Binnenkort gaat AI ons helpen nieuwe plantenvariëteiten te ontwikkelen. Onderzoekers van Wageningen University Research (WUR) doen pionierswerk met AI om de geheimen van niet-coderende genen in planten te ontrafelen. Onder leiding van Michael Schon is dit baanbrekende werk gericht op de ontwikkeling van nieuwe plantenrassen met verbeterde eigenschappen zoals droogteresistentie.
De AI-tool van Schon, GeneSketch, belooft de vergelijking van niet-coderend RNA in genomen van planten te stroomlijnen, wat een baanbrekende aanpak voor plantenveredeling biedt. Dit initiatief maakt deel uit van een bredere trend in de landbouwwetenschap waarbij AI steeds vaker wordt gebruikt om planteneigenschappen te voorspellen en te verbeteren, wat een revolutie teweeg kan brengen in de veerkracht en productiviteit van gewassen.
Waarom dit belangrijk is
Klimaatverandering vormt een bedreiging voor de voedselzekerheid, omdat planten te lijden hebben onder extreme weersomstandigheden. AI helpt wetenschappers bij het ontwikkelen van klimaatbestendige gewassen.
Genetische geheimen ontsluieren
De kern van Schons onderzoek is de focus op niet-coderend RNA, een cruciaal element in genregulatie en ontwikkeling. Niet-coderende RNA’s worden niet omgezet in eiwitten, maar spelen een essentiële rol bij het in- en uitschakelen van genen. De AI-tool van Schon, GeneSketch, is bedoeld om deze niet-coderende genen in verschillende plantensoorten te lokaliseren en te vergelijken. Dit kan mogelijk nieuwe genetische eigenschappen ontsluiten die de veerkracht en productiviteit van planten verbeteren.
GeneSketch maakt gebruik van geavanceerde AI-technieken, waaronder transformatortechnologie die lijkt op de technologie die wordt gebruikt in taalmodellen zoals ChatGPT. Door de AI te trainen om patronen en sequenties in DNA te herkennen, hoopt Schon niet-coderende RNA’s en hun functies nauwkeurig in kaart te brengen. Deze methode biedt een nieuwe manier om de uitdaging van genoomvergelijking aan te gaan, waarbij traditioneel enorme hoeveelheden genetische gegevens moeten worden doorzocht die zijn opgeslagen als tekstbestanden.
De praktische implicaties van dit onderzoek zijn enorm. Door de niet-coderende delen van planten genomen te begrijpen, kunnen veredelaars gewassen ontwikkelen met specifieke gewenste eigenschappen. Planten kunnen bijvoorbeeld zo worden ontworpen dat ze beter bestand zijn tegen droogte of een hogere opbrengst hebben. Schon voorziet dat gereedschappen zoals GeneSketch veredelaars een snelle en efficiënte manier kunnen bieden om het DNA van planten te begrijpen en te manipuleren, waardoor het veredelingsproces versneld kan worden.
Een bredere inspanning
Dit onderzoek maakt deel uit van een bredere samenwerking in de wetenschappelijke gemeenschap om AI in te zetten bij het begrijpen van plantengenetica. Een internationaal team, waaronder Duitse onderzoekers van het IPK Leibniz Institute en Forschungszentrum Jülich, maakt ook vorderingen op dit gebied. Hun deep learning-modellen koppelen gensequentiegegevens aan het aantal mRNA-kopieën, waardoor nauwkeurige voorspellingen van genactiviteit en een beter begrip van genregulatie mogelijk worden.
Het team onder leiding van Dr. Jedrzej Jakub Szymanski heeft modellen ontwikkeld die nauwkeurig genactiviteit voorspellen en cruciale regulerende sequenties identificeren. Deze modellen bleken uitstekend te generaliseren in verschillende plantensoorten, waaronder tomaten, waar ze variaties in de regulerende sequenties aanwezen die verschillen in genactiviteit en daaruit voortvloeiende eigenschappen verklaren. Dit werk, gepubliceerd in ‘Nature Communications’, benadrukt het potentieel van AI bij het onthullen van nieuwe aspecten van genregulatie.
Toekomstperspectieven
De vooruitgang in AI voor plantengenetica maakt de weg vrij voor ‘slimme gewassen’ die beter bestand zijn tegen omgevingsstress met behoud van een hoge productiviteit. Door routinematig genregulerende elementen te identificeren en hun rol in de ontwikkeling van planten te begrijpen, kunnen wetenschappers effectiever planten kweken die geschikt zijn voor veranderende klimaatomstandigheden. Dit verbetert niet alleen de voedselzekerheid, maar vermindert ook de impact van de landbouw op het milieu.
Het werk van Schon aan de WUR is een belangrijke stap op weg naar de integratie van AI in de plantenveredeling. Met een prototype van GeneSketch dat binnen een jaar wordt verwacht, is het potentieel voor snelle vooruitgang op dit gebied enorm. Naarmate AI zich verder ontwikkelt, kunnen toepassingen in de landbouw leiden tot duurzamere en efficiëntere landbouwmethoden, waarvan uiteindelijk zowel boeren als consumenten profiteren.
Als je dit artikel leuk vindt, lees dan ook:
