Analizan 50 millones de moléculas y encuentran olores capaces de alejar a las abejas de cultivos tratados con pesticidas.
- 🐝 7 compuestos probados con abejas en vuelo libre.
- 🧪 Más de 50 millones de moléculas analizadas virtualmente.
- 🎯 Más de 130 candidatos identificados.
- 🤖 Aprendizaje automático para predecir qué olores evitarán las abejas.
- 🌾 Objetivo: reducir el contacto accidental entre polinizadores y pesticidas.
¿Por qué importa?
La agricultura tiene un problema difícil de resolver: necesita controlar determinadas plagas sin convertir cada tratamiento en un riesgo añadido para los insectos beneficiosos. Un equipo de la Universidad de California en Riverside (UC Riverside) propone abordar una parte de ese conflicto de una forma poco habitual: no actuar sobre la toxicidad del pesticida, sino sobre el comportamiento de las abejas.
El planteamiento consiste en identificar compuestos volátiles cuyo olor haga que las abejas eviten temporalmente una zona tratada. El aprendizaje automático permitió buscar esos candidatos entre decenas de millones de moléculas antes de pasar a las pruebas reales.
En lugar de buscar un pesticida menos tóxico, buscan mantener a la abeja lejos de él
Una abeja encuentra buena parte de lo que necesita mediante el olfato. Flores, alimento, compañeras de colonia y numerosas señales del entorno producen sustancias volátiles que sus receptores pueden detectar.
Esa extraordinaria sensibilidad es también un quebradero de cabeza para quien intenta predecir qué olor atraerá a una abeja y cuál provocará rechazo. El sistema olfativo de Apis mellifera cuenta con más de 170 receptores olfativos, suficientes para convertir una búsqueda convencional molécula a molécula en un trabajo enorme.
Ahí entra el aprendizaje automático.
El equipo dirigido por Anandasankar Ray, especialista en comportamiento olfativo de insectos, utilizó información ya disponible sobre la respuesta de las abejas a diferentes sustancias y la relacionó con la estructura química de esas moléculas. El modelo aprendió qué características aparecen con mayor frecuencia en los compuestos asociados a una respuesta de rechazo.
No se quedó ahí. Los investigadores realizaron nuevas pruebas de comportamiento con abejas melíferas y moscas de la fruta (Drosophila), incorporaron los resultados al modelo y volvieron a entrenarlo.
Es un detalle relevante. La inteligencia artificial no sustituye al experimento biológico: reduce el espacio de búsqueda y ayuda a decidir qué merece la pena probar físicamente.
De más de 50 millones de moléculas a unos 130 candidatos
Una vez refinado, el modelo examinó un espacio químico de más de 50 millones de compuestos.
De semejante universo salieron más de 130 moléculas candidatas con características compatibles con un efecto repelente sobre las abejas.
La reducción es enorme. En vez de sintetizar, adquirir y ensayar millones de sustancias, el laboratorio puede concentrar recursos en una pequeña fracción seleccionada computacionalmente.
Los candidatos más prometedores pasaron entonces a experimentos con abejas. Las pruebas de laboratorio mostraron una respuesta de evitación coherente con las predicciones del modelo.
Quedaba una prueba bastante más interesante: comprobar qué ocurría fuera de una situación experimental cerrada.
Siete candidatos frente a abejas que podían volar libremente
Los investigadores realizaron ensayos con abejas forrajeadoras en vuelo libre y probaron los siete candidatos seleccionados.
Los siete mostraron actividad repelente.
En estos experimentos se emplearon panales y se contabilizó la presencia de abejas en superficies tratadas. También se utilizó DEET, un repelente conocido, como control positivo y acetona como control negativo.
El ensayo es especialmente interesante porque una respuesta observada dentro de una caja de laboratorio no garantiza que un animal libre de marcharse, buscar otra fuente de alimento y recibir múltiples estímulos ambientales vaya a comportarse igual.
Las pruebas de campo respaldalaron la predicción del modelo.
Eso todavía no convierte las moléculas en un producto agrícola listo para utilizar. Marca algo más concreto: demuestra que el procedimiento computacional puede encontrar repelentes que conservan su efecto fuera del ensayo inicial de laboratorio.
El objetivo final podría ser un pesticida que avise: “mejor no acercarse”
La aplicación agrícola resulta bastante intuitiva.
Una futura formulación podría combinar un producto fitosanitario con un compuesto volátil que genere rechazo en las abejas. Durante el periodo de riesgo, el olor actuaría como una especie de barrera sensorial invisible.
La abeja detectaría la señal y tendría mayor probabilidad de evitar la superficie.
La estrategia no eliminaría el pesticida ni neutralizaría su toxicidad. Intentaría reducir la exposición, una diferencia importante.
Actualmente ya existen medidas para conseguir algo parecido mediante la gestión agrícola. Se pueden restringir las aplicaciones durante la floración, tratar cuando los polinizadores no están activos, reducir determinadas dosis o establecer zonas de protección.
Un repelente eficaz añadiría una herramienta diferente: actuar directamente sobre el comportamiento del insecto.
Más de 50 millones de compuestos examinados mediante el modelo.
Más de 130 candidatos seleccionados.
7 compuestos llevados a las pruebas con abejas en vuelo libre.
Los 7 mostraron efecto repelente en el ensayo de campo.
Una capa adicional de protección, no una licencia para utilizar más pesticidas
Aquí aparece uno de los puntos esenciales del trabajo.
Un repelente no convierte automáticamente un pesticida peligroso para los polinizadores en un producto inocuo. Tampoco debería interpretarse como una alternativa a reducir sustancias de alto impacto, mejorar el manejo integrado de plagas o evitar tratamientos durante los periodos de mayor actividad de las abejas.
Su interés está en añadir una barrera adicional cuando el uso de un producto fitosanitario sea necesario.
La Agencia de Protección Ambiental estadounidense ya contempla distintas medidas para reducir la exposición de los polinizadores: restricciones durante la floración, limitaciones según la fase del cultivo, tratamientos antes del amanecer o después del anochecer y zonas de amortiguación alrededor de hábitats importantes.
En Europa el enfoque regulatorio también presta especial atención a esta cuestión. Los productos fitosanitarios deben superar una evaluación ambiental que contempla sus posibles efectos sobre organismos que no son el objetivo del tratamiento.
La EFSA ha desarrollado además metodologías específicas para evaluar riesgos agudos y crónicos en abejas melíferas, abejorros y abejas solitarias, incluyendo vías de exposición por contacto y alimentación.
Por tanto, cualquier producto comercial basado en estos repelentes tendría que demostrar bastante más que una simple respuesta de evitación.
El estudio no demuestra todavía que mezclar estos compuestos con pesticidas proteja a las abejas en cultivos comerciales. Falta estudiar duración del efecto, dosis, comportamiento en distintas especies, residuos, condiciones meteorológicas, posibles efectos crónicos y compatibilidad con formulaciones agrícolas reales.
Qué impacto puede tener en el medio ambiente
El beneficio más evidente sería una reducción de la exposición accidental de polinizadores a determinados tratamientos agrícolas.
Pero el alcance potencial es mayor.
Una molécula repelente podría permitir delimitar temporalmente zonas que interesa mantener fuera de las rutas de forrajeo. Si el efecto resulta suficientemente selectivo, podría proteger insectos beneficiosos sin interferir con el control de la plaga que justificó el tratamiento.
También existe una consecuencia menos visible: el método desarrollado para encontrar estas moléculas puede reutilizarse.
El trabajo muestra que un sistema computacional entrenado con datos biológicos relativamente limitados puede recorrer espacios químicos gigantescos y señalar candidatos interesantes. Esa misma lógica podría emplearse para buscar repelentes específicos para otros insectos, atrayentes para control biológico o moléculas capaces de modificar comportamientos concretos sin recurrir directamente a sustancias letales.
Pasar de “matar al insecto” a “modificar dónde se encuentra” abre una línea distinta dentro del manejo agrícola.
La innovación no está únicamente en las moléculas encontradas. Está en utilizar aprendizaje automático + experimentación biológica para localizar señales químicas capaces de modificar de forma selectiva el comportamiento de un insecto.
También podría servir fuera de los campos agrícolas
Los investigadores apuntan otras aplicaciones posibles.
Los repelentes podrían utilizarse para reducir la presencia de abejas en determinadas zonas de hospitales, edificios, instalaciones industriales o espacios residenciales donde la formación de una colonia pueda provocar conflictos.
También existen situaciones agrícolas en las que interesa limitar la polinización, por ejemplo en determinados sistemas de producción de frutos sin semillas.
Son posibilidades secundarias por ahora. El interés ambiental principal continúa estando en separar espacial o temporalmente a los polinizadores de sustancias potencialmente perjudiciales.
El gran interrogante: qué ocurrirá en un cultivo real
El salto entre el experimento publicado y un producto comercial es considerable.
En un campo agrícola intervienen viento, temperatura, lluvia, radiación solar, humedad, vegetación, competencia entre olores y cambios continuos en la concentración de cualquier compuesto volátil.
Un repelente muy eficaz durante un experimento controlado puede dispersarse demasiado deprisa al aire libre. También puede ocurrir lo contrario: que permanezca durante demasiado tiempo y mantenga alejados a los polinizadores cuando el cultivo vuelva a necesitar sus servicios.
La dosis será crítica.
Los experimentos de campo publicados probaron concentraciones concretas sobre los soportes experimentales, incluyendo ensayos a 0,1 mg/cm² y 0,05 mg/cm². Esos valores permiten estudiar la respuesta de las abejas, pero no equivalen a una dosis agrícola recomendada.
Harán falta pruebas específicas antes de saber qué cantidad sería necesaria en una formulación real.
Encontrar un olor que funciona es solo el principio. Un producto agrícola deberá mantener una concentración eficaz durante el intervalo adecuado, resistir condiciones ambientales reales y desaparecer cuando deje de ser necesario.
Proteger a la abeja melífera no equivale a proteger a todos los polinizadores
Hay otra cautela importante.
Los experimentos se centran principalmente en Apis mellifera, la abeja melífera. Los ecosistemas agrícolas dependen también de abejorros, abejas solitarias, sírfidos, mariposas, polillas y otros animales polinizadores.
Una sustancia repelente para una abeja melífera puede resultar neutra, atractiva o perjudicial para otra especie.
Precisamente por eso las evaluaciones ambientales modernas están ampliando el foco más allá de las colmenas manejadas. En la Unión Europea, la protección de los polinizadores forma parte de la estrategia de biodiversidad y el Reglamento de Restauración de la Naturaleza establece el objetivo vinculante de revertir su declive para 2030.
Cualquier aplicación ambientalmente convincente de estos repelentes tendrá que demostrar que desplazar el riesgo de una especie a otra no es el precio oculto de la solución.
Una investigación con patente e interés empresarial
El estudio procede de investigadores de UC Riverside, principalmente de los departamentos de Biología Molecular, Celular y de Sistemas y Entomología, junto con el Centre for Integrative Bee Research.
El equipo incluye a Joel Kowalewski, Barbara Baer-Imhoof, Tom Guda, Matthew Luy, Payton DePalma, Boris Baer y Anandasankar Ray.
También existe una vertiente comercial que conviene dejar clara. Ray es fundador y presidente de Sensorygen y Remote Epigenetics y posee participación en ambas compañías; Kowalewski posee participación en Sensorygen. Varios investigadores figuran además como inventores en una solicitud de patente relacionada con los compuestos.
La investigación recibió financiación mediante una subvención de la California Research Alliance de BASF. Según el artículo científico, los financiadores no participaron en el diseño del estudio, la recogida y análisis de datos, la decisión de publicar ni la preparación del manuscrito.
La agricultura del futuro probablemente necesitará combinar menos tratamientos, productos más selectivos, control biológico, agricultura de precisión y protección activa de organismos beneficiosos. Los repelentes olfativos podrían convertirse en una pieza más de ese sistema.
Ficha técnica
Cómo funciona
Un modelo de aprendizaje automático relaciona la estructura química de diferentes moléculas con respuestas olfativas conocidas de las abejas. Los candidatos predichos se prueban experimentalmente; los resultados alimentan una nueva iteración del modelo. El sistema refinado permite cribar millones de moléculas y seleccionar las que presentan mayor probabilidad de provocar evitación.
En cifras
- >50 millones de compuestos examinados computacionalmente.
- >130 candidatos a repelente identificados.
- 7 candidatos principales probados con abejas forrajeadoras en vuelo libre.
- 7 de 7 mostraron repelencia en esos ensayos.
- >170 receptores olfativos descritos en el trabajo para el sistema olfativo de Apis mellifera.
- Ensayos de campo con dosis de 0,1 mg/cm² y 0,05 mg/cm² en parte de las pruebas.
Qué tiene de diferente
La búsqueda convencional de repelentes depende en gran medida de probar sustancias candidatas experimentalmente. El nuevo método utiliza predicción computacional para reducir millones de posibilidades a un conjunto manejable de moléculas, seguido siempre de validación biológica.
Comparación directa con la tecnología convencional
Protección convencional: restricciones horarias, evitar tratamientos durante la floración, reducción de dosis, zonas de amortiguación y selección de productos con menor riesgo para polinizadores.
Propuesta investigada: añadir una señal química que provoque evitación activa de la zona de riesgo por parte de las abejas.
Ambos enfoques podrían ser complementarios. El repelente no sustituye las medidas destinadas a reducir el uso y la exposición a pesticidas.
Limitaciones
El trabajo todavía no demuestra protección frente a pesticidas en cultivos comerciales. Los ensayos de campo estudiaron la respuesta de abejas libres ante los compuestos candidatos, no una campaña agrícola completa utilizando pesticidas formulados con repelentes.
Faltan datos sobre persistencia ambiental, seguridad a largo plazo, efectos sobre otros polinizadores, posibles residuos, coste, escalabilidad, interacción con pesticidas, eficacia en distintos cultivos y comportamiento bajo diferentes condiciones meteorológicas.
El conjunto de datos empleado para entrenar el modelo también era relativamente pequeño, una limitación señalada durante la revisión científica. Los investigadores utilizaron un proceso iterativo para mejorarlo, pero será necesario comprobar hasta dónde puede generalizarse.
Además, varios autores tienen intereses empresariales y figuran en una solicitud de patente, mientras que el trabajo recibió financiación vinculada a BASF. Son conflictos de interés declarados públicamente y deben tenerse presentes al interpretar el potencial comercial.
En qué fase se encuentra
Demostración experimental temprana.
La predicción computacional ha sido validada en laboratorio y los siete candidatos principales fueron probados con abejas en vuelo libre en un ensayo de campo. Todavía no existe evidencia publicada de una formulación pesticida-repelente validada a escala agrícola comercial.
Quién está detrás
Universidad de California, Riverside (Estados Unidos).
Investigadores principales: Joel Kowalewski, Barbara Baer-Imhoof, Tom Guda, Matthew Luy, Payton DePalma, Boris Baer y Anandasankar Ray.
Participan investigadores de biología molecular y celular, neurociencia y entomología de UC Riverside y del Centre for Integrative Bee Research (CIBER).
Financiación: subvención de la California Research Alliance de BASF.
Existe una solicitud de patente relacionada con los compuestos y algunos autores mantienen intereses empresariales en Sensorygen y Remote Epigenetics.
Vía UC Riverside
Más información: Machine learning of honey bee olfactory behavior identifies repellent odorants in free-flying bees in the field
Deja una respuesta