Vahingoitamme kasvistoa paitsi leikkaamalla sitä myös myrkyllisillä päästöillä. Ilmastonmuutoksen torjumiseksi ja maapallon lämpötilan hillitsemiseksi hallitustenvälinen ilmastonmuutospaneeli (IPCC) on tehnyt selväksi, että hiilen poisto on välttämätöntä. Tämän mukaisesti Salkin tutkijat luovat tekoälyn avulla hiilen talteenottolaitoksia ja parantavat samalla kasvien juuristoa. Tämän optimoinnin tarkoituksena on lisätä varastoidun hiilen määrää ja pidentää sen varastointiaikaa.
Salkilla on ainutlaatuinen yhteistyöhanke, jossa käytetään älykästä SLEAP-ohjelmistoa kasvien ominaisuuksien tutkimiseen. Tämä auttaa ilmastonmuutosta torjuvia kasveja kehittymään nopeammin. SLEAP on helppokäyttöinen tietokoneohjelma, joka käyttää tekoälyä (AI) juurien kasvun eri ominaisuuksien seuraamiseen . Alun perin Salk-stipendiaatti Talmo Pereira loi sen seuraamaan eläinten liikkumista laboratorioissa. Nyt Pereira ja kasvitieteilijä professori Wolfgang Busch Salkista työskentelevät kuitenkin SLEAPin käytön parissa kasveille.
Busch, joka toimii Salkin kasvitieteen Hess-professorina, sanoi: ”Olemme jo pystyneet luomaan tähän mennessä laajimman luettelon kasvien juuriston fenotyypeistä, mikä todella nopeuttaa tutkimustamme hiilidioksidia sitovien ja ilmastonmuutosta torjuvien kasvien luomiseksi. SLEAPin soveltaminen ja käyttö on ollut erittäin helppoa Talmon ammattimaisen ohjelmistosuunnittelun ansiosta, ja siitä tulee korvaamaton työkalu laboratoriossani tulevaisuudessa.”
Kuinka SLEAP on parempi?
SLEAPin erottaa muista sen innovatiivinen tapa hyödyntää sekä konenäköä (tietokoneiden kykyä ymmärtää kuvia) että syväoppimista (tekoälymenetelmä, joka kouluttaa tietokoneita oppimaan ja toimimaan ihmisaivojen tavoin). Tämä yhdistelmä antaa tutkijoille mahdollisuuden analysoida kuvia käymättä läpi jokaista pikseliä manuaalisesti. Sen sijaan he voivat ohittaa tämän aikaa vievän vaiheen ja siirtyä suoraan kuvasta tiettyjen kasvin ominaisuuksien tunnistamiseen.
Buschin laboratoriossa työskentelevä bioinformatiikan analyytikko ja tutkimuksen ensimmäinen kirjoittaja Elizabeth Berrigan sanoi: ”Loimme vankan, useissa eri laitostyypeissä validoidun protokollan, joka lyhentää analyysiaikaa ja vähentää inhimillisiä virheitä samalla, kun se korostaa saavutettavuutta ja helppokäyttöisyyttä – eikä se vaatinut muutoksia itse SLEAP-ohjelmistoon.”
Tutkijat eivät muuttaneet SLEAPin ydinteknologiaa , vaan kehittivät ladattavan työkalupakin nimeltä sleap-roots (saatavilla avoimen lähdekoodin ohjelmistona täältä). Sleap-rootsin avulla SLEAPia voidaan käyttää juuristojen biologisten ominaisuuksien, kuten syvyyden, massan ja kasvukulman, tutkimiseen.
Tämä yhdessä laajojen genomisekvensointipyrkimysten kanssa, joilla pyritään ymmärtämään genotyyppitietoja monissa viljelykasvilajikkeissa, voivat antaa tutkijoille mahdollisuuden käyttää fenotyyppitietoja (kuten kasvin syvää juuristoa) paljastaakseen geenit, jotka ovat vastuussa tällaisten ominaisuuksien luomisesta.
Tiesitkö, että tiedemiehet luovat kirjaimellisesti voimalaitoksia tuuli- ja sadeenergian talteenottamiseksi?
Poimintoja
- Tällä uudella SLEAP-käyttötavalla on mahdollista tutkia, kuinka syvät ja leveät kasvit kasvavat. kuinka suureksi heidän juurijärjestelmänsä kasvaa yhdessä muiden fyysisten ominaisuuksien kanssa.
- Sen käyttö kasveilla on auttanut tutkijoita luomaan kaikkien aikojen suurimman kokoelman kasvien juurijärjestelmän fenotyyppejä.
- Lisäksi näiden fyysisten juuriominaisuuksien silmällä pitäminen auttaa tutkijoita tunnistamaan näihin piirteisiin liittyvät geenit.
- He voivat analysoida, hallitsevatko samat geenit useita ominaisuuksia vai ovatko ne riippumattomia.
- Tämä auttaa Salk-tiimiä selvittämään, mitkä geenit ovat hyödyllisimpiä heidän kasvisuunnittelussaan.
Tutkijat löysivät uuden ja innovatiivisen tavan hoitaa kasveja ePlant TreeTags -sovelluksen avulla.
SLEAPin vaikutus kasvinjalostukseen
Salk-tiimi testasi Sleap-roots-pakettia eri kasveilla. Tämä sisälsi tärkeitä viljelykasveja, kuten soijapapuja, riisiä ja rypsiä, sekä mallikasvi Arabidopsis thaliana – kukkiva rikkakasvi sinappiperheessä.
- Kaikista näistä kasveista he havaitsivat, että uusi SLEAP-pohjainen menetelmä toimi paremmin kuin olemassa olevat menetelmät.
- Se luokitteli tiedot 1.5 kertaa nopeammin, koulutti tekoälymallin 10 kertaa nopeammin ja jopa ennusti kasvin rakennetta uusien tietojen perusteella 10 kertaa nopeammin.
- Se suoritti kaikki toiminnot säilyttäen ja/tai jopa parantaen tarkkuutta.
Tämä fyysisten ominaisuuksien (fenotyypin) ja geneettisen rakenteen (genotyypin) yhdistävä vaihe on erittäin tarpeellinen Salkin tavoitteelle kehittää kasveja, jotka pystyvät varastoimaan enemmän hiiltä pidempään. Nämä kasvit tarvitsevat vahvemmat ja syvemmät juuristot. Tämän tehokkaan ja tarkan ohjelmiston avulla Harnessing Plants Initiative pystyy yhdistämään halutut fenotyypit tiettyihin geeneihin mullistavan helposti ja nopeasti.
Salkin tutkijat luovat hiilidioksidin talteenottolaitoksia tekoälyllä: Seuraavat askeleet
Kehittäessään sekä SLEAPia että sleap-rootsia Pereira priorisoi saavutettavuutta ja toistettavuutta. Koska ohjelmisto ja sleap-roots-työkalupakki ovat saatavilla ilmaiseksi, tutkijat haluavat nähdä, miten sleap-rootsia hyödynnetään maailmanlaajuisesti. He ovat jo aloittaneet keskustelut NASAn tiedemiesten kanssa työkalun käytöstä paitsi hiiltä sitovien kasvien ohjaamiseen Maassa, myös kasvien analysointiin avaruudessa.
Salkin yhteistyötiimi ei myöskään hajoa pian. Se on valmis ottamaan vastaan uuden ja innovatiivisen tehtävän – käyttämällä SLEAP:ia 3D-tietojen analysointiin. He aikovat parantaa, laajentaa ja jakaa SLEAP- ja Sleap-juuret tulevina vuosina. Kuitenkin jo nyt niiden soveltaminen Salkin Harnessing Plants Initiativessa nopeuttaa laitosten suunnittelua. Se edistää instituutin toimia ilmastonmuutoksen torjunnassa.
Lähde : Tekoäly auttaa tiedemiehiä suunnittelemaan kasveja ilmastonmuutoksen torjumiseksi
