Czy AI może stać się szepczącym do roślin, aby pomóc nakarmić świat?

Z pomocą AI i dużych zbiorów danych, naukowcy prowadzą interesujące nowe badania w dziedzinie dekodowania złożonego świata genomów roślin w celu opracowania nowych, dostosowanych do potrzeb hodowli roślin, które mogą rewolucjonizować bezpieczeństwo żywnościowe i adaptację do zmian klimatycznych.

Kłos pszenicy, łodyga trzcinowej cukru. Dla większości z nas są to po prostu surowce niektórych z naszych ulubionych potraw – ale dla naukowców reprezentują one skomplikowaną zagadkę, której rozwiązanie może odblokować sekrety, które pozwolą nam na uprawę więcej żywności z mniejszymi szkodliwymi skutkami dla środowiska, hodowlę nowych źródeł biopaliw w dużych ilościach oraz pomóc ludziom żyć dłużej i zdrowiej. Te sekrety są zamknięte w genomie roślin – a zaawansowane narzędzia AI pozwalają naukowcom na odkrywanie sekretów, które te geny posiadają.

Możliwość analizy ogromnych ilości danych przez AI otwiera drzwi do rozwiązania wyzwań związanych z lepszym zrozumieniem genomów roślin. To zrozumienie interakcji między elementami genetycznymi obecnymi w roślinach i różnymi funkcjonalnościami może pomóc badaczom w opracowaniu bardziej wytrzymałych odmian roślin, umożliwiając im lepsze pokonywanie biotycznych i abiotycznych stresów, takich jak wyzwania środowiskowe, jak zmieniające się wzorce klimatyczne, infestacja szkodników i oporność na pestycydy.

Genomy roślin – nawet tych „prostych” roślin, jak trzcina cukrowa – są znacznie większe niż genomy ludzkie lub zwierzęce, które ewoluowały przez znacznie dłuższy okres niż inne formy życia. Rośliny są poliploidalne – gdzie geny lub całe genomy są duplikowane – i przechwytywanie interakcji między genami i allelami z różnych ploidii jest wyzwaniem, ponieważ niektóre z tych ploidii mogą reprezentować sierocze geny starszych odmian roślin, które niekoniecznie są aktywne obecnie.

Badacze mają na celu identyfikację polimorfizmów jednego nukleotydu (powszechnych sekwencji DNA), których mogą użyć do zrozumienia, jak rośliny funkcjonują i interakcjonują ze środowiskiem. Gdy to się uda, badacze będą mogli lepiej zrozumieć funkcję każdego genu – i użyć tej wiedzy do hodowli roślin, które mogą być dostosowane do potrzeb ludzi. Na przykład, jeśli badacze chcieliby opracować odmianę pszenicy, która mogłaby być uprawiana w bardziej suchych obszarach, próbowaliby zidentyfikować geny w pszenicy, które pozwoliłyby na pełny wzrost pomimo braku wody. Nie wszystkie próbki będą prawdopodobnie zawierać ten gen, ponieważ może to być sierocy i obecnie uśpiony gen, który był częścią poliploidalnego genomu. Uczenie maszynowe mogłoby analizować gen i jego interakcję ze środowiskiem, dostarczając wskazówek dotyczących niewykorzystanego potencjału genetycznego w celu osiągnięcia tego celu za pomocą strategii hodowli zaprojektowanych przez AI.

Chociaż badania te mogą być wykorzystane do manipulowania odmianami roślin, takie inżynieria genetyczna jest daleko od jedynej metody, którą badacze mogą wykorzystać do opracowania odmian roślin o pożądanych cechach. Ludzie przez tysiąclecia krzyżowali odmiany roślin. AI może być pomocne również w tym przypadku – identyfikując odmiany do hodowli, które mają największą zgodność i są najbardziej prawdopodobne, aby dać pożądane wyniki.

Ponadto systemy AI mogą pomóc przewidzieć, jaka metoda hodowli – hybrydyzacja, szerokie krzyżowanie, podwajanie chromosomów – będzie najbardziej skuteczna. Z dogłębną wiedzą genetyczną o roślinach, badacze mogą dalej wykorzystać uczenie maszynowe, aby dopasować geny do optymalnych środowisk, w których są one najbardziej prawdopodobne, aby prosperować. Może to skutkować uprawą roślin, które mogą wytrzymać dłuższy sezon wegetacyjny lub sadzeniem roślin w obszarach, które wcześniej nie mogły ich utrzymać, zwiększając w ten sposób zaopatrzenie w żywność dla coraz bardziej licznej – i głodnej – populacji. Mogą być opracowane odmiany, które będą bardziej wytrzymałe – bardziej odporne na szkodniki lub choroby.

Informacje genetyczne o roślinach mogą być również wykorzystane do pomocy w hodowli odmian roślin, które są bardziej odporne na określone szkodniki lub choroby. Uczenie maszynowe może identyfikować cechy roślin, które są najbardziej atrakcyjne dla owadów lub szkodników – zapach, kolor itp. – i umożliwić badaczom opracowanie genów, które zmniejszą atrakcyjność tych roślin dla szkodników. Może to skutkować zmniejszeniem użycia pestycydów, opracowaniem bardziej przyjaznych dla środowiska pestycydów zaprojektowanych dla konkretnych roślin w konkretnych regionach lub nawet indywidualnych farm – rodzaj „personalizowanej rolnictwa”, które jest bezpieczniejsze, czystsze i bardziej ekologiczne.

Przed obecnymi możliwościami AI, identyfikacja genomów roślin była niemal niemożliwa – ale teraz, gdy zostały one zidentyfikowane, zrozumienie, jak one działają, jest niemożliwe bez zaawansowanych technologii AI, takich jak uczenie maszynowe. Z dostępnymi narzędziami badacze będą mogli lepiej zrozumieć rośliny i opracować nowe, lepsze metody, aby pomóc roślinom prosperować w obliczu zmian środowiskowych, zanieczyszczeń, urbanizacji i innych problemów, które wpływają na wzrost i jakość roślin. Z zaawansowanym uczeniem maszynowym badacze będą mogli rozwiązać tajemnice, które rośliny posiadają – i wykorzystać te sekrety, aby stworzyć lepszą przyszłość dla ludzkości.