Pesti-Gen: Unleashing a Generative Molecule Approach for Toxicity Aware Pesticide Design

要約

世界的な気候変動により、作物の回復力と農薬の有効性が低下し、合成農薬の広範な使用が健康と環境に重大なリスクをもたらしているにもかかわらず、合成農薬への依存は避けられません。
これらの農薬は依然として害虫管理における重要なツールですが、農薬や農業におけるこれまでの機械学習アプリケーションは分類や回帰に焦点を当てており、新しい分子構造の生成や新しい候補の設計という根本的な課題は未解決のままです。
この論文では、変分自動エンコーダーに基づく新しい生成モデルである Pesti-Gen を提案します。これは、特性が最適化された農薬候補を初めて作成するように設計されています。
具体的には、Pesti-Gen は 2 段階の学習プロセスを活用します。最初の事前トレーニング段階では一般化された化学構造表現を取得し、その後に毒性固有の情報を組み込む微調整段階が続きます。
このモデルは、(1) 家畜毒性と (2) 水産毒性などの複数の毒性指標を同時に最適化し、環境に優しい農薬候補を生成します。
特に、Pesti-Gen は、新しい分子構造の生成において約 68% の構造的妥当性を達成しており、最適化された実現可能な殺虫剤候補を生成する際のモデルの有効性を実証し、それにより、より安全で持続可能な害虫管理ソリューションの新しい方法を提供します。

要約(オリジナル)

Global climate change has reduced crop resilience and pesticide efficacy, making reliance on synthetic pesticides inevitable, even though their widespread use poses significant health and environmental risks. While these pesticides remain a key tool in pest management, previous machine-learning applications in pesticide and agriculture have focused on classification or regression, leaving the fundamental challenge of generating new molecular structures or designing novel candidates unaddressed. In this paper, we propose Pesti-Gen, a novel generative model based on variational auto-encoders, designed to create pesticide candidates with optimized properties for the first time. Specifically, Pesti-Gen leverages a two-stage learning process: an initial pre-training phase that captures a generalized chemical structure representation, followed by a fine-tuning stage that incorporates toxicity-specific information. The model simultaneously optimizes over multiple toxicity metrics, such as (1) livestock toxicity and (2) aqua toxicity to generate environmentally friendly pesticide candidates. Notably, Pesti-Gen achieves approximately 68\% structural validity in generating new molecular structures, demonstrating the model’s effectiveness in producing optimized and feasible pesticide candidates, thereby providing a new way for safer and more sustainable pest management solutions.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google