人工智能帮助科学家改造植物以应对气候变化

　　政府间气候变化专门委员会(IPCC)宣布，消除大气中的碳对于应对气候变化和限制全球气温上升至关重要。为了支持这些努力，索尔克研究所的科学家们正在利用植物的自然能力，通过优化它们的根系来吸收空气中的二氧化碳，从而在更长的时间内储存更多的碳。

　　为了设计这些拯救气候的植物，索尔克“利用植物”项目的科学家们正在使用一种名为SLEAP的复杂的新研究工具——一种易于使用的人工智能(AI)软件，可以跟踪根系生长的多种特征。SLEAP由索尔克研究员塔尔莫·佩雷拉创建，最初设计用于跟踪实验室中的动物运动。现在，佩雷拉与植物科学家和索尔克的同事沃尔夫冈·布施教授合作，将SLEAP应用于植物。

　　在发表于《植物现象组学》的一项研究中，Busch和Pereira首次推出了一种新的协议，用于使用SLEAP分析植物根系表型——它们生长的深度和宽度，它们的根系变得有多庞大，以及在SLEAP之前测量起来很繁琐的其他物理性质。SLEAP在植物上的应用已经使研究人员建立了迄今为止最广泛的植物根系表型目录。 此外，跟踪这些物理根系特征有助于科学家找到与这些特征相关的基因，以及多个根系特征是由相同的基因决定还是独立决定。这使得索尔克团队能够确定哪些基因对他们的植物设计最有益。

　　佩雷拉说:“这一合作真正证明了索尔克科学如此特殊和有影响力的原因。”“我们不仅仅是从不同的学科中‘借鉴’——我们真正把它们放在平等的地位上，以便创造出比各部分之和更大的东西。” 在使用SLEAP之前，跟踪植物和动物的物理特征需要大量的劳动，这减缓了科学进程。如果研究人员想要分析植物图像，他们需要手动标记图像中的植物部分和非植物部分——逐帧、逐部分、逐像素。只有到那时，旧的人工智能模型才能用于处理图像并收集有关植物结构的数据。

　　SLEAP的与众不同之处在于它对计算机视觉(计算机理解图像的能力)和深度学习(一种训练计算机像人脑一样学习和工作的人工智能方法)的独特使用。这种结合使研究人员能够在不逐个像素移动的情况下处理图像，而不是跳过这一中间的劳动密集型步骤，直接从图像输入跳到定义的植物特征。 “我们创建了一个在多种植物类型中验证的强大协议，它减少了分析时间和人为错误，同时强调了可访问性和易用性——并且不需要对实际的SLEAP软件进行任何更改，”Busch实验室的生物信息学分析师Elizabeth Berrigan说。

　　在不修改SLEAP基线技术的情况下，研究人员为SLEAP开发了一个名为sleap-roots的可下载工具包(在这里可以作为开源软件获得)。使用sleap-roots，sleap可以处理根系的生物特征，如深度、质量和生长角度。 研究小组在各种植物中测试了sleap-roots包，包括大豆、水稻和油菜等作物，以及模式植物拟南芥(一种十字花科开花杂草)。在试验的各种植物中，他们发现这种基于SLEAP的新方法优于现有方法，注释速度快1.5倍，人工智能模型训练速度快10倍，根据新数据预测植物结构的速度快10倍，精度都比以前相同或更高。

　　再加上大规模的基因组测序工作，以阐明大量作物品种的基因型数据，这些表型数据，例如生长在土壤深处的植物根系，可以外推，以了解负责创建这种特别深的根系的基因。

　　这一步骤——将表型和基因型联系起来——对于索尔克创造能保持更多碳和更长时间的植物的使命至关重要，因为这些植物需要设计得更深、更健壮的根系。实施这一准确高效的软件将使利用植物倡议能够以突破性的轻松和速度将理想的表型与靶向基因联系起来。

　　“我们已经能够创建迄今为止最广泛的植物根系表型目录，这确实加速了我们的研究，以创建对抗气候变化的碳捕获植物，”Salk的Hess植物科学主席Busch说。“由于Talmo的专业软件设计，SLEAP非常易于应用和使用，它将成为我实验室前进中不可或缺的工具。”

　　在创建SLEAP和SLEAP-root时，可访问性和可复制性是Pereira的首要考虑。因为软件和sleap-roots工具包是免费使用的，研究人员很高兴看到sleap-roots将如何在世界各地使用。他们已经开始与美国国家航空航天局的科学家进行讨论，希望利用这一工具不仅帮助指导地球上的固碳植物，还可以研究太空中的植物。

　　在索尔克，合作团队还没有准备好解散——他们已经开始了用SLEAP分析3D数据的新挑战。在未来几年里，提炼、扩展和共享SLEAP和SLEAP根的努力将继续下去，但它在索尔克植物治理倡议中的使用已经在加速植物设计，并帮助该研究所对气候变化产生影响。

　　其他作者包括王，汉娜·卡里略，金伯利·埃切戈恩，米凯拉·卡普斯，豪尔赫·托雷斯，安吉尔·艾·佩雷拉，埃里卡·麦考伊，艾米丽·谢恩，查尔斯·科普兰，劳伦·拉格尔，查里迪莫斯·乔治萨基斯，桑赫瓦·李，道恩·雷诺兹，艾弗里·塔尔戈，胡安·冈萨雷斯，张，阿希什·拉朱尔卡，米歇尔·鲁伊斯，埃琳·丹尼尔斯，利兹尔·马雷，和萨勒克的什莉·帕里亚尔。

　　更多信息：Elizabeth M.Berrigan等人，通过姿态估计进行快速有效的根系表型分析，植物表型学(2024)。