Las abejas están en la base de nuestro suministro mundial de alimentos, y sin embargo perdemos cada año alrededor del 35% de las colonias de abejas del mundo.

Las abejas padecen una multitud de problemas, y todos al mismo tiempo. Por ejemplo, el cambio climático. Cada vez que las temperaturas aumentan medio punto porcentual, las abejas pierden alrededor de un 5% de productividad. Las abejas también se enfrentan a plagas y enfermedades que no existían hace unas décadas. Y con la agricultura moderna, son víctimas de los pesticidas. Utilizamos productos químicos para proteger nuestros cultivos, pero estos también matan a las abejas. En conjunto, todos estos factores de estrés están creando la tormenta perfecta para las abejas.

De ahí el interés de trabajos como el que se lleva a cabo en la Facultad de Ingeniería de la Universidad  de Oregón aprovechando el poder de la inteligencia artificial para ayudar a proteger a las abejas de los pesticidas.

El proyecto, que consistió en entrenar un modelo de aprendizaje automático para predecir si cualquier nuevo herbicida, fungicida o insecticida propuesto sería tóxico para las abejas a partir de la estructura molecular del compuesto.

Los resultados son importantes porque muchos cultivos de frutas, frutos secos, hortalizas y semillas dependen de la polinización de las abejas.

Para la obtención del modelo utilizaron los datos de toxicidad de las abejas melíferas procedentes de experimentos de exposición a plaguicidas, que incluían casi 400 moléculas de plaguicidas diferentes.

El modelo representa las moléculas de los pesticidas mediante el conjunto de paseos aleatorios (random walks) en sus gráficos moleculares.

Un paseo aleatorio 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 azar, como si se lanzara una moneda.

Imagínaos que estás dando un paseo sin rumbo a lo largo de la estructura química de un pesticida, pasando de un átomo a otro 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. A continuación, sale a una molécula diferente, comparando la serie de giros y vueltas con lo que ha hecho antes.

El algoritmo detecta que dos moléculas son similares si comparten muchos paseos con la misma secuencia de átomos y enlaces.

208
Suscribirse
Notificación
0 Comments
Inline Feedbacks
Ver todos los comentarios
0
¡Aquí puedes dejar tus comentarios!x