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

Med kraften fra AI og stor data, søker vitenskapsmenn nye og spennende grenser i å avkode den komplekse verden av plantegenomer for neste generasjons tilpasset planteforing som kan revolusjonere mattrygghet og tilpasning til klimaendringer.

En strå av hvete, en stengel av sukkerrør. For de fleste av oss er disse bare råmaterialer til noen av våre favorittmatvarer – men for vitenskapsmenn representerer de en komplisert puzzle som, når den er løst, kan låse opp 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 opp i plantegenomet – og med avanserte AI-verktøy kan vitenskapsmenn begynne å oppdage hemmelighetene disse genene holder.

AI sin evne til å analysere store mengder data åpner døren til å løse utfordringene med bedre å 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 hardere planter, som kan bedre overvinne biotiske og abiotiske stress, som miljøutfordringer som endrede klimamønster, skadedyr og pesticidresistens.

Plantegenomer – selv av “enkle” planter, som sukkerrør – er betydelig større enn menneske- eller dyregenomer, og har utviklet seg over en langt 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, da noen av ploidier kan representere foreldede gener fra eldre plantestammer som ikke nødvendigvis er aktive nå.

Forskere har som mål 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 tørrere områder, vil de prøve å identifisere gener i hvete som kan tillate full vekst til tross for manglende vann. Ikke alle prøver vil sannsynligvis inneholde dette genet, da det kan være et foreldet og nåværende dormant gen som var en del av et polyploide 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 avlingsstrategi.

Selv om denne forskningen kan brukes til å manipulere plantestammer, er slik genetisk ingeniørkunst langt ifra den eneste måten forskere kan utvikle stammer av avlinger som har de ønskede egenskapene. Mennesker har krysset avlinger i årtusener. AI kan være nyttig her også – å identifisere stammer for avlingsseleksjon 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 avling – hybridisering, vid krysning, kromosomfordobling – vil være mest effektiv. Med dypt genetisk informasjon om planter tilgjengelig, kan forskere videre bruke maskinlæring til å sammenføre gener med de optimale miljøene der 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 befolket – og sulten – verden. Stammer som vil være hardere kan utvikles – mer i stand til å motstå klimaendringens herjinger eller vokse selv i områder der urbanisering eller ørkenspredning har satt inn.

Plantegenetisk informasjon kan også brukes til å hjelpe med å avle stammer 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 vil 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 enkelte gårder – en type “personlig jordbruk” som er tryggere, renere og grønnere.

Før den nåværende kapasiteten til AI, var å identifisere plantegenomer nesten umulig – men nå som de er identifisert, er å forstå hvordan de fungerer umulig 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 plantevekst og kvalitet. Med avansert maskinlæring, vil forskere kunne løse mysteriene som planter holder – og bruke disse hemmelighetene til å skape en bedre fremtid for menneskeheten.