ミツバチに対する農薬毒性を予測する機械学習モデルの評価

科学分野:

• 農薬研究
• 環境毒性学
• 計算化学

背景:

• 小分子は、農薬を含む様々な科学分野で重要です。
• 特に種特異的な毒性に関する農薬研究は、生物医学研究と比較して広範なデータセットが不足しています。
• ミツバチ（Apis mellifera）は不可欠な送粉者であり、その毒性データは極めて重要です。

研究 の 目的:

• ミツバチの化学毒性をモデル化するための多様な機械学習（ML）手法の効果を評価すること。
• 農薬データセットに適用した場合の生物医学データで訓練されたMLモデルの一般化可能性を評価すること。
• 農薬分野に特化したデータセットとMLモデルの必要性を強調すること。

主な方法:

• ミツバチに対する実験的に検証された化学毒性の新規データセットであるApisToxの開発と利用。
• 分子指紋、グラフカーネル、グラフニューラルネットワークを含む様々なML技術の適用。
• ApisToxと確立された医薬品データセット（MoleculeNet）でのモデルパフォーマンスの比較分析。

主要な成果:

• ApisToxは、典型的な医薬品データセットとは異なる独自の化学空間を表します。
• 生物医学データで訓練された最先端のMLアルゴリズムは、農薬毒性データに適用するとパフォーマンスが低下します。
• 現在のMLモデルは、特に非医薬品用途において、トレーニングドメインを超えた一般化可能性が限られています。

結論:

• 生物医学データで訓練された既存のMLモデルは、農薬毒性予測に直接転送することはできません。
• 農薬分野に合わせた、より多様なデータセットの開発が急務です。
• 農薬毒性と環境安全性の正確な予測には、ターゲットを絞ったMLモデルの開発が不可欠です。