:
意見回饋

以次世代人工智慧技術加速孕育抗性作物品系

2019/11/21 @國際

摘要

美國能源局橡樹嶺國家實驗室研究團隊針對人工智慧在植物選育與生質能源方面進行大量的研究應用,詳細解構近期研究關於作物基因體研究方面,如何運用人工智慧建立植物基因型與表現型之間的關聯。

以次世代人工智慧技術加速孕育抗性作物品系

  傳統農業生產在氣候變遷的衝擊下,逐漸受全球暖化、極端氣候等改變,許多作物品系(種)因無法適應當下的環境衝擊,使得農糧產值下降,造成區域農糧生產、全球性糧食安全及生態系服務受破壞等問題。為培育出具新興抗病、抗逆境等性狀之作物品系,許多研究早已開始已著手針對作物的基因體(genomics)、蛋白質體(proteomics)、代謝體(metabolomics)等體學(omics)方面展開大規模的研究,由於在體學的研究上,會獲得海量的數據,因此大數據分析與人工智慧技術(artificial intelligence,簡稱AI)即成為其中的重要工具。隸屬於美國能源局(United States Department of Energy,簡稱DOE)橡樹嶺國家實驗室(Oak Ridge National Laboratory,簡稱ORNL)的研究團隊近年便針對人工智慧在植物選育與生質能源(bioenergy)方面進行大量的研究應用,並對近期的應用成果展開一系列的回顧。
  研究團隊在一篇已發表的回顧性文章(review article)中提到,除了擁有資料調查(surveying)、資料分類(classifying)等基本人工智慧功能外,次世代(next-generation)人工智慧更具備較佳的資料分析(analysis)、資料整合(integration)、資料解釋(interpretation)等能力。研究團隊在文章中詳細解構近期研究關於作物基因體研究方面,如何運用人工智慧建立植物基因型與表現型之間的關聯,包括以高通量(high-throughput)技術取得之基因體遺傳資訊,以及運用無人飛行載具、無人地面載具、衛星遙測技術、傳感器遠端應用等資通訊設備在田間獲取之作物表現體(phenomics)性狀資訊,以此建立基因體與表現體之間的連結,並實際應用在作物選育方面。
  除文獻回顧外,研究團隊近期將研究重點放在基因體選種(genomic selection)相關之演算法(algorithm)方面研究,建立可解釋性人工智慧(explainable AI),試圖突破現有之人工智慧侷限。研究團隊也希望能藉由近期的文獻回顧與實際研究應用,找出基因體學、蛋白質體學等各個體學之間的連結,克服選育方面之屏障並培育出抗性作物。
  該研究由歐盟、義大利教育部、美國能源部等方面之經費資助,詳細回顧性文章內容已發表在<Trends in Biotechnology>。

資料來源

: