Российские исследователи придумали, как предсказать эффективность удобрений

Фото: united soybean board/flickr

Ученые из Московского физико-технического института и МГУ имени Ломоносова разработали компьютерную модель, которая предсказывает агрохимическую активность, то есть наличие полезного воздействия на растения, простых молекул, пестицидов и регуляторов роста.

По словам разработчиков, модель с точностью до 87% прогнозирует, как сильно те или иные молекулы будут влиять на растения, и с точностью до 67% предсказывает активность молекул. Работа специалистов опубликована в журнале Phytochemistry. Детали исследования приводитпресс-служба МФТИ.

В агрохимии молекулы принято делить на две категории: пестициды (которые борются с насекомыми, сорняками и грибками) и регуляторы роста растений (стимулирующие или подавляющие их рост). Для того чтобы обнаружить новую активную молекулу из какой-либо группы, проводят дорогостоящие эксперименты — синтезируют большое количество (обычно несколько тысяч) разнообразных молекул, а затем проверяют их эффект на клетках или целых растениях. При этом в таких экспериментах значителен процент промахов: активными в лучшем случае оказываются лишь несколько десятков молекул.

Для моделирования авторы использовали представление химического пространства, в котором каждая молекула описывается набором особых параметров — молекулярных дескрипторов. Значение такого дескриптора отражает особое свойство молекулы — растворимость, размер, площадь полярной поверхности и т.д. Каждая молекула в химическом пространстве задается (кодируется) набором таких параметров, как точка — своими координатами на плоскости.

Для построения модели авторы применили методы машинного обучения, в частности — самоорганизующиеся карты Кохонена, и визуализировали результат в виде удобной для анализа двумерной карты. По такой карте можно оценить классификационную способность модели. В качестве обучающей выборки использовались 1800 тщательно отобранных агрохимикатов. Авторы протестировали модель с помощью определенного набора молекул, не входящих в обучающую выборку, и наглядно продемонстрировали, что она способна прогнозировать специфическую активность новых молекул, относя их к одной из общепринятых категорий: гербициды, регуляторы роста растений и т.п.

В дальнейшем ученые планируют расширить обучающую выборку и повысить прогностическую способность модели, возможно, с применением других алгоритмов машинного обучения. В будущем подобные вычислительные модели позволят значительно удешевить поиск новых активных молекул и внесут свой вклад в понимание механизмов их действия.

Ранее томские ученые представили свою разработку, которая также должна упростить жизнь агрономам. Специалисты создали специальные, ускоряющие рост растений фитосветильники, позволив сэкономить сельхозпредприятиям на электроэнергии до 70%.
Теги:

Читать еще на Чердаке: