基于机器学习预测农药对熊蜂和蜜蜂的毒性

摘要：

熊蜂(Bombus spp.)和蜜蜂(Apis mellifera L.)是自然界中的重要传粉昆虫,近年来因为农药的大规模不合理使用造成了世界多个地区熊蜂和蜜蜂种群的持续下降.为了更好地评估农药对熊蜂和蜜蜂的毒性,本研究收集了61个共有的农药蜂毒数据,采用12种分子指纹联合8种机器学习算法,分别建立了农药对熊蜂和蜜蜂急性接触毒性LD50值的分类预测模型.结果表明:农药对熊蜂和蜜蜂的急性接触毒性分类模型预测准确率分别达86.7％和80.0％.随机森林(Random Forest)、神经网络(Neural Network)和支持向量机(SVM)3种算法联合Fingerprinter、Klekota-Roth Count和Extend 3种分子指纹在本研究中的预测能力较好.此外,分别采用构建的熊蜂毒性预测模型和蜜蜂毒性预测模型开展交叉毒性预测,准确率分别为72.9％和66.7％,表明熊蜂毒性模型预测蜜蜂毒性的准确性高于蜜蜂毒性模型预测熊蜂毒性的准确性.本研究可为设计低蜂毒化合物提供理论指导,同时为开展不同昆虫靶标的毒性交叉预测提供借鉴.

关键词：机器学习、分子指纹、分类模型、毒性预测、熊蜂、蜜蜂

所属期刊栏目：22

分类号：TQ015.9(一般性问题)

资助基金：国家重点研发计划;国家自然科学基金联合基金项目

在线出版日期：2020-12-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：933-941