Il Gruppo intergovernativo sui cambiamenti climatici (IPCC) ha dichiarato che la rimozione del carbonio dall’atmosfera è ormai essenziale per combattere il cambiamento climatico e limitare l’aumento della temperatura globale. Per sostenere questi sforzi, gli scienziati del Salk Institute stanno sfruttando la capacità naturale delle piante di estrarre l'anidride carbonica dall'aria ottimizzando i loro sistemi radicali per immagazzinare più carbonio per un periodo di tempo più lungo.
Per progettare queste piante salva-clima, gli scienziati della Harnessing Plants Initiative di Salk stanno utilizzando un nuovo sofisticato strumento di ricerca chiamato SLEAP, un software di intelligenza artificiale (AI) di facile utilizzo che tiene traccia di molteplici caratteristiche della crescita delle radici. Creato da Talmo Pereira, membro del Salk Fellow, SLEAP è stato inizialmente progettato per monitorare i movimenti degli animali in laboratorio. Ora Pereira ha collaborato con lo scienziato vegetale e collega di Salk, il professor Wolfgang Busch, per applicare SLEAP alle piante.
In uno studio pubblicato su Plant Phenomics , Busch e Pereira lanciano un nuovo protocollo per l'utilizzo di SLEAP per analizzare i fenotipi delle radici delle piante:quanto crescono in profondità e in larghezza, quanto diventano massicci i loro sistemi radicali e altre qualità fisiche che, prima di SLEAP, erano noiose da misurare. L'applicazione di SLEAP alle piante ha già consentito ai ricercatori di creare il più ampio catalogo di fenotipi del sistema radicale delle piante fino ad oggi.
Inoltre, il monitoraggio di queste caratteristiche fisiche del sistema radicale aiuta gli scienziati a trovare geni affiliati a tali caratteristiche, nonché se più caratteristiche radicali sono determinate dagli stessi geni o in modo indipendente. Ciò consente al team Salk di determinare quali geni sono più vantaggiosi per la progettazione delle piante.
"Questa collaborazione è davvero una testimonianza di ciò che rende la scienza del Salk così speciale e di grande impatto", afferma Pereira. "Non stiamo semplicemente 'prendendo in prestito' da diverse discipline:le stiamo davvero mettendo su un piano di parità per creare qualcosa di più grande della somma delle sue parti."
Prima di utilizzare SLEAP, il monitoraggio delle caratteristiche fisiche sia delle piante che degli animali richiedeva molto lavoro che rallentava il processo scientifico. Se i ricercatori volessero analizzare l'immagine di una pianta, dovrebbero contrassegnare manualmente le parti dell'immagine che erano e non erano piante:fotogramma per fotogramma, parte per parte, pixel per pixel. Solo allora si potrebbero applicare i vecchi modelli di intelligenza artificiale per elaborare l'immagine e raccogliere dati sulla struttura della pianta.
Ciò che distingue SLEAP è il suo uso unico sia della visione artificiale (la capacità dei computer di comprendere le immagini) che del deep learning (un approccio AI per addestrare un computer ad apprendere e lavorare come il cervello umano). Questa combinazione consente ai ricercatori di elaborare le immagini senza spostare pixel per pixel, saltando invece questo passaggio intermedio ad alta intensità di lavoro per passare direttamente dall'input dell'immagine alle caratteristiche definite della pianta.
"Abbiamo creato un protocollo robusto convalidato in più tipi di impianti che riduce i tempi di analisi e gli errori umani, sottolineando al contempo l'accessibilità e la facilità d'uso, e non ha richiesto modifiche al software SLEAP effettivo", afferma la prima autrice Elizabeth Berrigan, una analista di bioinformatica nel laboratorio di Busch.
Senza modificare la tecnologia di base di SLEAP, i ricercatori hanno sviluppato un toolkit scaricabile per SLEAP chiamato sleap-roots (disponibile come software open source qui). Con le radici sleap, SLEAP può elaborare i tratti biologici dei sistemi radicali come profondità, massa e angolo di crescita.
Il team ha testato il pacchetto di radici in una varietà di piante, comprese piante coltivate come soia, riso e colza, nonché la specie vegetale modello Arabidopsis thaliana, un'erbaccia da fiore della famiglia della senape. Attraverso la varietà di piante testate, hanno scoperto che il nuovo metodo basato su SLEAP ha sovraperformato le pratiche esistenti annotando 1,5 volte più velocemente, addestrando il modello AI 10 volte più velocemente e prevedendo la struttura della pianta su nuovi dati 10 volte più velocemente, il tutto con lo stesso o migliore risultato. precisione rispetto a prima.
Insieme ai massicci sforzi di sequenziamento del genoma per chiarire i dati genotipici in un gran numero di varietà di colture, questi dati fenotipici, come il sistema radicale di una pianta che cresce particolarmente in profondità nel suolo, possono essere estrapolati per comprendere i geni responsabili della creazione di quel sistema radicale particolarmente profondo.
Questo passaggio, ovvero collegare fenotipo e genotipo, è cruciale nella missione di Salk di creare piante che trattengano più carbonio e più a lungo, poiché tali piante avranno bisogno di sistemi radicali progettati per essere più profondi e robusti. L'implementazione di questo software accurato ed efficiente consentirà alla Harnessing Plants Initiative di collegare fenotipi desiderabili a geni selezionabili con facilità e velocità rivoluzionarie.
"Siamo già stati in grado di creare il catalogo più ampio di fenotipi del sistema radicale delle piante fino ad oggi, il che sta davvero accelerando la nostra ricerca per creare piante che catturano il carbonio e combattono il cambiamento climatico", afferma Busch, titolare della cattedra Hess in Plant Science a Salk. "SLEAP è stato facilissimo da applicare e utilizzare, grazie alla progettazione del software professionale di Talmo, e in futuro diventerà uno strumento indispensabile nel mio laboratorio."
Accessibilità e riproducibilità erano in prima linea nella mente di Pereira durante la creazione sia di SLEAP che di sleap-roots. Poiché il software e il toolkit sleap-roots sono gratuiti, i ricercatori sono entusiasti di vedere come verrà utilizzato sleap-roots in tutto il mondo. Hanno già avviato discussioni con gli scienziati della NASA sperando di utilizzare lo strumento non solo per aiutare a guidare le piante che sequestrano il carbonio sulla Terra, ma anche per studiare le piante nello spazio.
A Salk, il team collaborativo non è ancora pronto a sciogliersi:stanno già intraprendendo una nuova sfida di analisi dei dati 3D con SLEAP. Gli sforzi per perfezionare, espandere e condividere SLEAP e sleap-roots continueranno negli anni a venire, ma il loro utilizzo nell'iniziativa Harnessing Plants di Salk sta già accelerando la progettazione degli impianti e aiutando l'Istituto ad avere un impatto sul cambiamento climatico.
Altri autori includono 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 e Shree Pariyar di Salk.
Ulteriori informazioni: Elizabeth M. Berrigan et al, Fenotipizzazione delle radici rapida ed efficiente tramite stima della posa, Fenomica delle piante (2024). DOI:10.34133/plantphenomics.0175
Fornito da Salk Institute
