"本文介绍了一款名为BeeToXAI的人工智能Web应用程序,该程序专门设计用于评估化学物质对意大利蜜蜂的急性毒性。通过对随机森林和分子指纹的结合使用,开发并对外部数据集进行了验证的QSAR模型,可以预测化学品对蜜蜂的急性接触毒性和急性经口毒性,其外部验证准确度达到了91%。进一步,利用前馈神经网络(FNNs)构建的回归QSAR模型,实现了ε2=0.75的预测性能。BeeToXAI提供了一个公开的在线平台(http://beetoXai.labmol.com.br/),输出包括毒性预测、置信度估计、适用性域分析以及结构片段对毒性贡献的颜色编码图。此外,为了验证BeeToXAI的有效性,研究人员还使用了一组未在模型训练中出现过的已知对蜜蜂有毒的杀虫剂进行测试。" 这篇研究文章详细阐述了在生命科学领域如何运用人工智能技术解决蜜蜂生态问题。蜜蜂作为重要的传粉者,其种群健康直接影响到全球的生态系统平衡。由于化学物质的广泛使用,蜜蜂面临着急性毒性威胁,这导致了它们种群的减少。BeeToXAI的出现,为快速评估新化学品可能对蜜蜂产生的毒性提供了工具,有助于在环境影响评估阶段就减少潜在的危害。 QSAR(定量结构-活性关系)模型是药物发现和毒理学研究中的重要工具,它通过数学模型关联化学物质的结构和生物活性。在这项研究中,结合随机森林算法和分子指纹,创建的分类QSAR模型能够区分有毒和无毒化学物质。同时,使用FNNs的回归模型则可以量化毒性程度,提供更细致的评估。 BeeToXAI的应用不仅限于科研,也可以为政策制定者、农药生产商和环保组织提供数据支持,帮助他们在批准新化学品或设计更安全的农药时考虑到对蜜蜂的影响。此外,通过颜色编码图,用户可以直观地理解化学结构中的哪些部分可能导致毒性,这对于指导化合物设计和改造具有重要意义。 BeeToXAI是一个将人工智能应用于蜜蜂毒性评估的创新实践,它的开发和应用为保护蜜蜂种群、维护生态平衡以及推动更安全的化学品使用提供了有力的技术支持。
剩余14页未读,继续阅读
- 粉丝: 5
- 资源: 2万+
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
- AirKiss技术详解:无线传递信息与智能家居连接
- Hibernate主键生成策略详解
- 操作系统实验:位示图法管理磁盘空闲空间
- JSON详解:数据交换的主流格式
- Win7安装Ubuntu双系统详细指南
- FPGA内部结构与工作原理探索
- 信用评分模型解析:WOE、IV与ROC
- 使用LVS+Keepalived构建高可用负载均衡集群
- 微信小程序驱动餐饮与服装业创新转型:便捷管理与低成本优势
- 机器学习入门指南:从基础到进阶
- 解决Win7 IIS配置错误500.22与0x80070032
- SQL-DFS:优化HDFS小文件存储的解决方案
- Hadoop、Hbase、Spark环境部署与主机配置详解
- Kisso:加密会话Cookie实现的单点登录SSO
- OpenCV读取与拼接多幅图像教程
- QT实战:轻松生成与解析JSON数据