Inteligența artificială identifică substanțe care îndepărtează albinele de pesticide
Cercetătorii de la Universitatea din California, Riverside, au dezvoltat o metodă bazată pe învățare automată pentru a identifica compuși chimici care pot îndepărta în siguranță albinele melifere de culturile tratate cu pesticide. Studiul, publicat în revista eLife, oferă o posibilă soluție la una dintre cele mai presante provocări ecologice ale agriculturii: declinul continuu al populațiilor de albine melifere, cauzat în parte de expunerea la pesticide.
Echipa interdisciplinară, condusă de Anandasankar Ray, profesor de biologie moleculară, celulară și sistemică și expert în comportamentul olfactiv al insectelor, a abordat un obstacol central în modificarea comportamentului polenizatorilor pentru a-i proteja: complexitatea sistemului olfactiv al albinei melifere. Cu peste 200 de receptori olfactivi capabili să detecteze o gamă vastă de compuși volatili, găsirea unor mirosuri care să respingă albinele a reprezentat o provocare majoră.
„Albinele se bazează în mare măsură pe simțul mirosului pentru a căuta hrană, dar această sensibilitate face dificilă găsirea unor mirosuri care să le îndepărteze în loc să le atragă”, a declarat Ray. „Scopul nostru a fost să inversăm această situație și să găsim o modalitate de a folosi mirosul ca factor de descurajare, în mod sigur și eficient.”
Evaluarea a milioane de compuși potențiali
Pentru a realiza acest lucru, echipa lui Ray a colaborat cu cercetători specializați în albinele melifere din laboratorul lui Boris Baer, profesor de entomologie. Cercetătorii au creat un model de învățare automată instruiț pe structurile chimice ale compușilor odoranți și pe răspunsurile comportamentale ale albinelor înregistrate anterior. Au perfecționat modelul cu date comportamentale noi obținute în laborator de la albine melifere și muște de oțet, permițând predicții mai precise ale răspunsurilor olfactive ale insectelor.
Odată optimizat, sistemul a evaluat peste 50 de milioane de compuși, identificând în final aproximativ 130 cu potențial puternic de a respinge albinele.
„În general se consideră că ai nevoie de date abundente pentru orice tip de învățare automată, dar acest lucru nu este valabil pentru olfacție”, a spus Ray. „Ai nevoie pur și simplu de date de bună calitate și de pași de îmbunătățire iterativă.”
Testele pe teren confirmă că albinele evită compușii
Echipa raportează în revista eLife modul în care au testat candidații cu cele mai bune performanțe. În laborator, albinele melifere au evitat candidații, corespunzând îndeaproape predicțiilor modelului. Experimentele ulterioare pe teren cu albine care își căutau hrana în mod liber au confirmat că toți cei șapte compuși testați au respins în mod fiabil albinele de la fagurii de miere, fără a le afecta.
„Aceasta este o demonstrație puternică a modului în care învățarea automată poate ajuta la rezolvarea problemelor ecologice din lumea reală”, a declarat Ray. „Prin menținerea albinelor departe de pesticidele dăunătoare, putem reduce potențial riscul de expunere fără a compromite protecția culturilor.”
Utilizări dincolo de protecția împotriva pesticidelor
Expunerea accidentală la pesticide este probabil un factor care contribuie la declinul populațiilor de albine și la colapsul coloniilor. Deși unele pesticide dăunătoare pentru albine au fost interzise sau restricționate, Ray a afirmat că utilizarea substanțelor respingătoare alături de pesticide ar putea reduce și mai mult riscul de contact al albinelor.
Compușii care resping albinele au și alte aplicații.
„În anumite medii publice – spitale, clădiri de birouri și zone rezidențiale, de exemplu – reducerea formării stupilor de albine poate ajuta la evitarea conflictelor dintre oameni și albine”, a spus el. „De asemenea, unele practici agricole doresc să evite complet polenizarea, în special în cazul soiurilor de fructe fără semințe.”
Spre formulări de pesticide prietenoase cu albinele
Potrivit lui Ray, cercetarea reprezintă un pas spre dezvoltarea unor formulări de pesticide prietenoase cu albinele – produse care protejează polenizatorii și satisfac în același timp nevoile agriculturii moderne.
„Protejarea polenizatorilor nu trebuie să vină în detrimentul securității alimentare”, a spus Ray. „Cu instrumentele potrivite, putem găsi un echilibru – iar acest model ne ajută să ajungem acolo. Credem că munca noastră va contribui la ghidarea explorării ulterioare a soluțiilor bazate pe învățare automată în protecția mediului și practicile agricole durabile.”
La cercetare au participat alături de Ray și Baer și Joel Kowalewski, Barbara Baer-Imhoof, Tom Guda, Matthew Luy și Payton DePalma.
