杀虫剂通过可解释的机器学习对虫死亡率的影响
Mihkel Kotli1, Geven Piir1, Uko Maran1
1University of Tartu, Institute of Chemistry, Tartu, Estonia.
Journal of hazardous materials
|October 4, 2023
概括
这项研究开发了一种定量结构-活性关系 (QSAR) 模型,用于预测虫中的农药毒性. 该模型有助于评估化学物质对土壤健康的影响,帮助制定监管决策.
科学领域:
- 环境毒理学环境毒理学
- 生态毒理学 生态毒理学
- 土壤科学 土壤科学
背景情况:
- 虫对于土壤健康至关重要.
- 在农业中使用的杀虫剂可能会伤害土壤无脊椎动物.
- 评估化学物质的影响对于监管至关重要.
研究的目的:
- 在Eisenia fetida中建立农药化学结构和急性毒性之间的定量结构-活性关系 (QSAR).
- 开发一个预测模型来评估对的化学影响.
主要方法:
- 从开放来源收集的农药化学数据.
- 采用混合方法,结合遗传算法和贝叶斯优化来进行特征选择和参数调整.
- 利用随机森林算法来构建最终的QSAR分类模型.
主要成果:
- 在训练组中达到0.78的预测准确度,在测试组中达到0.80.
- 开发的QSAR模型有效地预测了Eisenia fetida的急性毒性.
- 该模型遵循FAIR原则,可在QsarDB.org.org上公开使用.
结论:
- 一个强大的QSAR模型已成功开发,用于预测虫中的农药毒性.
- 该模型有助于更好地评估对土壤生态系统的化学风险.
- 这些发现支持关于农药监管和环境安全的知情决策.


