Kan AI een Plantenfluisteraar worden om de Wereld te Helpen Voeden?

Met de kracht van AI en big data, onderzoeken wetenschappers spannende nieuwe frontiers in het ontcijferen van de complexe wereld van plantgenomen voor next-gen custom plantenveredeling die de voedselveiligheid en aanpassing aan klimaatverandering kan revolutioneren.

Een stengel tarwe, een stuk suikerriet. Voor de meeste van ons zijn dit slechts de grondstoffen van enkele van onze favoriete voedingsmiddelen – maar voor wetenschappers vertegenwoordigen ze een ingewikkeld puzzel dat, eens opgelost, geheimen kan ontsluiten die ons kunnen helpen meer voedsel te produceren met minder schadelijke effecten op de aarde, nieuwe biobrandstofbronnen op grote schaal te kweken en mensen te helpen langer en gezonder te leven. Deze geheimen zijn opgesloten in het genoom van planten – en met geavanceerde AI-hulpmiddelen beginnen wetenschappers de geheimen te ontdekken die deze genen bevatten.

De capaciteit van AI om enorme hoeveelheden gegevens te analyseren, opent de deur naar het oplossen van de uitdagingen van een beter begrip van plantgenomen. Dit begrip van de interactie tussen de genetische elementen die aanwezig zijn in planten en verschillende functionaliteiten, kan onderzoekers helpen om hardere plantenrassen te ontwikkelen, waardoor ze beter kunnen omgaan met biotische en abiotische stressen zoals milieu-uitdagingen als veranderende klimaatpatronen, plaaginfestaties en pesticidenresistentie.

Plantgenomen – zelfs van “eenvoudige” planten, zoals suikerriet – zijn aanzienlijk groter dan menselijke of dierlijke genomen, en zijn geëvolueerd over een veel langere periode dan andere vormen van leven. Planten zijn polyploïd – waar genen of hele genomen worden gedupliceerd – en het vastleggen van interacties tussen genen en allelen van verschillende ploidieën is een uitdaging, omdat sommige van de ploidieën weesgenen van oudere plantenrassen kunnen vertegenwoordigen die niet noodzakelijkerwijs nu actief zijn.

Onderzoekers proberen enkelvoudige nucleotidepolymorfismen (gewone DNA-sequenties) te identificeren, die ze kunnen gebruiken om te begrijpen hoe planten functioneren en met het milieu interacteren. Zodra dit is bereikt, kunnen onderzoekers beter begrijpen wat elke gen doet – en die informatie gebruiken om planten te kweken die kunnen worden aangepast aan menselijke behoeften. Dus, als onderzoekers een ras tarwe wilden ontwikkelen dat in droge gebieden kan worden geteeld, zouden ze proberen genen in tarwe te identificeren die volledige groei ondanks een gebrek aan water mogelijk maken. Niet alle monsters zullen waarschijnlijk dit gen dragen, omdat het een weesgen kan zijn dat deel uitmaakt van een polyploïd genoom. Machine learning kan het gen en zijn interactie met het milieu analyseren, en aanwijzingen geven over ongebruikte genetische mogelijkheden voor het bereiken van dit doel door AI-ontworpen veredelingsstrategieën.

Terwijl dit onderzoek kan worden gebruikt om plantenrassen te manipuleren, is genetische manipulatie verre van de enige manier waarop onderzoekers rassen van gewassen kunnen ontwikkelen die de gewenste eigenschappen hebben. Mensen hebben al millennia lang rassen van gewassen gekruist. AI kan hierbij helpen – door rassen te identificeren voor veredelingsselectie die de hoogste compatibiliteit hebben en het meest waarschijnlijk de gewenste resultaten zullen opleveren.

Bovendien kunnen AI-systemen helpen voorspellen welke methode van veredeling – hybridisatie, wijdverbreide kruising, chromosoomverdubbeling – het meest effectief zal zijn. Met diepgaande genetische informatie over planten, kunnen onderzoekers verder machine learning gebruiken om genen te koppelen aan de optimale omgevingen waarin ze het meest waarschijnlijk zullen gedijen. Dit kan leiden tot gewassen die een verlengde groeiseizoen kunnen doorstaan of het planten van gewassen in gebieden die ze eerder niet konden ondersteunen, waardoor de voedselvoorziening voor een steeds grotere – en hongerige – wereld toeneemt. Rassen die harder kunnen worden gemaakt, kunnen worden ontwikkeld – beter bestand tegen de gevolgen van klimaatverandering of groeien zelfs in gebieden waar urbanisatie of desertificatie heeft toegeslagen.

Plantgenetische informatie kan ook worden gebruikt om te helpen bij het kweken van rassen van gewassen die meer resistent zijn tegen specifieke plagen of ziekten. Machine learning kan de eigenschappen van planten identificeren die het meest aantrekkelijk zijn voor insecten of plagen – geur, kleur, enz. – en onderzoekers in staat stellen om genen te ontwikkelen die de aantrekkelijkheid van deze planten voor plagen zouden verminderen. Dit kan leiden tot een vermindering van het gebruik van pesticiden, het ontwikkelen van meer milieuvriendelijke pesticiden die zijn ontworpen voor specifieke planten in specifieke regio’s, of zelfs individuele boerderijen – een soort “persoonlijke landbouw” die veiliger, schoner en groener is.

Voordat de huidige mogelijkheden van AI, was het identificeren van plantgenomen bijna onmogelijk – maar nu ze zijn geïdentificeerd, is het begrijpen van hoe ze werken onmogelijk zonder geavanceerde AI-technologieën zoals machine learning. Met de hulpmiddelen die nu beschikbaar zijn, zullen onderzoekers in staat zijn om planten beter te begrijpen en nieuwe en betere methoden te ontwikkelen om planten te helpen gedijen in het licht van milieuveranderingen, verontreiniging, urbanisatie en andere problemen die de groei en kwaliteit van planten beïnvloeden. Met geavanceerde machine learning, zullen onderzoekers in staat zijn om de mysteries te ontsluieren die planten bezitten – en die geheimen te gebruiken om een betere toekomst voor de mensheid te creëren.