通过中红外光谱学和机器学习,对Aedes albopictus蚊子进行可扩展的年龄分级
Mattia Foti1, Martina Micocci1, Mauro Pazmiño-Betancourth2
1Department of Public Health and Infectious Disease, University of Rome La Sapienza, Rome, Italy.
Scientific reports
|November 18, 2025
概括
中红外光谱 (MIRS) 与机器学习 (ML) 结合,可以准确预测蚊子的年龄. 这种新方法提供了一种更快,更精确的方法来评估Aedes albopictus种群的疾病控制.
科学领域:
- 昆虫学 昆虫学是一门学科.
- 频谱学是一种光谱学.
- 机器学习 机器学习
背景情况:
- 蚊子的年龄结构对于疾病传播动态和控制有效性至关重要.
- 目前的蚊子老化方法是劳动密集型的,缺乏精度,特别是在Aedes物种.
研究的目的:
- 开发和验证使用中红外光谱 (MIRS) 和监督机器学习 (ML) 进行Aedes albopictus老化的快速和准确的方法.
主要方法:
- 使用ML模型分析了来自雄性和雌性Aedes albopictus的MIRS数据. 模型使用在实验室和半场条件下养的蚊子进行了优化.
- 为每个性别开发了三个ML模型 (低分辨率,中分辨率,高分辨率),以预测成人年龄类别.
- 模型性能根据不同年龄分辨率的预测准确性进行评估,并根据未见过的数据进行验证.
主要成果:
- MIRS-ML成功预测了蚊子的年龄,准确度因性别和年龄而异. 男性模型达到高达99%的准确性 (低分辨率),而女性模型达到89.4% (低分辨率).
- 高分辨率模型使得在采用最小的样本时能够检测到Aedes albopictus种群的年龄结构转移.
- 在实验室培养和现场采集的蚊子上验证了MIRS-ML方法,重建了可信的年龄结构.
结论:
- 与ML相结合的MIRS为年龄分级的Aedes albopictus种群提供了一个有希望的,高效的和可复制的方法.
- 这种方法可以通过提供及时的人口年龄数据,显著帮助载体控制策略.
- 进一步开发可能会导致广泛应用在现实环境中监测树冠病毒载体种群.
