindningar som du besöker. Sedan går du ut på en annan molekyl och jämför serien av vändningar med vad du har gjort tidigare.
"Algoritmen förklarar två molekyler lika om de delar många promenader med samma sekvens av atomer och bindningar," sa Yang. "Vår modell fungerar som ett surrogat för ett bitoxicitetsexperiment och kan användas för att snabbt screena föreslagna bekämpningsmedelsmolekyler för deras toxicitet." + Utforska vidare
