化合物對蜜蜂急毒性預測方法開發

蜜蜂是自然環境中非常重要的授粉媒介，它們為糧食作物和野生植物提供了至關重要的授粉服務。由於蜜蜂暴露於人為和天然來源的多種化學物質的混合物中，因此了解它們對於綜合毒性的反應至關重要。蜜蜂對於毒性接觸的不可預測性可能是由於對農藥的潛在毒理學的不完全了解，另外，由於成本、時間、道德方面的考慮，使用實驗徹底評估蜜蜂接觸大量化合物中毒的影響仍然具有挑戰性，因此在非動物性替代方法的電腦模擬與預測方法(In Silico Modeling and Prediction)就變得至關重要。本研究的目的是要建構分析蜜蜂對於急性接觸化合物毒性後的預測模型，採用自動化機器學習模型，並納入物種間的演化距離做為一耐受性的變因。
本研究使用PPDB(Pesticide Properties DataBase)資料庫，由美國環境保護局(EPA)建立的ECOTOX資料庫和Pesticide Action Network North America建立的資料集，總共1106筆具有實驗數據的農業化合物資料，其中包含五種蜜蜂物種。LD50資料透過PubChem查詢並儲存對應的PubChem CID以及Canoniacl SMILES，產出之資料透過PaDEL-descriptor計算出最後用於建立模型之最終資料。另外透過GeneBank下載各蜜蜂物種的18s、28s基因序列。序列使用Clustal W多重比對程序進行比對然後在BioEdit 7.0中進行編輯並使用MEGA 7.0以p-distance計算物種的演化距離，作為一模型建立數值。將資料以物種分類後，分別進行單任務學習、多任務學習模型，其中多任務學習又分為有無納入演化距離為變因計算。最後探討模型結果並判定自動化機器學習模型是否能預測蜜蜂對急性接觸毒性的LD50以及物種間的演化距離是否會影響蜜蜂對於化合物的耐受性。
本研究重要結果摘錄以下三點:(1)單任務學習模型: 同個物種中(Apis mellifera)，直接接觸化合物的訓練模型有著最小的MAE=1.155，較口服的MAE=1.450，及未知接觸方式的MAE=2.296佳。(2)多任務學習模型(不納入演化距離):在各別的三個物種中，Apis mellifera有著最良好的結果(MAE=0.965)，而Osmia spp.的表現最差(MAE=2.307) (3) 多任務學習模型(納入演化距離): Apis mellifera有著最良好的結果(MAE=0.931)。有將演化距離作為考量的模型結果是優於無納入的，對模型的解釋力也較強。比較單任務以及多任務的機器學習模型，多任務的模型解釋力較單任務佳。MAE值相對較小，對模型的解釋力也較強。未來可以將此模型連接到方便個人使用的資訊查詢系統，做為未來施作農藥時的標準應可發揮更大的效益。或可擴大物種範圍，納入與蜜蜂有密切接觸的鳥類等，進一步探討跨科物種間的遷移學習，建構出更完善的化合物施作標準與建議。