用于协同杀虫剂筛选的系统和方法与流程

技术特征：
1.一种用于生成两种或更多种化合物之间抵抗一种或多种害虫的协同相互作用的预测的方法，所述方法由一个或多个处理器执行并且包括：接收杀虫化合物的第一表示；接收协同化合物的第二表示；通过基于相应的第一表示和第二表示对所述杀虫化合物的第一化学特征和所述协同化合物的第二化学特征进行编码，来生成包含所述杀虫化合物和所述协同化合物的组合物的编码表示；以及生成所述杀虫化合物与所述协同化合物之间抵抗一种或多种害虫的协同相互作用的一个或多个预测，所述生成包括：基于分类器的经训练的参数来转换所述编码表示，所述分类器的所述经训练的参数已经针对至少一种组合物的化合物之间抵抗至少一种训练害虫的至少一种协同相互作用进行训练。2.根据权利要求1所述的方法，其中协同相互作用的所述一个或多个预测包括多个预测，并且所述方法进一步包括：将多个协同作用预测组合到组合协同作用中。3.根据权利要求2所述的方法，其中所述方法进一步包括基于所述多个预测来确定以下中的至少一者：置信区间、标准偏差和方差。4.根据权利要求3所述的方法，其中所述分类器包括随机分类器，生成所述一个或多个预测包括基于所述分类器的所述经训练的参数经过多次迭代来转换所述编码表示，以及生成针对每次迭代的预测。5.根据权利要求1至4中任一项所述的方法，其中生成所述编码表示包括基于所述杀虫化合物的所述第一化学特征来生成第一编码化合物表示，以及基于所述协同化合物的所述第二化学特征来生成第二编码化合物表示，并且其中生成所述一个或多个预测包括基于所述第一编码化合物表示和所述第二编码化合物表示来生成所述一个或多个预测。6.根据权利要求1至5中任一项所述的方法，其中生成所述编码表示包括生成比所述第一表示和所述第二表示中的至少一者低维的所述编码表示。7.根据权利要求1至6中任一项所述的方法，其中所述生成所述编码表示包括基于编码器模型的经训练的参数来将相应的杀虫化合物和协同化合物的所述第一化学特征和所述第二化学特征转换为所述编码表示。8.根据权利要求7所述的方法，其中所述编码器模型包括变分自编码器的编码器部分，所述编码器部分能够操作以将所述第一化学特征和所述第二化学特征从所述变分自编码器的输入空间转换为潜在空间。9.根据权利要求6至8中任一项所述的方法，其中所述编码器模型的所述经训练的参数已经针对与所述分类器的所述经训练的参数不同的训练集进行训练。10.根据权利要求1至9中任一项所述的方法，所述方法进一步包括基于所述一种或多种害虫来从多个分类器中选择所述分类器。11.根据权利要求10所述的方法，所述方法进一步包括接收所述一种或多种害虫的表示，并且选择所述分类器包括基于所述一种或多种害虫的所述表示来选择所述分类器。12.根据权利要求10至11中任一项所述的方法，其中所述分类器是多个分类器中的第一分类器，所述多个分类器中的至少第二分类器已经针对与所述一种或多种害虫不同的害
虫进行训练，并且从所述多个分类器中选择所述分类器包括基于所述一种或多种害虫来选择所述第一分类器和所述第二分类器中的一者。13.根据权利要求10至12中任一项所述的方法，其中所述分类器包括集成分类器，所述集成分类器包括多个组成分类器，所述多个组成分类器至少包括第一组成分类器和第二组成分类器，所述第一组成分类器和所述第二组成分类器的相应的经训练的参数各自已经针对至少一种组合物的化合物之间抵抗所述一种或多种害虫中的至少一种害虫的至少一种协同相互作用进行训练。14.根据权利要求13所述的方法，其中生成一个或多个预测包括基于所述第一组成分类器来生成第一预测，以及基于所述第二组成分类器来生成第二预测。15.根据权利要求1至14中任一项所述的方法，所述方法包括生成所述杀虫化合物和所述协同化合物中的至少一种的增强表示，所述增强表示包括所述杀虫化合物和所述协同化合物中的所述至少一种的增强化学特征，所述增强化学特征不被所述第一表示和所述第二表示包含。16.根据权利要求15所述的方法，其中生成所述增强表示包括基于定量结构-活性关系模型的经训练的参数来确定所述增强化学特征。17.根据权利要求1至16中任一项所述的方法，所述方法包括接收第三化合物的第三表示，以及基于确定以下中的至少一者来从预测排除包含所述第三化合物的排除的组合物：所述第三化合物的化学特征与排除规则匹配，对应于所述第三化合物的可用性值小于阈值，所述第三化合物与第四化合物之间的相似性度量大于阈值，以及所述第三化合物的毒性指示与毒性标准匹配。18.根据权利要求1至17中任一项所述的方法，其中所述杀虫化合物选自由以下组成的组：杀真菌剂、除草剂、杀线虫剂、杀昆虫剂、杀菌剂、灭鼠剂、杀病毒剂、杀螨药、灭藻剂和软体动物杀灭剂。19.根据权利要求1至18中任一项所述的方法，所述方法包括从由以下组成的组中选择所述第一化学特征和所述第二化学特征中的至少一者：芳香性的表示、电负性的表示、极性的表示、亲水性/疏水性的表示、以及所述杀虫化合物和所述协同化合物中的至少一种的杂化的表示。20.根据权利要求1至19中任一项所述的方法，其中所述一种或多种害虫包括所述至少一种训练害虫，使得基于分类器的经训练的参数来转换所述编码表示，所述分类器的所述经训练的参数已经针对至少一种组合物的化合物之间抵抗至少一种训练害虫的至少一种协同相互作用进行训练包括基于分类器的经训练的参数来转换所述编码表示，所述分类器的所述经训练的参数已经针对至少一种组合物的化合物之间抵抗所述一种或多种害虫中的至少一种害虫的至少一种协同相互作用进行训练。21.根据权利要求1至20中任一项所述的方法，其中所述至少一种训练害虫与所述一种或多种害虫中的至少一种害虫共享杀虫作用模式，使得基于分类器的经训练的参数来转换所述编码表示，所述分类器的所述经训练的参数已经针对至少一种组合物的化合物之间抵抗至少一种训练害虫的至少一种协同相互作用进行训练包括基于分类器的经训练的参数来转换所述编码表示，所述分类器的所述经训练的参数已经针对至少一种组合物的化合物之间抵抗与所述一种或多种害虫中的至少一种害虫共享杀虫作用模式的至少一种训练害
虫的至少一种协同相互作用进行训练。22.根据权利要求1至21中任一项所述的方法，其中所述分类器的所述经训练的参数已经通过以下方式进行训练：确定多种训练组合物中的每种训练组合物的重要性度量；基于一种或多种高重要性组合物中的每种高重要性组合物的重要性度量来从所述多种训练组合物中选择所述一种或多种高重要性组合物；以及基于所述一种或多种高重要性组合物来更新所述分类器的所述经训练的参数。23.根据权利要求22所述的方法，其中确定给定组合物的重要性度量包括基于所述训练组合物的杀虫化合物与所述训练组合物的协同化合物之间的协同相互作用的一个或多个训练预测的方差来确定所述给定训练组合物的重要性度量。24.根据权利要求22至23中任一项所述的方法，其中选择一种或多种高重要性组合物包括基于代表性标准来选择所述一种或多种高重要性组合物。25.根据权利要求24所述的方法，其中基于代表性标准来选择所述一种或多种高重要性组合物包括确定所述多种训练组合物的多个簇，以及从所述多个簇中的至少两个簇中的每个簇选择至少一种高重要性组合物。26.根据权利要求25所述的方法，其中确定所述多种训练组合物的所述多个簇包括确定表示所述训练组合物中的第一训练组合物的至少一种化合物的至少一个图与表示所述训练组合物中的第二训练组合物的至少一种化合物的至少一个图之间的图形相似性度量。27.一种计算机系统，所述计算机系统包括：一个或多个处理器；以及存储指令的存储器，所述指令致使所述一个或多个处理器执行包括以下的操作：接收杀虫化合物的第一表示；接收协同化合物的第二表示；通过基于相应的第一表示和第二表示对所述杀虫化合物的第一化学特征和所述协同化合物的第二化学特征进行编码，来生成包含所述杀虫化合物和所述协同化合物的组合物的编码表示；以及生成所述杀虫化合物与所述协同化合物之间抵抗一种或多种害虫的协同相互作用的一个或多个预测，所述生成包括：基于分类器的经训练的参数来转换所述编码表示，所述分类器的所述经训练的参数已经针对至少一种组合物的化合物之间抵抗至少一种训练害虫的至少一种协同相互作用进行训练。28.根据权利要求27所述的计算机系统，其中所述操作进一步包括执行根据权利要求2至26中任一项所述的动作。29.一种存储指令的非暂态机器可读介质，所述指令致使一个或多个处理器执行包括以下的操作：接收杀虫化合物的第一表示；接收协同化合物的第二表示；通过基于相应的第一表示和第二表示对所述杀虫化合物的第一化学特征和所述协同化合物的第二化学特征进行编码，来生成包含所述杀虫化合物和所述协同化合物的组合物
的编码表示；以及生成所述杀虫化合物与所述协同化合物之间抵抗一种或多种害虫的协同相互作用的一个或多个预测，所述生成包括：基于分类器的经训练的参数来转换所述编码表示，所述分类器的所述经训练的参数已经针对至少一种组合物的化合物之间抵抗至少一种训练害虫的至少一种协同相互作用进行训练。30.根据权利要求29所述的非暂态机器可读介质，其中所述操作进一步包括执行根据权利要求2至26中任一项所述的动作。31.一种评估两种或更多种化合物之间抵抗一种或多种害虫的协同相互作用的预测的方法，所述方法包括：通过根据权利要求1至26中任一项所述的方法确定杀虫化合物与协同化合物之间的协同相互作用的预测；将所述杀虫化合物和所述协同化合物组合以产生组合物；将所述一种或多种害虫暴露于测试环境中的所述组合物；以及评估所述组合物作为杀虫剂的功效。32.一种配制杀虫组合物的方法，所述方法包括：通过根据权利要求1至26中任一项所述的方法确定杀虫化合物与协同化合物之间抵抗一种或多种害虫的协同相互作用的预测；确定所述协同相互作用的所述预测满足或超过预定的概率水平；以及配制含有所述杀虫化合物和所述协同化合物的所述杀虫组合物。33.一种制造杀虫组合物的方法，所述方法包括：通过根据权利要求1至26中任一项所述的方法确定杀虫化合物与协同化合物之间的协同相互作用的多个预测，所述多个预测中的每个预测对应于多种杀虫化合物中的一种杀虫化合物和多种协同化合物中的对应协同化合物的组合；评估所述多个预测以选择所述多种杀虫化合物中的一种杀虫化合物和所述多种协同化合物中的对应协同化合物的组合，所述多个预测具有(i)满足或超过预定的概率水平或(ii)高于杀虫化合物和协同化合物的其它组合中的至少一些组合的协同相互作用的概率；以及将所述多种杀虫化合物中的所述一种杀虫化合物和所述多种协同化合物中的所述对应协同化合物的所选择的组合混合以生成所述杀虫组合物。34.一种处理影响非靶生物体的一种或多种害虫的方法，所述方法包括：通过根据权利要求1至26中任一项所述的方法确定杀虫化合物与协同化合物之间针对所述一种或多种害虫的协同相互作用的预测；确定所述协同相互作用的所述预测满足或超过预定的概率水平；以及将所述非靶生物体暴露于杀虫组合物，所述杀虫组合物含有所述杀虫化合物和所述协同化合物。35.一种处理影响非靶生物体的一种或多种害虫的方法，所述方法包括：通过根据权利要求1至26中任一项所述的方法确定杀虫化合物与协同化合物之间的协同相互作用的多个预测，所述多个预测中的每个预测对应于多种杀虫化合物中的一种杀虫
化合物和多种协同化合物中的对应协同化合物的组合；评估所述多个预测以选择所述多种杀虫化合物中的一种杀虫化合物和所述多种协同化合物中的对应协同化合物的组合，所述多个预测具有(i)满足或超过预定的概率水平或(ii)高于杀虫化合物和协同化合物的其它组合中的至少一些组合的协同相互作用的概率；以及将所述非靶生物体暴露于杀虫组合物，所述杀虫组合物含有所述多种杀虫化合物中的所述一种杀虫化合物和所述多种协同化合物中的所述对应协同化合物的所选择的组合。

技术总结
本发明描述了一种预测杀虫组合物的杀虫化合物与协同化合物之间的协同相互作用的计算机系统。该系统提供经训练的分类器，该经训练的分类器提供两种或更多种化合物之间对害虫的协同作用的概率预测。该系统可以选择用于转换的特征、编码特征、生成一个或多个预测以及组合预测。预测可以通过例如在体外或在植物中的实验测试来评估，并且/或者用于配制和/或施加杀虫组合物。施加杀虫组合物。施加杀虫组合物。


技术研发人员：康斯坦丁诺斯
受保护的技术使用者：特瑞美睿股份有限公司
技术研发日：2020.09.25
技术公布日：2022/6/10