绿色农药是防治病、虫、草等有害生物，保障粮食安全重要“武器”。根据联合国粮农组织测算，使用农药平均每年可挽回30%～40%粮食损失。然而，现有农药的长期不合理使用导致抗性和生态环境问题。根据《中国农业绿色发展报告2020》，2020年我国主要粮食作物农药利用率达40.6%，但仍有59.4%农药扩散到土壤和大气中，导致生态环境污染。鉴于此，提高绿色农药的研发及创制是解决上述问题的有效途径，也对保障粮食安全具有十分重要意义。
1农药信息学方法一站式在线平台
鉴于健康及生态环境问题，研发高效、低毒、环境友好的绿色农药势在必行。创制绿色农药也是推进绿色兴农、农药减量增效必由之路。作为农业化学领域具有发展潜力的新方法，农药信息学可用于解析实验数据，指导设计新型优质绿色农药，同时也有助于农药残留和风险管理。农药信息学方法已成功应用于农药靶标识别、活性成分设计和环境影响评价等农药研究与开发各个阶段。农药信息学在高效、低毒、环境友好绿色农药研究开发中具有重要作用。农药信息学方法的应用研究，在推进农药研究与开发，实现农药行业绿色转型过程具有现实意义。
1.1农药信息学工具和方法
图1可用于农药靶标识别的农药信息学工具
图2可用于农药活性成分设计的农药信息学工具
图3可用于农药环境影响评价的农药信息学工具
1.2农药信息学方法一站式在线平台
图4一站式在线平台：集合了可用的农药信息学方法，提供了详细的介绍和对这些方法的直接访问
2农药信息学方法一站式在线平台在农药研发中应用
在农药研究开发中，农药靶标识别、活性成分设计、环境影响评价至关重要。靶标识别是农药设计的首要步骤，旨在确定有害生物的关键基因/蛋白质。农药信息学通过计算工具预测靶标，支持活性成分的设计和评估。残留物预测和毒性评估是环境影响评价的关键组成部分。农药信息学在农药研发中扮演着不可或缺的角色，为靶标识别、活性成分设计和风险评估提供了重要支持。
2.1农药靶标识别
农药靶标识别是基于结构的农药设计第一步，也是最重要一步，其目的是识别对病、虫、草等有害生物具有重要生物功能的基因/蛋白质。农药信息学通过各种计算工具基于实验数据集预测功能信息，被广泛用于靶标识别。我们能够有效地预测不同生物体内的潜在生物靶标，并通过实验测试对其进行深入验证。
已有一些工具可用于农药活性成分的靶标钓靶，从而发现活性成分的农药靶标(图1)。反向筛选农药靶标是一个有价值且有挑战性的问题，网络资源不仅提供了已知的农药靶标，还提供了寻找新靶标的方法。对于现有的农药活性成分，ACID网络服务器可以帮助找到其相应的靶标，准确率高达74.4%。徐等运用ACID网络服务器评估化合物与靶标蛋白质之间的结合亲和力，从而发现磷酸三苯酯的蛋白质靶标。SwissTargetPrediction网络服务器可预测化合物最可能靶标，且预测性能较高。第一个综合性农药数据库—农药和靶标相互作用数据库(PTID)于2013年建立，包括约1347种农药、约4245个靶标和约13738种农药—靶标相互作用，并附有丰富的生态毒理学等数据注释。
2.2农药活性分子设计
农药信息学通常提供有关分子优化的合理信息，可指导新农药活性成分的设计。它有助于分子生成和类农药性评估过程。发现新的活性成分是防治新植物病害或虫害的迫切需要。基于片段的方法是通过探索大量化学空间来提高新分子生成成功率的常用策略。在农业化学中，类农药性被视为分子与已知农药在分子性质和结构特征方面的相似性。了解已上市农药的分子特征，这将有助于指导农药活性成分的设计和选择。
用于分析和量化化合物的类农药性的各类理论计算工具已被开发(图2)。为了根据化合物的特性对其进行排序，Avram等[18]提出了一种评分函数(QEPest-SFs)来定性估计除草剂、杀菌剂和杀虫剂的类农药性。该方法基于6种分子特性，准确率达到78.7%。与QEPest-SFs类似，还建立了一系列网络服务器以方便使用。FungiPAD网络服务器提供类杀菌剂性的评估，准确率达82.5%，它基于3种评分函数，即类杀菌剂性定量估计(QEF)、相对药物似然性(RDL)和高斯评分函数(GAU)。QEF通过基于6种分子特性的经验拟合来描述可能性，而RDL则基于贝叶斯概率论，GAU根据9种分子特性的高斯分布预测药物的类杀菌剂性得分。基于相同的分子特性，InsectiPAD和HerbiPAD网络服务器可分别根据RDL、GAU的定量估计值、类农药性得分定量进行类杀虫剂性和类除草性评估。InsectiPAD和HerbiPAD的准确率分别为75.0%和70.0%。这些计算策略可对分子与农药之间的分子相似性进行定量和定性评估。
2.3环境影响
环境中未被代谢或降解的农药残留可能会对空气、土壤、水等生态环境以及鸟类、鱼类等非靶标生物的健康产生有害影响。农药信息学可根据农药的化学结构确定降解生物量，然后从不可提取的残留物中减去降解生物量，从而预测残留物。利用分类模型结合分子特征来预测毒性，农药信息学为农药残留管理和风险评估提供了有用工具。
经过数十年研究，不同储存库收集了大量生态毒理学等数据。例如，农药信息数据库(PesticideInfoDatabase，PID)提供了15300多种农药活性成分的生态毒性信息。数据驱动的毒性预测提供了一种降低毒性测试成本和劳动力的方法。昆虫传粉者面临的挑战之一是接触杀虫剂。基于图注意力卷积神经网络(GraphAttentionConvolutionalNeuralNetwork，GACNN)方法，BeeTOX已被开发用于预测蜜蜂化学中毒。该方法测试数据集准确率达83.7%，较其他预测模型高6.0%。王等为赖氨酸受体设计了第一个光致变色配体(PCL)。这种PCL能够调节活蟑螂的神经元和心脏功能。用BeeTox法对PCL的蜜蜂毒性进行评价，结果表明PCL对蜜蜂具有低毒性。毒性数据和预测对发现危害较小的农药具有积极影响。Mansouri等开发了OPEAR模型用于评估化合物的物理化学性质和环境归趋，已应用于超750000种化合物。这些毒理学数据及预测模型有利于监测和控制农药的潜在有害影响。
2.4资源性能和限制
比较了活性成分设计工具的性能和限制(图2)。在分子生成方面，PADFrag提供了生物活性分子片段的结构资源，ACFIS则利用这些片段组装成新分子。在类农药性评估方面，QEPest-SFs提供了一个评估除草剂、杀虫剂和杀菌剂相似性的综合软件，但其安装和操作较为复杂。相反，FungiPAD、HerbiPAD和InsectiPAD提供了用户友好型的网络平台。这些方法的准确率超过70.0%，尤其是FungiPAD准确率高达82.5%。农用化学品的研发和生产应注重成本，因此需要经济、高产率的化学合成技术。此外，对于在多种作物上都具有高生物利用率的农用化学品，其复杂程度也是惊人的，从实验室到田间的转化也是一个巨大的挑战。
3未来展望
农药信息学应用于设计有效和安全的农药仍然面临挑战。
首先，已知的农药靶标非常有限。在基因组和蛋白质组数据的驱动下，农药信息学促进了对生物体基因功能的研究，为新型农药的合适靶标提供信息，靶标识别将是绿色农药发现的主题；
其次，农药的作用方式模糊且不精确。农药的滥用会导致对农药的敏感性降低，从而导致预防失败。阐明农药与靶标之间的相互作用并设计具有新颖作用方式的新农药可以为克服农药抗性提供解决方案，超越单靶标农药的多靶标位点农药的设计是有用的，更积极主动地使用抗性诊断应有助于农药抗性管理。一种选择是预测农药靶标的抗性突变，检测抗性突变可以预测抗性群体，并可以防止抗性群体的出现；
最后，农药对非靶标物种和环境造成有害影响，必须采取必要措施监测农药的使用。开发农药最佳使用及其影响的预测模型将有助于监测和控制农药的有害影响，农药信息学做出了很大贡献，但仍有很长的路要走。在农药信息学进步的推动下，更多的农药设计平台正在建立，这将为未来提供新型绿色农药。
《世界农药》征稿函——投稿须知
中国农药工业协会会刊——《世界农药》征订启事
绿色农药创新及靶标研究现状与思考
高希武：构建生物靶标用药体系，丰富害虫抗药性理论
全球销售额前20的农药活性成分中，仿制除草剂销售额占比达到55%
生态环境部部长黄润秋：推进农药和工业用途类POPs绿色替代