L'intelligence artificielle aide à protéger les abeilles contre les pesticides
Des chercheurs mettent au point un modèle informatique permettant de prédire si un pesticide sera nuisible aux abeilles
Des chercheurs du collège d'ingénierie de l'université d'État de l'Oregon ont exploité la puissance de l'intelligence artificielle pour aider à protéger les abeilles des pesticides.
Le graphique illustre une approche d'IA visant à déterminer si un nouveau pesticide proposé est toxique pour les abeilles domestiques sur la base de sa structure moléculaire.
Provided by Cory Simon, Oregon State University
Cory Simon, professeur adjoint de génie chimique, et Xiaoli Fern, professeur associé d'informatique, ont dirigé le projet, qui consistait à former un modèle d'apprentissage automatique pour prédire si un nouvel herbicide, fongicide ou insecticide proposé serait toxique pour les abeilles à partir de la structure moléculaire du composé.
Les résultats, présentés en couverture du Journal of Chemical Physics dans un numéro spécial intitulé "Chemical Design by Artificial Intelligence", sont importants car de nombreuses cultures de fruits, de noix, de légumes et de graines dépendent de la pollinisation par les abeilles.
Sans les abeilles pour transférer le pollen nécessaire à la reproduction, près de 100 cultures commerciales disparaîtraient aux États-Unis. 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 permet d'augmenter le rendement des cultures et d'assurer la sécurité alimentaire, mais les pesticides peuvent nuire aux espèces non ciblées comme les abeilles", a déclaré M. Simon. "Et comme les insectes, les mauvaises herbes, etc. finissent par développer une résistance, de nouveaux pesticides doivent continuellement être mis au point, des pesticides qui ne nuisent pas aux abeilles."
Les étudiants diplômés Ping Yang et Adrian Henle ont utilisé les données de toxicité pour les abeilles mellifères 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 mellifères.
"Le modèle représente les molécules de pesticides par l'ensemble des marches aléatoires sur leurs graphes moléculaires", a déclaré M. Yang.
Une marche aléatoire est un concept mathématique qui décrit tout chemin sinueux, par exemple sur la structure chimique complexe d'un pesticide, où chaque étape du chemin est décidée par hasard, comme par un tirage au sort.
Imaginez, explique Yang, que vous vous promenez sans but le long de la structure chimique d'un pesticide, allant d'atome en atome par le biais des liaisons qui maintiennent le composé ensemble. Vous voyagez dans des directions aléatoires, mais vous gardez trace de votre itinéraire, de la séquence d'atomes et de liaisons que vous visitez. Puis vous vous lancez sur une autre molécule, en comparant la série de tours et de détours à ce que vous avez fait auparavant.
"L'algorithme déclare que deux molécules sont similaires si elles partagent de nombreuses promenades avec la même séquence d'atomes et de liaisons", explique M. Yang. "Notre modèle sert de substitut à une expérience de toxicité pour les abeilles et peut être utilisé pour cribler rapidement les molécules de pesticides proposées pour leur toxicité."
Note: Cet article a été traduit à l'aide d'un système informatique sans intervention humaine. LUMITOS propose ces traductions automatiques pour présenter un plus large éventail d'actualités. Comme cet article a été traduit avec traduction automatique, il est possible qu'il contienne des erreurs de vocabulaire, de syntaxe ou de grammaire. L'article original dans Anglais peut être trouvé ici.
Publication originale
Autres actualités du département science
