La inteligencia artificial ayuda a los científicos a diseñar plantas para luchar contra el cambio climático

24 de abril de 2024

La inteligencia artificial ayuda a los científicos a diseñar plantas para luchar contra el cambio climático

Una colaboración única en Salk utiliza un software de aprendizaje profundo llamado SLEAP para analizar las características de la planta, acelerando el diseño de plantas que ahorren clima.

24 de abril de 2024

LA JOLLA—El Panel Intergubernamental sobre Cambio Climático (IPCC) declaró que eliminar el carbono de la atmósfera es ahora esencial para combatir el cambio climático y limitar el aumento de la temperatura global. Para respaldar estos esfuerzos, los científicos de Salk están aprovechando la capacidad natural de las plantas para extraer dióxido de carbono del aire optimizando sus sistemas de raíces para almacenar más carbono durante un período de tiempo más largo.

De izquierda a derecha: Talmo Pereira, Elizabeth Berrigan y Wolfgang Busch.
Haga clic aquí para obtener una imagen de alta resolución.
Crédito: Instituto Salk

Para diseñar estas plantas que salven el clima, los científicos de la Iniciativa de Aprovechamiento de Plantas de Salk están utilizando una nueva y sofisticada herramienta de investigación llamada DORMIR—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 el 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 Fenómica vegetal El 12 de abril de 2024, 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 de medir. . La aplicación de SLEAP a las plantas ya ha permitido a los investigadores establecer el catálogo más extenso de fenotipos del sistema de raíces de las plantas hasta la fecha.

Es más, 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. Esto permite al equipo de Salk determinar qué genes son más beneficiosos para el diseño de sus plantas.

“Esta colaboración es verdaderamente un testimonio de lo que hace que la ciencia de Salk sea tan especial e impactante”, dice Pereira. “No sólo estamos ‘tomando prestado’ de diferentes disciplinas, sino que realmente las estamos poniendo en pie de igualdad para crear algo mayor que la suma de sus partes”.

Antes de utilizar SLEAP, el seguimiento de las características físicas de plantas y animales requería mucho trabajo que ralentizó 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.

SUEÑO y raíces de sueño Detecta automáticamente puntos de referencia en toda la arquitectura del sistema raíz.

Crédito: Instituto Salk SLEAP y raíces de sueño predecir cómo se conectan entre sí las diferentes partes de las raíces de las plantas analizando la geometría de las raíces.

Crédito: Instituto Salk

Lo que distingue a SLEAP es su uso único de la visión por computadora (la capacidad de las computadoras para comprender imágenes) y el aprendizaje profundo (un enfoque de inteligencia artificial para entrenar una computadora para que aprenda y funcione como el cerebro humano). Esta combinación permite a los investigadores procesar imágenes sin moverse 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 para SLEAP llamado raíces de sueño (disponible como software de código abierto aquí). Con raíces de sueñoSLEAP puede procesar rasgos biológicos de los sistemas de raíces como la profundidad, la masa y el ángulo de crecimiento.

El equipo de Salk probó el raíces de sueño paquete en una variedad de plantas, incluidas plantas de cultivo como soja, arroz y canola, así como especies de plantas 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 superó 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 la misma 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.

Una planta de hoja verde con sus raíces expuestas sobre un fondo de imágenes abstractas por computadora que representan SLEAP.
Haga clic aquí para obtener una imagen de alta resolución.
Crédito: Instituto Salk

“Ya hemos podido crear el catálogo más extenso de fenotipos de sistemas de raíces de plantas hasta la fecha, lo que realmente está acelerando nuestra investigación para crear plantas que capturen carbono y luchen contra el cambio climático”, dice Busch, catedrático Hess de Ciencias Vegetales en Salk. “SLEAP ha sido muy fácil de aplicar y utilizar gracias al diseño de software profesional de Talmo, y será una herramienta indispensable en mi laboratorio en el futuro”.

La accesibilidad y la reproducibilidad estaban en la mente de Pereira al crear SLEAP y raíces de sueño. Porque el software y raíces de sueño El kit de herramientas es de uso gratuito, los investigadores están entusiasmados de ver cómo raíces de sueño se utilizará en todo el mundo. Ya han iniciado conversaciones con científicos de la NASA con la esperanza de utilizar la herramienta no sólo para ayudar a guiar las plantas secuestradoras de carbono en la Tierra, sino también para estudiar las plantas en el espacio.

En Salk, el equipo colaborativo aún no está listo para disolverse; ya se están embarcando en un nuevo desafío de analizar datos 3D con SLEAP. Esfuerzos para perfeccionar, ampliar y compartir SLEAP y raíces de sueño continuará en los años venideros, pero su uso en la Iniciativa de Aprovechamiento de Plantas de Salk ya está acelerando los diseños de plantas y ayudando al Instituto a tener un impacto en el cambio climático.

Otros autores incluyen a 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 González, Ling Zhang, Ashish Rajurkar, Michel Ruiz, Erin Daniels, Liezl Maree y Shree Pariyar de Salk.

El trabajo fue apoyado por Bezos Earth Fund, Hess Corporation, TED Audacious Project y los Institutos Nacionales de Salud (RF1MH132653).

DOI: 10.34133/fenómica vegetal.0175

2024-04-24 20:57:52
1713993551
#inteligencia #artificial #ayuda #los #científicos #diseñar #plantas #para #luchar #contra #cambio #climático