基于非参数与参数模型预测精油成分对家蝇的混合毒性及其相互作用机制

《Pest Management Science》：Prediction of mixture toxicity of essential oil constituents using nonparametric and parametric models against Musca domestica L.

这篇研究通过比较Loewe、Bliss、Schindler和HSA等非参数模型与BRAID、Zimmer、MuSyC等参数模型，系统评估了21种精油成分对家蝇（Musca domestica L.）的混合毒性预测效能。结果表明，参数模型通过量化协同（κ/α/γ>0）和拮抗（κ/α/γ<0）相互作用参数，平均预测误差（RMSE 8.22%）显著优于非参数模型（准确率30-46%），为精油基杀虫剂的理性设计提供了建模框架选择依据。

　　

引言

传统杀虫剂的环境与健康风险促使植物源替代品如精油（essential oils）受到关注，但其成分复杂性导致质量控制与功效稳定性成为挑战。本研究以家蝇为模型，通过比较非参数与参数模型对21种精油成分混合毒性的预测能力，揭示了参数模型在量化相互作用方面的优势。

材料与方法

2.1 精油成分

选用21种常见单萜类化合物，包括香芹酚（carvacrol，LD₅₀=59.8 μg/虫）、茴香脑（trans-anethole，LD₅₀=75.9 μg/虫）等，纯度≥87%-99%。

2.3 施药方式

采用点滴法（topical application）施药1.5 μL/虫，避免摄食行为干扰，以丙酮为溶剂，设置7-12个剂量梯度。

2.5 剂量效应模型

Hill方程拟合最优（平均RMSE 9.196±0.529），其公式为：

E = E_max / [1 + (LD₅₀/d)^h]，其中h为Hillslope（1.5-4.9）。

2.6 非参数模型

• •

  Loewe模型：假设相似作用机制（MoA），基于剂量相加原理，但对Hillslope敏感。如p-伞花烃（h=4.6）+松油烯-4-醇（h=4.9）组合预测值达87.21%，显著高于Bliss模型（29.48%）。

• •

  Bliss模型：假设独立MoA，基于概率相乘原理，预测准确率46%。

• •

  HSA模型：以单药最高活性为基准，58.57%组合判为协同。

结果

3.1 单药活性

香芹酚毒性最强（LD₅₀ 59.8 μg/虫），γ-松油烯最弱（LD₅₀ 624.6 μg/虫）。Hillslope差异显著（1.5-4.9），影响LD₂₀组合设计。

3.4 模型预测比较

非参数模型对210组二元混合物的预测一致性低：

• •

  Bliss与Loewe仅对92组结论一致（43.8%）。

• •

  参数模型中，MuSyC表现最佳（平均RMSE 8.22%），如：

  • •

    trans-茴香脑+丁香酚：Zimmer模型显示双向协同（α_AB=-1.05，α_BA=-0.67）；MuSyC进一步解析为丁香酚对茴香脑的效能协同（α_BA=57.88）但协同性拮抗（γ_BA=0.17）。

  • •

    樟脑+α-松油醇：BRAID显示拮抗（κ=-0.63），而MuSyC揭示α-松油醇对樟脑的效能协同（α_BA=6.76）与协同性拮抗（γ_AB=0.16）。

讨论

局限性

• •

  非参数模型假设非交互性，而精油成分普遍存在相互作用（如香芹酚+香芹酮κ=-1.15）。

• •

  参数模型需16-25个实验点/组合，且MuSyC的6参数（α/γ_AB/_BA）解读复杂。

应用建议

• •

  高通量筛选：优先使用非参数模型（如Bliss）。

• •

  精准预测：选择参数模型（如MuSyC），尤其适用于增效组合（如trans-茴香脑+百里香酚α_AB=4.72）。

结论

本研究为精油基杀虫剂的开发提供了建模选择框架：非参数模型适用于初步筛选，而参数模型能更精准捕捉相互作用，但其应用需权衡实验成本与解释复杂度。未来需结合机理研究优化模型生物学意义。