Kan AI bli en plantevisker for å hjelpe med å mate verden?

Med kraften fra AI og store datasamlinger, forsøker forskere å åpne opp nye og spennende fronter i å avkode den komplekse verden av plantegenomer for neste generasjons tilpasset planteforing, som kan revolusjonere matsikkerhet og tilpasning til klimaendringer.

En strå av hvete, en stengel sukkerrør. For de fleste av oss er disse bare råmaterialer til noen av våre favorittmatvarer – men for forskere representerer de en komplisert puslespill som, hvis løst, kan åpne hemmeligheter som kan tillate oss å dyrke mer mat med færre skadelige virkninger på jorden, tilpasse nye biobrenselkilder i stor skala, og hjelpe mennesker å leve lenger og sunnere liv. Disse hemmelighetene er låst inne i plantegenomet – og med avanserte AI-verktøy begynner forskere å oppdage hemmelighetene disse genene inneholder.

AI sin evne til å analysere enorme mengder data åpner døren for å løse utfordringene med å bedre forstå plantegenomer. Denne forståelsen av interaksjonen mellom de genetiske elementene som er til stede i planter og forskjellige funksjoner kan hjelpe forskere med å utvikle hardføre planter, som kan bedre overvinne biotiske og abiotiske stress, som miljøutfordringer som endrede klimamønster, skadedyrinfeksjon og pesticidresistens.

Plantegenomer – selv av “enkle” planter, som sukkerrør – er betydelig større enn menneskelige eller dyregenomer, og har utviklet seg over en mye lengre periode enn andre former for liv. Planter er polyploide – hvor gener eller hele genomer er duplisert – og å fange interaksjoner mellom gener og alleler fra forskjellige ploidier er en utfordring, siden noen av ploidier kan representere foreldreløse gener fra eldre plantestammer som ikke nødvendigvis er aktive nå.

Forskere forsøker å identifisere enkelt-nukleotid-polymorfier (vanlige DNA-sekvenser), som de kan bruke til å forstå hvordan planter fungerer og samhandler med miljøet. Når dette er oppnådd, kan forskere bedre forstå funksjonen til hvert gen – og bruke denne informasjonen til å avle planter som kan tilpasses menneskelige behov. Derfor, hvis forskere ønsker å utvikle en sort hvete som kan dyrkes i mer tørre områder, vil de forsøke å identifisere gener i hvete som kan tillate full vekst til tross for manglende vann. Ikke alle prøver vil sannsynligvis inneholde dette genet, siden det kan være et foreldreløst og for tiden dormant gen som var en del av et polyploides genom. Maskinlæring kan analysere genet og dets interaksjon med miljøet, og gi indikasjoner på ubrukt genetisk potensial for å oppnå dette målet gjennom AI-designet avlsstrategier.

Selv om denne forskningen kan brukes til å manipulere plantesorter, er slik genetisk ingeniørkunst langt fra den eneste måten for forskere å utvikle sorter av avlinger som har de ønskede egenskapene. Mennesker har avlet kryss avlinger i årtusener. AI kan være nyttig også her – ved å identifisere sorter for avlsutvalg som har den høyeste kompatibiliteten og er mest sannsynlig å gi de ønskede resultater.

I tillegg kan AI-systemer hjelpe med å forutsi hvilken metode for avl – hybridisering, wide cross-avling, kromosomfordobling – vil være mest effektiv. Med dypt genetisk informasjon om planter tilgjengelig, kan forskere videre bruke maskinlæring til å matche gener med de optimale miljøene hvor de er mest sannsynlig å trives. Dette kan resultere i avlinger som kan tåle en forlenget vekstsesong eller planting av avlinger i områder som tidligere ikke kunne holde dem, og dermed øke matforsyningen for en stadig mer befolkede – og sultne – verden. Sorter som vil være hardføre kan utvikles – mer i stand til å motstå klimaendringens herjinger eller vokse selv i områder hvor urbanisering eller ørkenspredning har satt inn.

Plantegenetisk informasjon kan også brukes til å hjelpe med å avle sorter av avlinger som er mer resistente mot bestemte skadedyr eller sykdommer. Maskinlæring kan identifisere egenskapene til planter som er mest tiltrekkende for insekter eller skadedyr – lukt, farge osv. – og enable forskere å utvikle gener som ville redusere tiltrekningen av disse plantene til skadedyr. Dette kan resultere i reduksjon av pesticidbruk, utvikling av mer miljøvennlige pesticider designet for bestemte planter i bestemte regioner, eller selv enkeltgårder – en type “personlig landbruk” som er tryggere, renere og grønnere.

Før dagens muligheter med AI, var identifisering av plantegenomer nær umulig – men nå at de er identifisert, er det umulig å forstå hvordan de fungerer uten avanserte AI-teknologier som maskinlæring. Med de verktøyene som nå er tilgjengelige, vil forskere kunne forstå planter bedre, og utvikle nye og bedre metoder for å hjelpe planter å trives i møte med miljøendringer, forurensning, urbanisering og andre problemer som påvirker plantevækst og kvalitet. Med avansert maskinlæring vil forskere kunne løse mysteriene som planter inneholder – og bruke disse hemmelighetene til å skape en bedre fremtid for menneskeheten.