در یک مطالعه نوآورانه، دانشمندان موسسه مطالعات زیست شناسی Salk اصلاحی در اندازه گیری ویژگی های گیاهان ایجاد کرده‌اند و در مقابله با تغییرات آب و هوا پیشرفت کرده‌اند. تیم تحقیقاتی این موسسه از توانایی طبیعی گیاهان برای جذب دی‌اکسید کربن جوی استفاده کرده‌اند تا گرمایش جهانی را کاهش دهند.
برای حمایت از این تلاش‌ها، تیم آزمایشگاه بیولوژی سلولی و مولکولی گیاه Salk از یک ابزار تحقیق جدید به نام SLEAP استفاده نموده‌اند، یک نرم افزار هوش مصنوعی که ابتدا برای پیگیری حرکت حیوانات طراحی شد و در حال حاضر برای تجزیه و تحلیل گیاهان مورد استفاده قرار گرفته است. در پژوهش اخیرشان در ژورنال فنومیک گیاهان، یک روش برای استفاده از SLEAP برای ارزیابی ویژگی‌های فیزیکی سیستم‌های ریشه مانند عمق، عرض و اندازه کلی، که قبلاً به دلیل پیچیدگی آن دشوار بوده است، توضیح داده اند.
استفاده از SLEAP در گیاهان کاتالوگ شدن فنوتایپ‌های سیستم ریشه را به مقیاسی بی‌نظیر فراهم می‌کند. با پیگیری این ویژگی‌های فیزیکی ریشه، دانشمندان می‌توانند ژن‌های مرتبط و تأثیر آن‌ها بر چندین ویژگی ریشه را شناسایی کنند که به انتخاب ژن‌های مفید برای ایجاد گیاهانی با توان جذب کربن برای طولانی‌تر کمک می‌کند.
استفاده از یادگیری عمیق و فناوری دید کامپیوتری، امکان می‌دهد که محققان بتوانند بر روی تصاویر گیاهی نشان‌های دستی خسته‌کننده را کم کنند و مستقیماً تصاویر گیاه را تجزیه و تحلیل کنند، ویژگی‌های گیاه را با کمترین خطا و زمان پردازش بهتر تعریف کنند. اثبات شده است که پروتکل SLEAP بر روی انواع گیاهان، از جمله محصولات مهم مانند دانه های سویا، برنج و کانولا، و همچنین سازمان مدل آزمایشی Arabidopsis thaliana، مؤثر است.
همراه با رشته ژنومی تکاملی، این داده‌های فنوتایپی می‌توانند ژن‌های مسئول برای سیستم ریشه خاص را اختلاط کنند که برای توسعه گیاهان با شبکه‌های ریشه عمیق‌تر و بلندتر و قوی‌تر برای گرفتن بیشتر کربن برای مدت‌زمان بیشتر، حیاتی است. این نرم‌افزار دقیق و کارآمد امکان محققان اجرایی ابتکار بهره‌وری گیاهی را فراهم می‌کند تا ویژگی‌های مطلوب را به ژن‌های قابل انتخاب مرتبط کنند و عصر جدیدی از سرعت و آسانی در راه‌حل‌های کربنی مبتنی بر گیاه را دیگر بیاگورساند.
هوش مصنوعی (AI) در حال گرفتن گام‌های مؤثر در تعداد زیادی زمینه تحقیقی قرار دارد، از جمله زیست‌شناسی گیاهی. در اینجا واقعیت‌های اضافی، سوالات کلیدی و چالش‌های مرتبط با اجرای پروتکل SLEAP در تحقیقات گیاهی آورده شده است:
یادگیری ماشین در فنوتایپ گیاهی: استفاده از SLEAP برای تجزیه و تحلیل گیاه نشان می‌دهد که چگونه یادگیری ماشینی و هوش مصنوعی در زمینه فنومیک گیاهان انقلابی شده است. فنوتایپ گیاهی به طور سنتی شامل اندازه گیری و تجزیه و تحلیل ویژگی‌های فیزیکی و بیوشیمیایی گیاهان می‌شود که بیشتر زحمت فراوانی دارد. هوش مصنوعی این فرآیند را اتوماتیک می‌کند، امکان می‌دهد تا محققان بتوانند با مجموعه داده‌های بزرگ به صورت مؤثر برخورد نمایند و الگوهایی را که ممکن است به طور دستی از دست رفته باشند، تشخیص دهند.
سوالات مهم و پاسخ‌ها:
س: چه مزیتی هوش مصنوعی در مطالعه ویژگی‌های گیاه‌ها ارائه می‌دهد؟
ج: هوش مصنوعی این مزیت را ارائه می‌دهد که به سرعت حجم بزرگی از داده را پردازش می‌کند، ویژگی‌های گیاه را به دقت شناسایی می‌کند و تجزیه و تحلیل ژنتیکی را با ارتباط این ویژگی‌ها با وظایف ژنی تسهیل می‌کند. این باعث بهبود درک ما از رشد گیاه، پاسخ‌های استرسی و ظرفیت جذب کربن می‌شود.
س: چگونه شناسایی ژن‌ها می‌تواند در بهبود گرفتن جذب کربن در گیاهان تأثیر گذار باشد؟
ج: با شناسایی ژن‌هایی که بر ویژگی‌های ریشه که موثر بر جذب کربن، مانند سیستم‌های ریشه عمیق‌تر و گسترده‌تر می‌باشند، دانشمندان می‌توانند به جهت ساخت یا تغییر ژنتیکی گیاهان که بیشتر کربن را ذخیره می‌کنند، بپردازند، باعث افزودن به تلاش‌های کاهش تغییرات آب و هوایی می‌شوند.
چالش‌های مهم و اختلافات: یک چالش اصلی در استفاده از هوش مصنوعی مانند SLEAP برای تحقیقات گیاهی اطمینان حاصل کردن از آموزش الگوریتم‌ها روی داده‌های نماینده است تا از پیش‌بینی‌های دارای تبعیض جلوگیری شود. علاوه بر این، نیاز به مصادیق اندیشید ژنتیکی شده (GMOs) برای ارتقای ویژگی‌ها مانند جذب کربن به دلیل مسائل اخلاقی و محیطی اختلاف نظر وجود دارد.
مزایا:
– افزایش کارایی در تحلیل ویژگی‌های گیاه پیچیده.
– بهبود دقت در شناسایی فنوتایپ‌ها و توابع ژن مرتبط.
– قابلیت مقیاس‌پذیری برای مطالعات بزرگ و کاربردها در انواع گوناگون گیاه.
معایب:
– وابستگی به مجموعه داده‌های با کیفیت برای آموزش الگوریتم.
– نیاز به تخصص بین رشته‌ای برای توسعه و استفاده از ابزارهای هوش مصنوعی پیشرفته.
– مشکلات اخلاقی و اکولوژیکی اطراف استفاده از GMOs برای مزایای محیطی.
برای اطلاعات بیشتر مربوط به هوش مصنوعی در علم گیاه، می‌توانید به حوزه‌های اصلی برخی از موسسات اصلی درگیر در چنین تحقیقاتی مراجعه کنید:
– موسسه مطالعات زیست شناسی Salk، که تحقیقات چند رویه‌ای از جمله زیست‌شناسی گیاهی را انجام می‌دهد.
– شبکه بین‌المللی فنوتایپ گیاهی، که بر روی پیشرفت تحقیقات فنوتایپ گیاهان تمرکز می‌کند.
– هیئت بین‌الحکومتی تغییرات آب و هوا (IPCC)، که ارزیابی‌های علمی در مورد تغییرات آب و هوا، آثار آن، و خطرات آینده احتمالی آن را فراهم می‌آورد، و همچنین گزینه‌های سازگاری و کاهش را مطرح می‌کند.
انتقال ابزارهای هوش مصنوعی مانند SLEAP در تحقیقات فنومیک گیاهی از تقاطع تکنولوژی و زیست‌شناسی به نمایش گذاشته شده‌است.
The source of the article is from the blog agogs.sk