В мире, где изменение климата и рост населения ставят под угрозу продовольственную безопасность, ученые ищут новые способы повышения урожайности и устойчивости растений. Недавнее исследование, которое будет опубликовано в журнале Discov. Plants, предлагает революционный подход, способный кардинально ускорить этот процесс. Международная группа ученых под руководством Монтесинос-Лопеса разработала метод, использующий искусственный интеллект для более точного прогнозирования свойств будущих сортов растений.
В основе селекции лежит геномное прогнозирование — попытка предугадать, какими характеристиками, например, засухоустойчивостью или урожайностью, будет обладать растение, основываясь на его генетическом коде. Традиционно для этого требовались огромные массивы данных, а модели плохо работали применительно к новым популяциям или в изменившихся условиях окружающей среды. Новая работа под названием «Метод трансферного обучения для улучшенного геномного прогнозирования» предлагает элегантное решение этой проблемы.
Исследователи применили технологию машинного обучения, известную как «трансферное обучение». Ее суть заключается в том, что модель, обученная на одной задаче, может применять полученные «знания» для решения другой, смежной задачи. По аналогии с человеком, который, научившись ездить на велосипеде, быстрее осваивает мотоцикл, искусственный интеллект использует ранее изученные генетические закономерности для анализа новых, даже небольших наборов данных. Это значительно сокращает время и ресурсы, необходимые для выведения новых сортов.
Практическая польза технологии огромна. Она позволяет не только повысить точность прогнозов, но и сделать передовые методы селекции доступными для небольших исследовательских центров и развивающихся стран. Теперь программы, ограниченные в ресурсах, могут использовать существующие в мировом научном сообществе геномные базы данных, не тратя средства на сбор собственных дорогостоящих материалов. Это открывает путь к «демократизации» геномных технологий в сельском хозяйстве.
Более того, этот прорыв способствует созданию более адаптированных и устойчивых культур, что жизненно важно в условиях глобальных климатических колебаний. Ученые подчеркивают, что их модель показала высокую эффективность даже при переносе знаний между генетически разнообразными популяциями. Это значит, что метод может стать надежным инструментом для селекционеров по всему миру, помогая им выводить сорта, приспособленные к конкретным местным вызовам.
Данное исследование является частью глобального тренда на внедрение интеллектуальных технологий в агропромышленный комплекс. Сочетание вычислительной биологии, генетики и агрономии обещает новую эру в сельском хозяйстве, где решения принимаются на основе точных данных. Хотя ученые отмечают необходимость дальнейших испытаний на более широком спектре видов, уже сейчас ясно, что трансферное обучение способно стать ключевым инструментом в обеспечении продовольствием растущего населения планеты.
