Inteligencia artificial ayuda en el diseño y análisis digital en plantas para luchar contra el cambio climático
Se observaron los rasgos físicos más profundos de las plantas, mediante la captura y análisis de movimiento de las raíces, a través de técnicas de visión de inteligencia artificial.
Investigadores del Instituto Salk de Estudios Biológicos están aprovechando la capacidad natural de las plantas para extraer dióxido de carbono (CO2) del aire, con el objetivo de buscar formas de eliminar el carbono de la atmósfera, ya que ya que esta presume ser una de las formas para combatir el cambio climático y así limitar el aumento de la temperatura global.
Para diseñar estas plantas que salvan a la naturaleza, lo investigadores están utilizando una nueva herramienta de investigación llamada SLEAP, un software de inteligencia artificial (IA) fácil de usar que rastrea múltiples características del crecimiento de las raíces.
Creado por Talmo Pereira, miembro de Salk, SLEAP fue diseñado inicialmente para rastrear el movimiento de los animales en un laboratorio. Ahora, Pereira se ha asociado con el científico de plantas y colega de Salk, el profesor Wolfgang Busch, para aplicar SLEAP a las plantas.
En un estudio publicado en Plant Phenomics, Busch y Pereira presentan un nuevo protocolo para utilizar SLEAP para analizar los fenotipos de las raíces de las plantas: qué tan profundos y anchos crecen, qué tan masivos se vuelven sus sistemas de raíces y otras cualidades físicas que, antes de SLEAP, eran tediosas. para medir.
Además, el seguimiento de estas características físicas del sistema de raíces ayuda a los científicos a encontrar genes afiliados a esas características, así como si múltiples características de las raíces están determinadas por los mismos genes o de forma independiente. Básicamente, esto permite al equipo de Salk determinar qué genes son más beneficiosos para el diseño de sus plantas.
Antes de utilizar la técnica de IA-SLEAP
En el pasado el seguimiento de las características físicas de plantas y animales requería mucho trabajo situación que muchas veces ralentizaba el proceso científico.
Si los investigadores quisieran analizar una imagen de una planta, necesitarían marcar manualmente las partes de la imagen que eran y no eran plantas: cuadro por cuadro, parte por parte, píxel por píxel. Sólo entonces se podrán aplicar modelos de IA más antiguos para procesar la imagen y recopilar datos sobre la estructura de la planta.
Lo que distingue a SLEAP
El uso único de la visión por computadora y el aprendizaje profundo. Es la combinación perfecta que permite a los investigadores procesar imágenes sin mover píxel a píxel, omitiendo en lugar de ello este paso intermedio, que requiere mucha mano de obra, para pasar directamente de la entrada de la imagen a las características definidas de la planta.
"Creamos un protocolo sólido validado en múltiples tipos de plantas que reduce el tiempo de análisis y el error humano, al tiempo que enfatiza la accesibilidad y la facilidad de uso, y no requirió cambios en el software SLEAP real", dice la primera autora Elizabeth Berrigan, una Analista de bioinformática en el laboratorio de Busch.
Sin modificar la tecnología básica de SLEAP, los investigadores desarrollaron un conjunto de herramientas descargable llamado sleap-roots (disponible como software de código abierto aquí). Con sleap-roots, SLEAP puede procesar rasgos biológicos de los sistemas de raíces como la profundidad, la masa y el ángulo de crecimiento.
Pruebas previas y resultados
El equipo probó el paquete de raíces SLEAP en una variedad de plantas, incluidas plantas de cultivo como soja, arroz y canola, así como la especie de planta modelo Arabidopsis thaliana, una maleza con flores de la familia de la mostaza.
En toda la variedad de plantas probadas, descubrieron que el novedoso método basado en SLEAP superaba las prácticas existentes al realizar anotaciones 1.5 veces más rápido, entrenar el modelo de IA 10 veces más rápido y predecir la estructura de la planta a partir de nuevos datos 10 veces más rápido, todo con el mismo o mejor precisión que antes.
Junto con los esfuerzos masivos de secuenciación del genoma para dilucidar los datos del genotipo en un gran número de variedades de cultivos, estos datos fenotípicos, como el sistema de raíces de una planta que crece especialmente en lo profundo del suelo, se pueden extrapolar para comprender los genes responsables de crear ese sistema de raíces especialmente profundo.
Este paso (conectar fenotipo y genotipo) es crucial en la misión de Salk de crear plantas que retengan más carbono y durante más tiempo, ya que esas plantas necesitarán sistemas de raíces diseñados para ser más profundos y robustos.
La implementación de este software preciso y eficiente permitirá a la Iniciativa de Aprovechamiento de Plantas conectar fenotipos deseables con genes seleccionables con una facilidad y velocidad innovadoras.