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, разгадав, можно открыть секреты, которые позволят нам выращивать больше продуктов с меньшим вредным воздействием на Землю, создавать новые источники биотоплива в большом масштабе и помочь людям жить дольше и здоровее. Эти секреты заперты в геноме растений – и с помощью передовых инструментов ИИ ученые начинают открывать секреты, которые хранят эти гены.

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 устойчивые сорта растений, позволяя 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, таких как сахарный тростник – значительно больше, чем геномы человека или животных, и они эволюционировали в течение гораздо более длительного периода, чем другие формы жизни. Растения являются полиплоидными – где гены или целые геномы дублируются – и захват взаимодействий между генами и аллелями из различных плоидий является проблемой, поскольку некоторые из плоидий могут представлять собой орфанные гены 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 достигнуто, 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 можно выращивать в более засушливых районах, они попытаются выявить гены в пшенице, которые позволили бы расти полностью, несмотря на нехватку воды. Не все образцы, скорее всего, будут нести этот ген, поскольку он может быть орфанным и в настоящее время находиться в спящем состоянии, будучи частью полиплоидного генома. Машинное обучение может проанализировать ген и его взаимодействие с окружающей средой, предоставляя указания на неиспользованный генетический потенциал для достижения этой цели с помощью стратегий селекции, разработанных ИИ.

Хотя это исследование может быть использовано для манипулирования сортами растений, такое генетическое工程 не является единственным способом для исследователей разработать сорта культур, которые обладают желаемыми качествами. Люди выращивают сорта культур в течение тысячелетий. ИИ может быть полезен и здесь – выявляя сорта для отбора, которые имеют наибольшую совместимость и наиболее вероятно дадут желаемые результаты.

Кроме того, системы ИИ могут помочь предсказать, какой метод размножения – гибридизация, широкое скрещивание, удвоение хромосом – будет наиболее эффективным. С глубокой генетической информацией о растениях в руках исследователи могут использовать машинное обучение для сопоставления генов с оптимальными условиями, в которых они наиболее вероятно будут процветать. Это может привести к культурам, которые могут выдержать более длительный вегетационный период или посадке культур в районах, которые не могли их поддерживать ранее, тем самым увеличивая продовольственные запасы для все более многочисленного – и голодного – мира. Сорта, которые будут более устойчивыми, могут быть разработаны – более способными сопротивляться разрушительному воздействию изменения климата или расти даже в районах, где произошла урбанизация или опустынивание.

Генетическая информация о растениях также может быть использована для выведения сортов культур, которые более устойчивы к определенным вредителям или болезням. Машинное обучение может выявить признаки 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 на отдельных фермах – своего рода «персонализированное сельское хозяйство», 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 машинное обучение. 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 машинного обучения исследователи смогут распутать тайны, которые хранят растения – и использовать эти секреты, чтобы создать лучшее будущее для человечества.