Wetenschap
Kunstmatige intelligentie helpt wetenschappers planten te ontwikkelen om de klimaatverandering te bestrijden
Het Intergouvernementeel Panel voor Klimaatverandering (IPCC) heeft verklaard dat het verwijderen van koolstof uit de atmosfeer nu essentieel is voor het bestrijden van de klimaatverandering en het beperken van de mondiale temperatuurstijging. Om deze inspanningen te ondersteunen, benutten wetenschappers van het Salk Institute het natuurlijke vermogen van planten om kooldioxide uit de lucht te halen door hun wortelsystemen te optimaliseren om meer koolstof voor een langere periode op te slaan.
Om deze klimaatbesparende planten te ontwerpen, gebruiken wetenschappers van Salk's Harnessing Plants Initiative een geavanceerde nieuwe onderzoekstool genaamd SLEAP:eenvoudig te gebruiken kunstmatige intelligentie (AI)-software die meerdere kenmerken van wortelgroei volgt. SLEAP, gemaakt door Salk Fellow Talmo Pereira, was oorspronkelijk ontworpen om de bewegingen van dieren in het laboratorium te volgen. Nu werkt Pereira samen met plantenwetenschapper en Salk-collega professor Wolfgang Busch om SLEAP op planten toe te passen.
In een onderzoek gepubliceerd in Plant Phenomics Busch en Pereira debuteren met een nieuw protocol voor het gebruik van SLEAP om fenotypes van plantenwortels te analyseren – hoe diep en breed ze groeien, hoe groot hun wortelstelsel wordt, en andere fysieke eigenschappen die – vóór SLEAP – lastig te meten waren. De toepassing van SLEAP op planten heeft onderzoekers al in staat gesteld de meest uitgebreide catalogus van fenotypes van het plantenwortelsysteem tot nu toe op te stellen.
Bovendien helpt het volgen van deze fysieke wortelsysteemkenmerken wetenschappers om genen te vinden die verband houden met die kenmerken, en om te bepalen of meerdere wortelkenmerken door dezelfde genen of onafhankelijk van elkaar worden bepaald. Hierdoor kan het Salk-team bepalen welke genen het meest gunstig zijn voor hun plantontwerpen.
"Deze samenwerking is echt een bewijs van wat de Salk-wetenschap zo speciaal en impactvol maakt", zegt Pereira. "We 'lenen' niet alleen maar van verschillende disciplines; we plaatsen ze echt op gelijke voet om iets te creëren dat groter is dan de som der delen."
Voordat SLEAP werd gebruikt, vereiste het volgen van de fysieke kenmerken van zowel planten als dieren veel arbeid, wat het wetenschappelijke proces vertraagde. Als onderzoekers een afbeelding van een plant wilden analyseren, zouden ze handmatig de delen van de afbeelding moeten markeren die wel en niet een plant waren:frame voor frame, onderdeel voor onderdeel, pixel voor pixel. Alleen dan konden oudere AI-modellen worden toegepast om het beeld te verwerken en gegevens te verzamelen over de structuur van de plant.
Wat SLEAP onderscheidt, is het unieke gebruik van zowel computer vision (het vermogen van computers om afbeeldingen te begrijpen) als deep learning (een AI-aanpak om een computer te trainen om te leren en te werken zoals het menselijk brein). Dankzij deze combinatie kunnen onderzoekers afbeeldingen verwerken zonder pixel voor pixel te verplaatsen. In plaats daarvan kunnen ze deze arbeidsintensieve tussenstap overslaan en rechtstreeks van beeldinvoer naar gedefinieerde plantkenmerken springen.
"We hebben een robuust protocol gecreëerd dat is gevalideerd in meerdere planttypen en dat de analysetijd en menselijke fouten vermindert, terwijl de nadruk wordt gelegd op toegankelijkheid en gebruiksgemak - en er waren geen wijzigingen nodig aan de daadwerkelijke SLEAP-software", zegt eerste auteur Elizabeth Berrigan, een bioinformatica-analist in het laboratorium van Busch.
Zonder de basistechnologie van SLEAP te wijzigen, ontwikkelden de onderzoekers een downloadbare toolkit voor SLEAP genaamd sleap-roots (hier beschikbaar als open-source software). Met slaapwortels kan SLEAP biologische eigenschappen van wortelsystemen verwerken, zoals diepte, massa en groeihoek.
Het team testte het slaapwortelpakket in een verscheidenheid aan planten, waaronder cultuurplanten zoals sojabonen, rijst en koolzaad, evenals de modelplantensoort Arabidopsis thaliana, een bloeiend onkruid uit de mosterdfamilie. Bij de verschillende geteste planten ontdekten ze dat de nieuwe op SLEAP gebaseerde methode beter presteerde dan bestaande praktijken door 1,5 keer sneller te annoteren, het AI-model 10 keer sneller te trainen en de plantstructuur op basis van nieuwe gegevens 10 keer sneller te voorspellen, allemaal met dezelfde of betere resultaten. nauwkeurigheid dan voorheen.
Samen met enorme inspanningen op het gebied van genoomsequencing om de genotypegegevens van grote aantallen gewasvariëteiten op te helderen, kunnen deze fenotypische gegevens, zoals het wortelsysteem van een plant dat bijzonder diep in de grond groeit, worden geëxtrapoleerd om de genen te begrijpen die verantwoordelijk zijn voor het creëren van dat bijzonder diepe wortelsysteem.
Deze stap – het verbinden van fenotype en genotype – is cruciaal in de missie van Salk om planten te creëren die meer koolstof en langer vasthouden, omdat die planten wortelsystemen nodig hebben die ontworpen zijn om dieper en robuuster te zijn. Door deze nauwkeurige en efficiënte software te implementeren, kan het Harnessing Plants Initiative met baanbrekend gemak en snelheid gewenste fenotypes koppelen aan targetbare genen.
"We zijn er al in geslaagd om de meest uitgebreide catalogus van fenotypes van het plantenwortelsysteem tot nu toe te creëren, wat ons onderzoek naar het creëren van koolstofvastleggende planten die de klimaatverandering bestrijden echt versnelt", zegt Busch, de Hess-leerstoel Plant Science bij Salk. "SLEAP is dankzij het professionele softwareontwerp van Talmo zo eenvoudig toe te passen en te gebruiken, en het zal in de toekomst een onmisbaar hulpmiddel in mijn laboratorium worden."
Toegankelijkheid en reproduceerbaarheid stonden voorop in Pereira's gedachten bij het creëren van zowel SLEAP als sleap-roots. Omdat de software en de sleap-roots-toolkit gratis te gebruiken zijn, zijn de onderzoekers benieuwd hoe sleap-roots over de hele wereld zal worden gebruikt. Ze zijn al gesprekken begonnen met NASA-wetenschappers in de hoop het instrument niet alleen te kunnen gebruiken om koolstofvasthoudende planten op aarde te begeleiden, maar ook om planten in de ruimte te bestuderen.
Bij Salk is het samenwerkingsteam nog niet klaar om uit elkaar te gaan; ze gaan al een nieuwe uitdaging aan:het analyseren van 3D-gegevens met SLEAP. Inspanningen om SLEAP en sleap-roots te verfijnen, uit te breiden en te delen zullen de komende jaren worden voortgezet, maar het gebruik ervan in Salk's Harnessing Plants Initiative versnelt nu al het ontwerp van planten en helpt het Instituut impact te maken op de klimaatverandering.
Andere auteurs zijn onder meer 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 en Shree Pariyar van Salk.