18.01.2024 08:52

Скоростная селекция культур созрела для внедрения искусственного интеллекта

Скоростная селекция культур созрела для внедрения искусственного интеллекта

Многочисленные виртуальные испытания лабораторных растений в смоделированных условиях можно выполнить гораздо быстрее, если привлечь к построению тестовых моделей искусственный разум.

Ожидается, что растущее население планеты, которое, по прогнозам, к 2050 году достигнет 10 миллиардов человек, удвоит спрос на продукты питания, что приведет к усилению давления на сельскохозяйственные ресурсы, создавая дополнительные проблемы на фоне изменения климата. Для удовлетворения этих потребностей решающее значение имеет выведение высокоурожайных и устойчивых сортов сельскохозяйственных культур. 

Скоростная селекция, или Speed breeding (SB), метод, который ускоряет получение урожая за счет контролируемых условий окружающей среды, стала многообещающим решением. 

Впервые разработанная в 1980-х годах и недавно усовершенствованная, система SB позволяет быстро модифицировать сельскохозяйственные культуры и увеличивать частоту воспроизведения линий, манипулируя факторами окружающей среды, такими как свет, фотопериод, температура и влага, то есть технология снимает ограничения, налагаемые длительными традиционными процессами разведения в поле.

- В начале 1980-х годов непрерывный световой режим был использован для ускорения роста и развития сельскохозяйственных культур, благодаря чему НАСА добилось быстрого жизненного цикла пшеницы в космосе и успешно вывело сорт пшеницы USU-Apogee с признаками карликовости и высокой урожайностью. Сегодня скоростная селекция стала уже распространенным подходом для модификации сельскохозяйственных культур, разработан ряд протоколов, - рассказывает один из авторов статьи, опубликованной в журнале Plant Phenomics, исследователь Йи Ю.

Успешные применения на пшенице, рисе и ячмене демонстрируют эффективность скоростной селекции, где такие характеристики, как устойчивость к болезням и высота растений, были быстро улучшены.

 - У пшеницы, сочетая методы мультипризнакового фенотипирования и скоростной селекции, улучшение таких показателей урожая, как структура корня, устойчивость к корневой гнили, устойчивость к листовой ржавчине и высота растений, может быть достигнуто в более короткие сроки по сравнению с традиционными методами путем непрерывного скрининга 4 поколений каждый год. Ген солеустойчивости hst1 был быстро введен в генетический фон высокоурожайного сорта риса путем SB- от 4 до 5 поколений риса в год - в сочетании с селекцией с использованием однонуклеотидных полиморфных маркеров. Что касается ячменя, сорт с множественной устойчивостью к болезням был выведен всего за 2 года с использованием стратегии обратного скрещивания в сочетании с мультипризнаковым фенотипическим скринингом на основе SB, - рассказывает исследователь.

Однако из лаборатории растения потом попадают в теплицы и в конечном итоге в поле, где факторы окружающей среды, влияющие на урожайность, уже совершенно другие. Это подчеркивает необходимость всестороннего понимания того, как новые сорта или гибриды поведут себя в разных условиях. В этом аспекте нынешняя практика скоростной селекции недостаточно точна, а для выводов ученые опираются на опубликованную литературу и индивидуальный опыт.

Чтобы устранить эти пробелы, модели сельскохозяйственных культур вводятся в качестве надежных инструментов для прогнозирования роста и развития в различных условиях окружающей среды. Эти модели позволяют проводить виртуальные испытания, облегчая быстрое определение подходящих для тех или иные условий желаемые фенотипы. 

- Изменения освещенности, температуры и CO 2 дополнительно влияют на транспирацию сельскохозяйственных культур, тем самым вызывая изменения в потребности в воде. Уровень азотных удобрений также является важным фактором, определяющим фотосинтез сельскохозяйственных культур, облегчая синтез ферментов и белков, переменных много, - подчеркивает Йи Ю.

Интеграция искусственного интеллекта предлагается как средство дальнейшего повышения точности прогнозирования и эффективности этих моделей, избежав человеческих ошибок и потерь времени, так как калибровка или модификация моделей для различных типов культур и условий – довольно длительный процесс. В основном, существующие модели для виртуальных полевых опытов неадекватно отражают влияние качества света на рост растений — область, которая требует дальнейших исследований и разработок.

В заключение, хотя скоростная селекция представляет собой многообещающее направление для быстрого создания новых сортов сельскохозяйственных культур, ее успех зависит от практической пользы для конкретных территорий, где условия по мере изменения климата могут меняться довольно быстро. 

Модели сельскохозяйственных культур и растений, дополненные искусственным интеллектом, открывают путь к достижению такой точности. Ожидается, что по мере развития и адаптации этих инструментов они будут играть все более важную роль в реализации потенциала скоростной селекции, тем самым способствуя будущей продовольственной безопасности, позволяя науке работать на реальный результат.