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

Med kraften fra AI og big data, forfølger videnskabsmænd nye spændende grænseflader i at afkode den komplekse verden af plantegenomer for næste generations brug af tilpasset planteforædling, der kan revolutionere fødevaresikkerheden og tilpasningen til klimaforandringer.

En strå af hvede, en stængel sukkerrør. For de fleste af os er dette blot råmaterialet til nogle af vores yndlingsfødevarer – men for videnskabsmænd repræsenterer dette en kompliceret puslespil, der, når det er løst, kan åbne hemmeligheder, der kan tillade os at dyrke mere føde 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 plantens genom – og med avancerede AI-værktøjer er videnskabsmænd begyndt at opdage hemmelighederne, disse gener indeholder.

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

Plantergenomer – selv af “simple” planter, som sukkerrør – er betydeligt større end menneskelige eller dyregenomer, og har udviklet sig over en langt længere periode end andre former for liv. Planter er polyploide – hvor gener eller hele genomer er duplikeret – og det er en udfordring at fange interaktioner mellem gener og alleler fra forskellige ploidier, da nogle af ploidierne kan repræsentere forældede plantergener, 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 forskerne bedre forstå funktionen af hvert gen – og bruge denne information til at avlsføre planter, der kan tilpasses til menneskelige behov. Således, hvis forskerne 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 på trods af mangel på vand. Ikke alle prøver vil sandsynligvis bære dette gen, da det kan være et forældet og nu inaktivt 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, forskerne kan udvikle sorter af afgrøder, der har de ønskede egenskaber. Mennesker har avlet planter i årtusinder. AI kan være nyttig her også – identificere sorter til avlsudvælgelse, der har den højeste kompatibilitet og er mest sandsynligt at give de ønskede resultater.

Derudover kan AI-systemer hjælpe med at forudsige, hvilken metode til avlsning – hybridisering, bredt krydsavlsning, kromosomfordobling – vil være mest effektiv. Med indgående genetisk information om planter til rådighed, kan forskerne 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 opretholde dem, og dermed øge fødevareforsyningen til 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.

Planternes genetiske 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 forskerne til at udvikle gener, der kan reducere tiltrækkelsen af disse planter til skadedyr. Dette kan resultere i reduceret brug af pesticider, udvikling af mere miljøvenlige pesticider designet til bestemte planter i bestemte regioner eller endda enkeltgårde – en form for “personlig landbrug” der er sikrere, renere og grønnere.

Før den nuværende kapacitet af AI, var identificering af plantegenomer nær 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 forskerne kunne forstå planter bedre og udvikle nye og bedre metoder til at hjælpe planter med at trives i møde med miljømæssige ændringer, forurening, urbanisering og andre problemer, der påvirker plantevækst og kvalitet. Med avanceret maskinlæring vil forskerne kunne aflure hemmelighederne, planter indeholder – og bruge disse hemmeligheder til at skabe en bedre fremtid for menneskeheden.