Может ли ИИ стать шептуном растений, чтобы помочь накормить мир?

Благодаря силе ИИ и больших данных, ученые преследуют интересные новые рубежи в расшифровке сложного мира геномов растений для следующего поколения селекции растений, что может революционизировать продовольственную безопасность и адаптацию к изменению климата.

Стебель пшеницы, тростник сахарного тростника. Для большинства из нас это просто сырье для некоторых наших любимых продуктов – но для ученых они представляют собой сложную головоломку, которую, как только она будет решена, можно будет разблокировать секреты, которые позволят нам выращивать больше продуктов с меньшим вредным воздействием на Землю, создавать новые источники биотоплива в крупном масштабе и помогать людям жить дольше и здоровее. Эти секреты заперты в геноме растений – и с помощью передовых инструментов ИИ ученые начинают открывать секреты, которые эти гены хранят.

Способность ИИ анализировать огромные объемы данных открывает дверь к решению проблем лучшего понимания геномов растений. Это понимание взаимодействия между генетическими элементами, присутствующими в растениях, и различными функциями может помочь исследователям разработать более крепкие сорта растений, позволяющие им лучше преодолевать биотические и абиотические стрессоры, такие как экологические проблемы, изменение климатических моделей, заражение вредителями и устойчивость к пестицидам.

Геномы растений – даже «простых» растений, как сахарный тростник – значительно больше, чем геномы человека или животных, и эволюционировали за гораздо более длительный период, чем другие формы жизни. Растения являются полиплоидными – где гены или целые геномы дублируются – и захват взаимодействий между генами и аллелями из различных пloidий является проблемой, поскольку некоторые из этих пloidий могут представлять собой орфанные гены более старых сортов растений, которые не обязательно активны сейчас.

Исследователи стремятся выявить единичные нуклеотидные полиморфизмы (общие последовательности ДНК), которые они могут использовать для понимания того, как растения функционируют и взаимодействуют с окружающей средой. Как только это будет сделано, исследователи смогут лучше понять функцию каждого гена – и использовать эту информацию для выведения растений, которые могут быть адаптированы к человеческим потребностям. Таким образом, если исследователи хотят разработать сорт пшеницы, который может быть выращен в более засушливых районах, они попытаются выявить гены в пшенице, которые могут позволить полноценный рост, несмотря на нехватку воды. Не все образцы, скорее всего, будут нести этот ген, поскольку он может быть орфанным и в настоящее время спящим геном, который был частью полиплоидного генома. Обучение с помощью машины может проанализировать ген и его взаимодействие с окружающей средой, предоставляя указания на неиспользованный генетический потенциал для достижения этой цели посредством стратегий селекции, разработанных с помощью ИИ.

Хотя это исследование может быть использовано для манипулирования сортами растений, такой генетический инжиниринг далеко не единственный способ для исследователей разработать сорта культур, обладающих желаемыми качествами. Люди скрещивают сорта культур на протяжении тысячелетий. ИИ может быть полезен и здесь – выявляя сорта для отбора, которые имеют наибольшую совместимость и наиболее вероятно дадут желаемый результат.

Кроме того, системы ИИ могут помочь предсказать, какой метод размножения – гибридизация, широкое скрещивание, удвоение хромосом – будет наиболее эффективным. С глубокой генетической информацией о растениях, исследователи могут использовать обучение с помощью машины, чтобы сопоставить гены с оптимальными условиями, в которых они наиболее вероятно будут процветать. Это может привести к культурам, которые могут выдержать длительный вегетационный период или посадку культур в районах, которые не могли их поддерживать раньше, тем самым увеличивая продовольственную базу для все более многочисленного – и голодного – мира. Может быть разработан более крепкий сорт – более способный сопротивляться разрушениям, вызванным изменением климата, или расти даже в районах, где урбанизация или опустынивание произошли.

Генетическая информация о растениях также может быть использована для помощи в выведении сортов культур, более устойчивых к определенным вредителям или болезням. Обучение с помощью машины может выявить черты растений, которые наиболее привлекательны для насекомых или вредителей – запах, цвет и т. д. – и позволить исследователям разработать гены, которые уменьшат привлекательность этих растений для вредителей. Это может привести к снижению использования пестицидов, разработке более экологически чистых пестицидов, предназначенных для конкретных растений в конкретных регионах, или даже отдельных ферм – своего рода «персонализированного сельского хозяйства», которое является более безопасным, чистым и зеленым.

До текущих возможностей ИИ выявление геномов растений было почти невозможным – но теперь, когда они были выявлены, понимание того, как они работают, невозможно без передовых технологий ИИ, таких как обучение с помощью машины. С помощью инструментов, которые теперь доступны, исследователи смогут лучше понять растения и разработать новые и лучшие методы, чтобы помочь растениям процветать в условиях экологических изменений, загрязнения, урбанизации и других проблем, которые влияют на рост и качество растений. С помощью передового обучения с помощью машины исследователи смогут разгадать тайны, которые растения хранят – и использовать эти секреты, чтобы создать лучшее будущее для человечества.