Машинное обучение для поиска более эффективных репеллентов от комаров
Исследователи из Калифорнийского университета в Риверсайде под руководством профессора Анандашанкара Рая применили методы машинного обучения и хемоинформатики для прогнозирования новых репеллентов от комаров. Результаты опубликованы в журнале eLife.
Проблема текущих решений:
- Кожные репелленты (например, ДЭТА) эффективны, но дороги, требуют частого нанесения и неудобны в использовании.
- Пространственные репелленты (испаряющие пиретроиды) широко используются, но их эффективность падает из-за растущей устойчивости комаров к пиретроидам.
Новый подход:
Команда с помощью машинного обучения проанализировала более 10 миллионов соединений. Уже обнаружены:
- Новые репеллентные молекулы из натуральных источников (пищевых продуктов и ароматизаторов), которые эффективны и приятно пахнут.
- Аналоги пиретроидов, которые могут быть в 100 раз эффективнее существующих стандартов (например, аллетрина).
Цели исследования:
- Улучшенные кожные репелленты: Длительного действия (12–24 часа), приятного запаха.
- Пространственные репелленты: Для защиты дворов и домов.
- Долгодействующие аналоги пиретроидов: Эффективные против устойчивых штаммов комаров для использования в противомоскитных сетках и одежде.
- Усиленные пространственные формулы пиретроидов: Для борьбы с комарами, устойчивыми к их действию.
Дополнительное направление — «вкус» для комаров:
Исследуется, почему некоторых людей комары кусают реже. Учёные ищут соединения в коже, поте и метаболитах микробиома человека, которые влияют на поведение комаров при посадке. Это может привести к созданию новых стратегий контроля.
Перспективы:
«Мы надеемся предложить безопасные, доступные и высокоэффективные решения для борьбы с комарами», — сказал Рай. Предыдущие разработки его лаборатории уже привели к созданию спин-офф компании Sensorygen и натурального репеллента, который проходит регистрацию в Агентстве по охране окружающей среды США (EPA).