Kunstig intelligens hjælper videnskabsmænd med at konstruere planter til at bekæmpe klimaændringer
Det mellemstatslige panel om klimaændringer (IPCC) har erklæret, at fjernelse af kulstof fra atmosfæren nu er afgørende for at bekæmpe klimaændringer og begrænse den globale temperaturstigning. For at støtte disse bestræbelser udnytter Salk Institute-forskere planters naturlige evne til at trække kuldioxid ud af luften ved at optimere deres rodsystemer til at lagre mere kulstof i længere tid.
For at designe disse klimabesparende planter bruger forskere i Salk's Harnessing Plants Initiative et sofistikeret nyt forskningsværktøj kaldet SLEAP - en letanvendelig kunstig intelligens (AI) software, der sporer flere funktioner i rodvækst. Oprettet af Salk Fellow Talmo Pereira, SLEAP blev oprindeligt designet til at spore dyrs bevægelser i laboratoriet. Nu har Pereira slået sig sammen med planteforsker og Salk-kollega professor Wolfgang Busch for at anvende SLEAP på planter.
I en undersøgelse offentliggjort i Plant Phenomics , Busch og Pereira debuterer med en ny protokol til at bruge SLEAP til at analysere planterodsfænotyper – hvor dybt og bredt de vokser, hvor massive deres rodsystemer bliver og andre fysiske kvaliteter, der – før SLEAP – var kedelige at måle. Anvendelsen af SLEAP på planter har allerede gjort det muligt for forskere at etablere det hidtil mest omfattende katalog over planterodsfænotyper.
Desuden hjælper sporing af disse fysiske rodsystemegenskaber videnskabsmænd med at finde gener, der er tilknyttet disse egenskaber, samt om flere rodkarakteristika bestemmes af de samme gener eller uafhængigt. Dette giver Salk-teamet mulighed for at bestemme, hvilke gener der er mest gavnlige for deres plantedesign.
"Dette samarbejde er i sandhed et vidnesbyrd om, hvad der gør Salk-videnskaben så speciel og virkningsfuld," siger Pereira. "Vi 'låner' ikke bare fra forskellige discipliner – vi stiller dem virkelig på lige fod for at skabe noget, der er større end summen af dets dele."
Før brug af SLEAP krævede sporing af de fysiske egenskaber for både planter og dyr en masse arbejde, der bremsede den videnskabelige proces. Hvis forskere ville analysere et billede af en plante, skulle de manuelt markere de dele af billedet, der var og ikke var plante - billede for billede, del for del, pixel for pixel. Først da kunne ældre AI-modeller anvendes til at behandle billedet og indsamle data om anlæggets struktur.
Det, der adskiller SLEAP, er dens unikke brug af både computersyn (computerens evne til at forstå billeder) og dyb læring (en AI-tilgang til at træne en computer til at lære og arbejde som den menneskelige hjerne). Denne kombination gør det muligt for forskere at behandle billeder uden at flytte pixel for pixel, i stedet for at springe dette mellemliggende arbejdskrævende trin over for at springe direkte fra billedinput til definerede plantefunktioner.
"Vi skabte en robust protokol, der er valideret i flere anlægstyper, der skærer ned på analysetid og menneskelige fejl, samtidig med at vi understreger tilgængelighed og brugervenlighed - og det krævede ingen ændringer i den faktiske SLEAP-software," siger førsteforfatter Elizabeth Berrigan, en bioinformatikanalytiker i Buschs laboratorium.
Uden at ændre basisteknologien i SLEAP udviklede forskerne et downloadbart værktøjssæt til SLEAP kaldet sleap-roots (tilgængelig som open source-software her). Med sleap-roots kan SLEAP behandle biologiske træk ved rodsystemer som dybde, masse og vækstvinkel.
Holdet testede sleap-roots-pakken i en række forskellige planter, herunder afgrødeplanter som sojabønner, ris og raps, samt modelplantearten Arabidopsis thaliana - et blomstrende ukrudt i sennepsfamilien. På tværs af de mange forskellige afprøvede planter fandt de ud af, at den nye SLEAP-baserede metode overgik eksisterende praksis ved at kommentere 1,5 gange hurtigere, træne AI-modellen 10 gange hurtigere og forudsige plantestruktur på nye data 10 gange hurtigere, alt sammen med det samme eller bedre. nøjagtighed end før.
Sammen med massive genomsekventeringsbestræbelser for at belyse genotypedataene i et stort antal afgrødesorter, kan disse fænotypiske data, såsom en plantes rodsystem, der vokser særligt dybt i jorden, ekstrapoleres for at forstå de gener, der er ansvarlige for at skabe det særligt dybe rodsystem.
Dette trin - at forbinde fænotype og genotype - er afgørende i Salks mission om at skabe planter, der holder på mere kulstof og længere, da disse planter har brug for rodsystemer designet til at være dybere og mere robuste. Implementering af denne nøjagtige og effektive software vil gøre det muligt for Harnessing Plants Initiative at forbinde ønskværdige fænotyper til målrettede gener med banebrydende lethed og hastighed.
"Vi har allerede været i stand til at skabe det hidtil mest omfattende katalog af fænotyper af planterodssystemer, hvilket virkelig accelererer vores forskning for at skabe kulstoffangende planter, der bekæmper klimaændringer," siger Busch, Hess-lederen i plantevidenskab hos Salk. "SLEAP har været så let at anvende og bruge, takket være Talmos professionelle softwaredesign, og det vil være et uundværligt værktøj i mit laboratorium fremover."
Tilgængelighed og reproducerbarhed var i højsædet i Pereiras sind, da han skabte både SLEAP og sleap-roots. Fordi softwaren og sleap-roots-værktøjssættet er gratis at bruge, er forskerne spændte på at se, hvordan sleap-roots vil blive brugt rundt om i verden. Allerede nu har de indledt diskussioner med NASA-forskere i håb om at bruge værktøjet ikke kun til at hjælpe med at guide kulstofbindende planter på Jorden, men også til at studere planter i rummet.
Hos Salk er det samarbejdende team endnu ikke klar til at gå i opløsning – de er allerede i gang med en ny udfordring med at analysere 3D-data med SLEAP. Bestræbelser på at forfine, udvide og dele SLEAP og sleap-roots vil fortsætte i de kommende år, men dets brug i Salks Harnessing Plants Initiative accelererer allerede plantedesign og hjælper instituttet med at påvirke klimaændringer.
Andre forfattere omfatter Lin Wang, Hannah Carrillo, Kimberly Echegoyen, Mikayla Kappes, Jorge Torres, Angel Ai-Perreira, Erica McCoy, Emily Shane, Charles Copeland, Lauren Ragel, Charidimos Georgousakis, Sanghwa Lee, Dawn Reynolds, Avery Talgo, Juan Gonzalez, Ling Zhang, Ashish Rajurkar, Michel Ruiz, Erin Daniels, Liezl Maree og Shree Pariyar fra Salk.
Flere oplysninger: Elizabeth M. Berrigan et al., Fast and Efficient Root Phenotyping via Pose Estimation, Plant Phenomics (2024). DOI:10.34133/plantphenomics.0175
Leveret af Salk Institute
Varme artikler
-
Kyllinger med rød glente, der er født under tørkeperioder, er arrede for livet:Den skjulte trusse…Kredit:Werner Baumgarten/Shutterstock Tag en køretur ned ad Englands M40-motorvej, og chancerne er, at du vil se en stor fugl med en kløvet hale over hovedet, der leder efter roadkill:den røde glen -
Forskere identificerer nøglefaktorer, der hjælper mikrober med at trives i barske miljøerKredit:CC0 Public Domain Tre nye undersøgelser fra University of Maryland School of Medicine (UMSOM) forskere har identificeret nøglefaktorer, der hjælper mikrober med at overleve i barske miljøer -
Selvforsvar for planterDenne tegneserie viser et blad med områder med skader (brune pletter) forårsaget af plantens medfødte immunrespons. Det overlejrede skema viser SOBER1s tredimensionelle struktur. Kredit:Salk Institutt -
At få myg til at destruere sig selvCRISPR/Cas9-medieret forstyrrelse af gener forbundet med øjenpigment fik øjenfarven til at ændre sig fra sort til hvid. Kredit:Michelle Bui, UC Riverside. Forskere ved University of California, Ri
- Machine-learning-metoden skaber en indlærelig kemisk grammatik til at bygge syntetiserbare monomere…
- Begravelse af korte dele af elledninger vil drastisk reducere orkanernes fremtidige indvirkning på …
- Undersøgelse finder ud af, at der kan undervises i etik - i finans, i det mindste
- Fem spørgsmål om Etiopiens kontroversielle Nildæmning
- Global kriseindkøb:Hvad skal der til for at indkøbe mere effektivt i en fremtidig krise?
- Let at observere miljøforurenende skadelige stoffer gennem et mobiltelefonkamera