機器學習有助於辨識能驅趕蜜蜂遠離殺蟲劑的化學物質

 (https://elifesciences.org/articles/104831)

 蜜蜂作為授粉媒介，在近三分之一的糧食作物中發揮至關重要的作用。然而，在過去十年中，養蜂人報告稱，他們管理的蜂群每年損失超過60%，且損失程度越來越高，已達到不可持續的水平。造成這種下降的原因有很多，其中包括瓦蟎等寄生蟲、氣候變遷和殺蟲劑。

當工蜂在噴灑過農藥的田地裡覓食時，它們會將農藥殘留帶回蜂巢，即使是亞致死劑量，也會對蜂群的生存造成負面影響，危及高價值作物的授粉。這一項研究提出了一個解決此問題的新方案：尋找可添加到農藥中的蜜蜂驅避劑，從而減少蜜蜂與已處理作物的接觸。

利用已發表的蜜蜂嗅覺行為數據，研究建立了一個機器學習模型，用於根據化學結構預測厭惡反應值。首先對一組預測的新型驅避劑進行測試，然後產生蜜蜂和果蠅的物種級行為數據，從而改進了該預測模型。改良後的第二個計算模型隨後被用於篩選超過5000萬種化合物的化學空間，並識別出超過130種候選驅避劑。在實驗室中對蜜蜂進行的行為驗證表明，該模型具有很高的預測成功率。對排名前七的候選化合物進行田間試驗，利用自由覓食的蜜蜂進行進一步測試，證實了其具有很強的驅避作用，因此預測它們極有可能驅趕到已噴灑過殺蟲劑的農作物上的覓食蜜蜂。因此，機器學習結合迭代測試和建模，為合理發現可用於控制數據有限的昆蟲的厭惡性揮發物提供了一種強有力的方法。