يقوم العلماء بهندسة النباتات لمكافحة تغير المناخ باستخدام الذكاء الاصطناعي

يُؤدي ارتفاع نسبة الكربون في الغلاف الجوي إلى العديد من التغيراتmatic ، ويُشكّل تهديدًا حقيقيًا لوجودنا، إلى جانب الحيوانات والنباتات. ومن نتائج ذلك موجات الحر الشديدة، والعواصف، وفترات الجفاف الطويلة، والفيضانات الكارثية. لذا، نحن بحاجة إلى حلول تُساعد على خفض نسبة الكربون في الغلاف الجوي، ولا شيء أفضل من النباتات - نعم، تلك النباتات الخضراء التي تُبهج العين وتُوفّر بيئة هادئة وطاقة إيجابية.

تمتص النباتات ثاني أكسيد الكربون من الغلاف الجوي بفضل قدرتها الطبيعية على ذلك. ويستغل علماء معهد سالك هذه الخاصية نفسها لتنقية الهواء من ثاني أكسيد الكربون، وذلك بإعادة تصميم جذورها لتتمكن من تخزين كميات أكبر من الكربون. ويُعدّ برنامج SLEAP، وهو أداة متطورة جديدة تعتمد على الذكاء الاصطناعي، أداةً tracمختلف مراحل نمو الجذور.

تصميم مصانع جديدة لمكافحة تغير المناخ

يركز برنامج معهد سالك، المسمى "مبادرة تسخير النباتات" (HPI)، على تطوير حلول للاستفادة من النباتات في تخزين الكربون، إذ تقوم النباتات بالفعل بتخزين الكربون في كتلتها الحيوية. إلا أن هذا التخزين عادةً ما يكون مؤقتًا، فعندما تموت النباتات أو تُحصد المحاصيل، يعود الكربون المخزن إلى الغلاف الجوي. ويسعى معهد سالك إلى زيادة قدرة النباتات على تخزين كميات أكبر من الكربون ولفترات أطول.

يستخدم علماء معهد هاميلتون للأبحاث (HPI) برنامج SLEAP لتصميم هذه النباتات المقاومة لتغير المناخ. يتميز البرنامج بسهولة استخدامه، وقد صُمم في البداية tracحركة الحيوانات في المختبر، ويُستخدم الآن لدراسة بنية الجذور. 

في دراسة حديثة، كشف الباحثون عن البروتوكول الجديد لـ SLEAP، والذي سيقوم بتحليل خصائص الجذور مثل مدى عمق نموها، وعرضها، وحجم نموها مع مرور الوقت، وسماتها الفيزيائية الأخرى، والتي كان قياسها مرهقًا ويستغرق وقتًا طويلاً قبل SLEAP.

يمثل مشروع SLEAP قفزة نوعية في أبحاث النباتات

يُسهم مشروع SLEAP بالفعل في مساعدة العلماء، إذ أنشأ فهرسًا شاملًا لأنظمة جذور النباتات. وسيساعدdentهذه الأنظمة الجذرية العلماء على إيجاد الجينات المرتبطة بالخصائص التي يبحثون عنها. كما سيساعد في defiما إذا كانت خصائص متعددة للنبات defiنفس الجينات أم لا. 

سيتمكن باحثو معهد سالك من تحديد الجينات المفيدة لتصميم نباتاتهم الجديدة. تقول إليزابيث بيريجان، العالمة التي شاركت في تطوير برنامج SLEAP:

"لقد ابتكرنا بروتوكولًا قويًا تم التحقق من صحته في أنواع متعددة من النباتات، مما يقلل من وقت التحليل والخطأ البشري مع التركيز على سهولة الوصول والاستخدام - ولم يتطلب ذلك أي تغييرات على برنامج SLEAP الفعلي."

المصدر: معهد سالك.

اختبر باحثو معهد سالك النموذج على أنواع نباتية مختلفة، مثل الأرز والكانولا وفول الصويا. كما اختبروه على نبات أرابيدوبسيس ثاليانا، وهو نبات عشبي مزهر من عائلة الخردل، ووجدوا بعد التجارب أن نموذج SLEAP أسرع بعشر مرات في تدريب نماذج الذكاء الاصطناعي مقارنةً بالممارسات السابقة، وأسرع بعشر مرات في التنبؤ ببنية النبات باستخدام بيانات جديدة. 

الباحثون حاليًا على تحدٍ جديد، وهو دراسة بنية جذور الأسنان ثلاثية الأبعاد باستخدام تقنية SLEAP. وسيستمر البحث باستخدام هذه التقنية، إذ أنها تُسرّع بالفعل وتيرة البحث في معهد سالك.