Kan AI blive en planteforfører til at hjælpe med at føde verden?

Med kraften fra AI og big data, forfølger videnskabsmænd og -kvinder spændende nye grænser i afkodning af den komplekse verden af plantegenomer for næste generations tilpasset planteforædling, der kunne revolutionere fødevaresikkerhed og tilpasning til klimaforandringer.

En strå af hvede, en stængel sukkerrør. For de fleste af os er disse blot råmaterialer til nogle af vores yndlingsmad – men for videnskabsmænd og -kvinder repræsenterer de en kompliceret puslespil, som, når det først er løst, kan låse op for hemmeligheder, der kan tillade os at dyrke mere mad med færre skadelige virkninger på jorden, avlsføre nye biobrændstofskilder i stor målestok, og hjælpe mennesker med at leve længere og sundere liv. Disse hemmeligheder er låst inde i planters genom – og med avancerede AI-værktøjer er videnskabsmænd og -kvinder begyndt at opdage hemmelighederne, disse gener holder.

AI’s evne til at analysere enorme mængder af data åbner døren til at løse udfordringerne ved at forbedre forståelsen af plantegenomer. Denne forståelse af interaktionen mellem de genetiske elementer, der er til stede i planter, og forskellige funktioner kan hjælpe forskere med at udvikle mere robuste planter, der kan bedre overvinde biotiske og abiotiske stressfaktorer, såsom miljømæssige udfordringer som ændringer i klimamønster, skadedyr og pesticidresistens.

Plantegenomer – selv af “simple” planter, som sukkerrør – er betydeligt større end menneskelige eller dyre-genomer, og har udviklet sig over en langt længere periode end andre former for liv. Planter er polyploide – hvor gener eller hele genomer er dupliceret – og det er en udfordring at fange interaktioner mellem gener og alleler fra forskellige ploidier, da nogle af ploidierne kan repræsentere forældede planter, der ikke nødvendigvis er aktive nu.

Forskere sigter mod at identificere enkelt-nukleotid-polymorfismer (almindelige DNA-sekvenser), som de kan bruge til at forstå, hvordan planter fungerer og interagerer med miljøet. Når dette er opnået, kan forskere bedre forstå funktionen af hvert gen – og bruge den viden til at avlsføre planter, der kan tilpasses til menneskelige behov. Således, hvis forskere ønsker at udvikle en sort af hvede, der kan dyrkes i mere tørre områder, vil de forsøge at identificere gener i hvede, der kan tillade fuld vækst trods mangel på vand. Ikke alle prøver vil sandsynligvis bære dette gen, da det kan være et forældet og nu sovende gen, der var en del af et polyploides genom. Maskinlæring kan analysere genet og dets interaktion med miljøet, og give indikationer af utilgået genetisk potentiale for at opnå dette mål gennem AI-designet avlsstrategi.

Selvom denne forskning kan bruges til at manipulere plantesorter, er sådan genetisk ingeniørarbejde langt fra den eneste måde, forskere kan udvikle sorter af afgrøder, der har de ønskede egenskaber. Mennesker har krydset sorter af afgrøder i årtusinder. AI kan være nyttig her også – ved at identificere sorter til avlsselektion, der har den højeste kompatibilitet og er mest sandsynligt at give det ønskede resultat.

Derudover kan AI-systemer hjælpe med at forudsige, hvilken metode til avls – hybridisering, bredtværs avls, kromosomfordobling – vil være mest effektiv. Med indgående genetisk information om planter til rådighed, kan forskere yderligere bruge maskinlæring til at matche gener med de optimale miljøer, hvor de er mest sandsynligt at trives. Dette kan resultere i afgrøder, der kan udholde en forlænget vækstsæson eller plantning af afgrøder i områder, der ikke tidligere kunne understøtte dem, og dermed øge fødevaresikkerheden for en stadig mere befolkede – og sultne – verden. Sorter, der vil være mere robuste, kan udvikles – mere i stand til at modstå klimaforandringer eller vokse, selv i områder, hvor urbanisering eller ørkenspredning er indtruffet.

Plantegenetisk information kan også bruges til at hjælpe med at avlsføre sorter af afgrøder, der er mere resistente over for bestemte skadedyr eller sygdomme. Maskinlæring kan identificere træk af planter, der er mest tiltrækkende for insekter eller skadedyr – lugt, farve osv. – og enable forskere til at udvikle gener, der ville reducere tiltrækkelsen af disse planter til skadedyr. Dette kan resultere i reduceret pesticidbrug, udvikling af mere miljøvenlige pesticider designet til bestemte planter i bestemte regioner eller selv enkeltgårde – en form for “personlig landbrug”, der er sikrere, renere og grønnere.

Før den nuværende kapacitet af AI, var identificering af plantegenomer næsten umulig – men nu, da de er identificeret, er det umuligt at forstå, hvordan de fungerer, uden avancerede AI-teknologier som maskinlæring. Med de værktøjer, der nu er til rådighed, vil forskere kunne forstå planter bedre og udvikle nye og bedre metoder til at hjælpe planter med at trives i mødet med miljømæssige ændringer, forurening, urbanisering og andre problemer, der påvirker plantevækst og -kvalitet. Med avanceret maskinlæring vil forskere kunne løse mysterierne, planter holder – og bruge disse hemmeligheder til at skabe en bedre fremtid for menneskeheden.