评估机器学习模型,以预测农药对蜜蜂的毒性
Jakub Adamczyk1, Jakub Poziemski2, Pawel Siedlecki2
1Faculty of Computer Science, AGH University of Krakow, Cracow, Poland.
Ecotoxicology and environmental safety
|February 24, 2026
概括
这项研究介绍了ApisTox,这是蜜蜂毒性的综合数据集. 在生物医学数据上训练的机器学习模型在农业化学数据上表现不佳,这凸显了对专门模型的需求.
科学领域:
- 农业化学研究农业化学研究.
- 环境毒理学环境毒理学
- 计算化学是一种计算化学.
背景情况:
- 小分子在各种科学领域至关重要,包括农业化学品.
- 与生物医学研究相比,农业化学研究,特别是物种特异性毒性研究,缺乏广泛的数据集.
- 蜜蜂 (Apis mellifera) 是重要的授粉者,因此它们的毒性数据至关重要.
研究的目的:
- 评估各种机器学习 (ML) 方法对蜜蜂化学毒性建模的有效性.
- 评估经过生物医学数据训练的ML模型在应用于农业化学数据集时的通用性.
- 强调需要专门的数据集和农业化学部门的ML模型.
主要方法:
- 开发和使用ApisTox,这是一个新的数据集,用于实验验证蜜蜂的化学毒性.
- 应用各种ML技术,包括分子指纹,图核和图神经网络.
- 对ApisTox与已建立的药物数据集 (MoleculeNet) 的模型性能进行比较分析.
主要成果:
- ApisTox代表了一个独特的化学空间,与典型的药物数据集不同.
- 在生物医学数据上训练的最先进的ML算法在应用到农业化学毒性数据时表现下降.
- 目前的ML模型在培训领域之外具有有限的通用性,特别是对于非医疗应用.
结论:
- 在生物医学数据上训练的现有ML模型不能直接转移到农业化学毒性预测中.
- 有必要开发更多多样化的数据集,以适应农业化学领域.
- 有针对性的ML模型开发对于准确预测农业化学毒性和环境安全至关重要.
