Análisis de biopesticida con dosificación controlada de Bacillus thuringiensis soportado en hidrotalcitas híbridas mediante inteligencia artificial
DOI:
https://doi.org/10.56643/rcia.v4i1.201Palabras clave:
agricultura sostenible, aprendizaje automático, control biológico, optimización algorítmica, tecnologías limpiasResumen
Hoy en día sabemos que la dosificación controlada de moléculas es clave no sólo para optimizar procesos farmacológicos. Además, constituye una herramienta de gran potencial para su uso en la agricultura. En este trabajo estudiamos cómo los materiales inorgánicos, por ejemplo, los hidróxidos dobles laminares (HDL), tienen la capacidad de adsorber bacterias, aniones y metales pesados, entre otras sustancias, lo cual los hace ideales como soporte para un biopesticida basado en Bacillus thuringiensis (Bt). El objetivo principal fue analizar y mejorar la eficacia de este biopesticida utilizando tecnologías modernas. Empleando un modelo de inteligencia artificial basado en Random Forest, realizamos simulaciones para predecir las condiciones óptimas de dosificación y determinar las variables más influyentes en el proceso. Los resultados fueron claros, las concentraciones resultaron ser el factor más crítico, mientras que el uso de HDL como soporte tuvo un impacto significativo, representando 80% de importancia en la optimización. Aunado a ello, el modelo mostró un alto nivel de precisión: alcanzó un error cuadrático medio (MSE) de 18.97 y un coeficiente de determinación (R2) de 0.87. Además de validar la efectividad del biopesticida, estos hallazgos demuestran la relevancia de integrar herramientas de inteligencia artificial en la investigación de materiales híbridos. Este enfoque mejora la agricultura sostenible y tiene el potencial de ser escalado para aplicaciones industriales, mostrando una diferencia en el diseño de soluciones innovadoras que utilizan estas herramientas, lo que marca un precedente para futuras investigaciones en optimización tecnológica aplicada.
Referencias
Askeland, D. R., y Fulay, P. P. (2017). Estructuras cristalinas de materiales. En Ciencia e Ingeniería de los materiales (6ª ed., pp. 60-86). Cengage Learning.
Benítez Aguilar, A., Velázquez Cigarroa, E., y Márquez Molina, O. (2023). Análisis de modelos de producción local para la sostenibilidad y seguridad alimentaria en el Estado de México. En Castro Martínez, O. R., y Fontalvo Buelvas, J. C. (Eds.), Agricultura, huertos educativos y transformaciones socioecológicas: Experiencias significativas en México (pp. 15-34). SIEA.
Bravo, A., Gill, S. S., y Soberón, M. (2007). Mode of action of Bacillus thuringiensis Cry and Cyt toxins and their potential for insect control. Toxicon, 49(4), 423-435. https://doi.org/10.1016/j.toxicon.2006.11.022
Breiman, L. (2001). Random Forests. Machine Learning, 45(1), 5-32. https://doi.org/10.1023/A:1010933404324
Cardoso, L., y Valim, J. (2006). Study of acids herbicides removal by calcined Mg-Al-CO3-LDH. Journal of Physical Chemistry of Solids, 67, 987-993. https://doi.org/10.1016/j.jpcs.2006.02.039
Caswell, T. A., Droettboom, M., Lee, A., Hunter, J., Firing, E., Nielsen, J., Elson, P., Seppänen, J. K., Dale, D., y Varoquaux, N. (2021). Matplotlib: Visualization with Python. Zenodo. https://doi.org/10.5281/zenodo.4559847
Castillo López, E., Muñoz Osorio, G. A., López Tolentino, G., y Marín Colli, E. E. (2024). Evaluation of different doses of chemical fertilization on growth and yield of creole pepper “Xkat iik” (Capsicum annuum L.). Revista Chapingo Serie Agricultura Tropical, 4(1). https://doi.org/10.5154/r.rchsat.2023.04.03
Chaara, D., Pavlovic, I., Bruna, F., Ulibarri, M., y Barriga, C. (2010). Removal of nitrophenol pesticides from aqueous solutions by layered double hydroxides and their calcined products. Applied Clay Science, 50, 292-298. https://doi.org/10.1016/j.clay.2010.07.007
Duraisamy, K., et al. (2023). Development of a new broad-spectrum microencapsulation-based spray drying formulation of Bacillus thuringiensis. Frontiers in Microbiology. https://doi.org/10.3389/fmicb.2023.1273725
EPA (Environmental Protection Agency). (1998). Reregistration Eligibility Decision (RED) for Bacillus thuringiensis. Office of Prevention, Pesticides and Toxic Substances.
Fu, Y., Fu, X., Song, W., Li, Y., Li, X., y Yan, L. (2023). Recent progress of layered double hydroxide-based materials in wastewater treatment. Materials, 16(16), 5723. https://doi.org/10.3390/ma16165723
Glare, T. R. (2000). Bacillus thuringiensis: Biology, ecology, and safety. Springer. https://doi.org/10.1007/978-94-011-4010-2
Harris, C. R., Millman, K. J., Van der Walt, S. J., Gommers, R., Virtanen, P., Cournapeau, D., Wieser, E., Taylor, J., Berg, S., Smith, N. J., Kern, R., Picus, M., Hoyer, S., Van Kerkwijk, M. H., Brett, M., Haldane, A., Del Río, J. F., Wiebe, M., … Oliphant, T. E. (2020). Array programming with NumPy. Nature, 585(7825), 357-362. https://doi.org/10.1038/s41586-020-2649-2
Ho, T. K. (1995). Random Decision Forests. Proceedings of the 3rd International Conference on Document Analysis and Recognition, 278-282. https://doi.org/10.1109/ICDAR.1995.598994
Miyata, S. (1983). Anion-exchange properties of hydrotalcite-like compounds. Clays and Clay Minerals, 31(4), 305-311. https://doi.org/10.1346/CCMN.1983.0310406
Pedregosa, F., Varoquaux, G., Gramfort, A., Michel, V., Thirion, B., Grisel, O., Blondel, M., Prettenhofer, P., Weiss, R., Dubourg, V., Vanderplas, J., Passos, A., Cournapeau, D., Brucher, M., Perrot, M., & Duchesnay, E. (2011). Scikit-learn: Machine Learning in Python. Journal of Machine Learning Research, 12, 2825-2830.
Talkhan, F. N., et al. (2023). Influence of some environmental conditions on stability and activity of Bacillus thuringiensis formulations. Egyptian Journal of Biological Pest Control. https://doi.org/10.1186/s41938-018-0064-x
Vayssieres, L. (2009). On the tailored assembly of nano-objects into integrated systems: A multiple scale approach. Journal of Advanced Functional Materials, 19(5), 688-697. https://doi.org/10.1002/adfm.200800968
Waskom, M. (2021). Seaborn: Statistical Data Visualization. Journal of Open Source Software, 6(60), 3021. https://doi.org/10.21105/joss.03021
Descargas
Publicado
Número
Sección
Licencia
Derechos de autor 2025 Aldara Natalya Moreno Torres, Roberto Guerra González
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Los autores/as que publiquen en esta revista aceptan las siguientes condiciones:
- Los autores/as conservan los derechos de autor y ceden a la revista el derecho de la primera publicación, con el trabajo registrado con la licencia de atribución de Creative Commons 4.0, que permite a terceros utilizar lo publicado siempre que mencionen la autoría del trabajo y a la primera publicación en esta revista.
- Los autores/as pueden realizar otros acuerdos contractuales independientes y adicionales para la distribución no exclusiva de la versión del artículo publicado en esta revista (p. ej., incluirlo en un repositorio institucional o publicarlo en un libro) siempre que indiquen claramente que el trabajo se publicó por primera vez en esta revista.
- Se permite y recomienda a los autores/as a compartir su trabajo en línea (por ejemplo: en repositorios institucionales o páginas web personales) antes y durante el proceso de envío del manuscrito, ya que puede conducir a intercambios productivos, a una mayor y más rápida citación del trabajo publicado.
