Investigadores de la Facultad de Ingeniería de la Universidad Estatal de Oregón han aprovechado el poder de la inteligencia artificial para ayudar a proteger a las abejas de los pesticidas.
Cory Simon, profesor asistente de ingeniería química, y Xiaoli Fern, profesora asociada de informática, dirigieron el proyecto, que implicó entrenar un modelo de aprendizaje automático para predecir si cualquier nuevo herbicida, fungicida o insecticida propuesto sería tóxico para las abejas melíferas en función de la estructura molecular del compuesto.
Los hallazgos, que aparecen en la portada de El diario de física química en una edición especial, «Diseño químico por inteligencia artificial», son importantes porque muchos cultivos de frutas, nueces, vegetales y semillas dependen de la polinización de las abejas.
Sin abejas para transferir el polen necesario para la reproducción, desaparecerían casi 100 cultivos comerciales en los Estados Unidos. El impacto económico global de las abejas se estima anualmente en más de $ 100 mil millones.
«Los pesticidas se usan ampliamente en la agricultura, lo que aumenta el rendimiento de los cultivos y brinda seguridad alimentaria, pero los pesticidas pueden dañar especies no deseadas como las abejas», dijo Simon. «Y dado que los insectos, las malas hierbas, etc. eventualmente desarrollan resistencia, se deben desarrollar continuamente nuevos pesticidas, que no dañen a las abejas».
Los estudiantes de posgrado Ping Yang y Adrian Henle utilizaron datos de toxicidad de abejas melíferas de experimentos de exposición a pesticidas, que involucraron casi 400 moléculas de pesticidas diferentes, para entrenar un algoritmo para predecir si una nueva molécula de pesticida sería tóxica para las abejas melíferas.
«El modelo representa las moléculas de plaguicidas por el conjunto de recorridos aleatorios en sus gráficos moleculares», dijo Yang.
Una caminata aleatoria es un concepto matemático que describe cualquier camino serpenteante, como en la complicada estructura química de un pesticida, donde cada paso a lo largo del camino se decide por casualidad, como si se lanzara una moneda.
Imagina, explica Yang, que estás dando un paseo sin rumbo por la estructura química de un pesticida, abriéndote paso de átomo a átomo a través de los enlaces que mantienen unido el compuesto. Viajas en direcciones aleatorias pero mantienes un registro de tu ruta, la secuencia de átomos y enlaces que visitas. Luego vas con una molécula diferente, comparando la serie de giros y vueltas con lo que has hecho antes.
«El algoritmo declara dos moléculas similares si comparten muchos recorridos con la misma secuencia de átomos y enlaces», dijo Yang. «Nuestro modelo sirve como un sustituto para un experimento de toxicidad de abejas y puede usarse para detectar rápidamente moléculas de pesticidas propuestas para determinar su toxicidad».
La Fundación Nacional de Ciencias apoyó esta investigación.
Fuente de la historia:
Materiales proporcionado por La Universidad Estatal de Oregon. Original escrito por Steve Lundeberg. Nota: el contenido se puede editar por estilo y longitud.
