详细内容或原文请订阅后点击阅览
使用机器学习识别昆虫气味模式
气味在自然界中发挥着核心作用，因为嗅觉相互作用是生命的语言。在 UvA 分子和材料设计技术中心的一个新研究项目中，科学家将利用机器学习来预测哪些类型的嗅觉分子与昆虫嗅觉受体相互作用。这些信息对于开发安全设计分子非常重要，[...]
来源:ΑΙhub气味在自然界中发挥着核心作用，因为嗅觉相互作用是生命的语言。在 UvA 分子和材料设计技术中心的一个新研究项目中，科学家将利用机器学习来预测哪些类型的嗅觉分子与昆虫嗅觉受体相互作用。这些信息对于开发不干扰昆虫嗅觉的安全设计分子非常重要。
气味在生物的生活中发挥着核心作用，从寻找食物和配偶到感知和避免危险。昆虫使用许多不同类型的气味，例如性、踪迹、警报和聚集信息素，以及植物气味来定位它们的寄主植物。由于昆虫数量迅速减少，这对生态系统功能不利，因此有必要了解哪种类型的分子与昆虫嗅觉受体相互作用。这样，新开发的化学物质就不会干扰昆虫化学通讯信号和线索。
迄今为止，关于气味化学物质的哪些特性会导致与昆虫嗅觉受体的相互作用，仍然有很多未知之处。因此，MMD TechHub 的研究人员的目标是创建第一个被发现与昆虫受体结合的昆虫气味大型数据库，他们将使用该数据库构建机器学习模型，该模型可以识别这些气味中的模式。
该项目是进化生物学家 Astrid Groot、数学家 Jo Ellis-Monaghan、数据科学家 Patrick Forré、化学家 Saer Samanipour 和博士后 Thanet Pitakbut 之间的合作。
与受体结合
研究人员旨在利用机器学习确定哪些气味化学物质 (X1/2/3) 与受体蛋白的哪些特定部分（Y1/2/3 点）结合。
开发综合数据库
昆虫测试
阿姆斯特丹大学