Core Concepts
침입성 꿀벌 Apis Mellifera의 확산을 막고 토착 꿀벌 종을 보호하기 위해 CNN 기반 식별 모델과 MRJP1 단백질 타겟 리간드 약물을 개발하였다.
Abstract
이 프로젝트는 두 부분으로 구성됩니다.
첫째, 기계 학습을 사용하여 식별 앱을 만들었습니다. 이 과정에서 시각적으로 유사한 아종 간 구분을 위해 모델 성능을 최적화하는 방법을 분석했습니다.
둘째, 계산 생물학을 사용하여 침입종 성장을 억제할 수 있는 잠재적 약물을 찾았습니다. 이 두 단계의 식별 및 여왕 통제 방법은 군집 구조를 가진 다양한 침입성 곤충 종에 적용할 수 있습니다.
CNN 모델 성능 분석 결과, 토착 종의 다양성이 클수록 2-3개의 하위 그룹으로 나누는 것이 가장 효과적이었습니다. 이미지 변형은 정확도와 정밀도에는 큰 영향을 미치지 않았지만 재현율을 크게 향상시켰습니다.
리간드 도킹 시뮬레이션 결과, VD3와 D2V가 MRJP1에 대한 높은 결합 친화도와 Apisimin에 대한 낮은 결합 친화도를 보여 가장 효과적인 후보 물질로 나타났습니다. 이 리간드를 화분에 분무하면 침입종 근로자들이 이를 섭취하여 여왕벌 생산을 억제할 수 있습니다.
Stats
토착 꿀벌 종은 연간 30억 달러 가치의 과일 생산에 기여한다.
캘리포니아에는 미국 토착 꿀벌 종의 절반 이상이 서식하고 있다.
유럽 꿀벌(Apis Mellifera)의 도입은 토착 꿀벌 종의 급격한 감소를 초래했다.
러스티 패치드 꿀벌(Bombus affinis)은 캘리포니아에서 멸종 위기에 처해있다.
Quotes
"토착 꿀벌 종은 농작물 생산에 연간 90억 달러 가치를 기여한다."
"유럽 꿀벌의 도입은 토착 생태계를 교란하고 토착 꿀벌 종을 위협한다."
"MRJP1 단백질은 여왕벌 생산에 핵심적이므로 이를 타겟으로 하는 리간드가 효과적일 것이다."