编辑推荐：
为探究杀虫剂处理网（ITNs）对蚊虫行为的影响，研究人员以 Olyset 网（OL）和未处理网（UT）为对象，利用机器学习分析抗药性（IR）和敏感型（IS）冈比亚按蚊飞行轨迹。发现 OL 可使两类蚊虫飞行路径立即变得复杂紊乱，表明 ML 在优化 ITN 设计中具重要价值。
疟疾作为威胁人类健康的重大传染病，每年导致全球超百万人死亡，其中按蚊传播是关键环节。杀虫剂处理网（ITNs）是控制疟疾传播的核心手段，但蚊虫对杀虫剂的抗药性（IR）及行为适应性变化机制尚不完全明确。传统研究多聚焦于基因层面的抗药性机制，却忽视了杀虫剂对蚊虫行为及疟疾传播的复杂影响，尤其缺乏对蚊虫接触 ITNs 后即时行为变化的深入解析。在此背景下，英国利物浦热带医学院（LSTM）的研究团队开展了相关研究，其成果发表在《Current Research in Parasitology 》，为揭示 ITNs 作用机制及优化疟疾防控策略提供了新视角。
研究人员主要采用了以下关键技术方法：通过红外视频系统追踪未喂食的雌性按蚊在人类诱饵蚊帐（包括 Olyset 网和未处理对照网）周围的飞行轨迹，获取 2D 远心数据；运用机器学习中的 XGBoost 分类模型对轨迹进行分类，并通过 SHapley Additive exPlanations（SHAP）分析解释模型预测，识别关键行为特征；采用移动窗口技术处理轨迹数据，结合特征提取、选择及超参数调优等流程，构建高精度分类模型。
3.1 数据处理与模型性能
通过超参数优化确定 7.5 秒的片段大小和 7 秒的重叠窗口，最终数据集包含 12,991 条轨迹，分割为 881,713 个片段。XGBoost 模型在独立测试数据中表现出色，平衡准确率达 0.838，ROC AUC 为 0.925，表明其能有效区分蚊虫在不同网型周围的飞行行为。
3.2 飞行行为的即时干扰
研究发现，无论抗药性（IR）还是敏感型（IS）按蚊，接触 Olyset 网后均立即出现复杂、紊乱的飞行路径，表现为飞行角度变化零交叉频率高、角度变化四分位值大及水平速度零交叉频繁。这与传统认为行为变化随时间加剧的假设相反，揭示 Olyset 网的杀虫剂（氯菊酯）可即时引发蚊虫定向障碍和飞行混乱，提示其作用机制更可能是接触性刺激而非驱避。
3.3 抗药性与敏感型蚊虫的差异与共性
敏感型蚊虫在接触 Olyset 网后 30 分钟内多死亡，飞行轨迹短且速度快，呈无序状态；抗药性蚊虫虽存活至 2 小时实验结束，但飞行行为同样受到显著干扰，表明抗药性虽可延长存活，却无法完全消除杀虫剂对飞行行为的破坏作用。这挑战了氯菊酯溶液具驱避性的传统观点，支持其在网纤维中主要通过刺激或接触效应发挥作用。
3.4 机器学习的解释力与特征识别
SHAP 分析确定了三个关键预测特征：飞行角度变化零交叉频率、角度变化第一四分位数及水平速度零交叉频率。这些特征均指向 Olyset 网导致的蚊虫飞行轨迹复杂性和方向改变频繁性，证实机器学习可通过轨迹分析挖掘传统统计方法未识别的细微行为差异，为解析蚊虫行为提供了数据驱动的新框架。
结论与意义
本研究首次利用机器学习揭示 Olyset 网对蚊虫飞行行为的即时干扰效应，证实氯菊酯在网纤维中主要通过刺激效应而非驱避效应发挥作用，且抗药性无法完全抵消这种行为干扰。这一发现不仅挑战了关于拟除虫菊酯作用机制的传统认知，还为 ITNs 设计提供了新方向 —— 可通过强化对蚊虫飞行行为的干扰来提升防控效果，而非单纯依赖致死性。此外，研究建立的基于机器学习的轨迹分析方法具可扩展性，有望应用于评估新型杀虫剂和 ITNs 的效果，加速疟疾防控工具的研发。未来研究需进一步扩展至其他蚊种、杀虫剂类型及田间验证，以全面揭示蚊虫行为与杀虫剂干预的复杂互作，为全球疟疾防控提供更精准的策略支持。
