Diante do uso crescente de substâncias químicas no ambiente, como defensivos agrícolas, é fundamental prever com precisão sua toxicidade para avaliar os riscos ao meio ambiente e proteger organismos não alvo, como abelhas e outros polinizadores. Nesse contexto, a proteção desses organismos, essenciais para a manutenção dos ecossistemas, acaba de ganhar um reforço. Um estudo conduzido pelo grupo de pesquisa Algoritmos Aplicados à Química Medicinal e Inteligência Artificial (ALQUIMIA), da Universidade Federal do Vale do São Francisco (Univasf), apresentou um modelo de inteligência artificial capaz de prever a toxicidade de diferentes moléculas em abelhas. A pesquisa foi publicada recentemente na revista internacional Ecotoxicology.
O artigo “Nova geração de modelagem QSAR para segurança de abelhas: prevendo toxicidade usando redes neurais gráficas e dados de apistox” tem autoria do estudante do curso de Engenharia da Computação Talisson Damião e dos professores Rosalvo Ferreira de Oliveira Neto, do Colegiado de Engenharia da Computação, e Edilson Beserra Alencar Filho, do Colegiado de Farmácia da Univasf, líderes do grupo ALQUIMIA.
Fruto do Trabalho de Conclusão de Curso (TCC) de Damião, o estudo desenvolveu um modelo baseado em Redes Neurais de Grafos (Graph Neural Networks – GNN), uma técnica de inteligência artificial que analisa as conexões entre os átomos de uma molécula para prever se ela pode representar risco aos polinizadores. Os resultados apontaram que o modelo é capaz de identificar substâncias potencialmente tóxicas de forma eficiente, contribuindo para o avanço das pesquisas em proteção ambiental e segurança das abelhas.
(Foto ilustrativa Wirestock/Freepik)
