العلماء يهندسون النباتات لمحاربة تغير المناخ باستخدام الذكاء الاصطناعي

كمية الكربون الزائدة في الغلاف الجوي تحفز العديد من التغيرات المناخية وهي تهديد حقيقي لوجودنا، إلى جانب الحيوانات والنباتات. موجات الحر الشديدة والعواصف وفترات الجفاف الطويلة والفيضانات الكارثية هي نتيجة لذلك. لذلك نحتاج إلى شيء يمكن أن يساعد في تقليل الكربون في الغلاف الجوي، ولا يوجد شيء أفضل من النباتات – نعم، النباتات الخضراء التي تبدو جيدة للعين أيضًا وتوفر بيئة هادئة وطاقة جيدة.

تمتص النباتات ثاني أكسيد الكربون من الغلاف الجوي لأنها تمتلك القدرة الطبيعية على القيام بذلك. يستغل العلماء في Salk هذه الجودة نفسها للنباتات لتنقية الهواء من ثاني أكسيد الكربون عن طريق إعادة تصميم جذورها لتخزين المزيد من الكربون. أداة الجديدة المتطورة، SLEAP، هي برنامج ذكاء اصطناعي يتتبع ميزات مختلفة لنمو الجذور.

تصميم نباتات جديدة لمحاربة تغير المناخ

يركز برنامج معهد Salk المسمى مبادرة استغلال النباتات (HPI) على تطوير حلول للاستفادة من النباتات لتخزين الكربون، حيث تقوم النباتات بالفعل بتخزين الكربون في كتلتها الحيوية. لكن التخزين عادة ما يكون مؤقتًا، فعندما تموت النباتات أو يتم حصاد المحاصيل، يعود الكربون المخزن إلى الغلاف الجوي. يحاول Salk زيادة قدرتها على تخزين المزيد من الكربون ولمدة أطول من الزمن.

يستخدم علماء HPI SLEAP لتصميم هذه النباتات المنقذة للمناخ. من السهل جدًا استخدامه، وقد صُمم في البداية لتتبع حركات الحيوانات في المختبر، وقد تم تبنيه الآن لدراسة هياكل الجذور. 

في دراسة حديثة، كشف الباحثون عن البروتوكول الجديد لـ SLEAP، والذي سيحلل خصائص الجذور مثل مدى عمق نموها، وعرضها، وكبر حجمها مع مرور الوقت، وخصائصها الفيزيائية الأخرى، والتي كانت مرهقة وتستغرق وقتًا طويلاً لقياسها قبل SLEAP.

SLEAP قفزة في أبحاث النباتات

SLEAP يساعد العلماء بالفعل، حيث قاموا بتوليد كتالوج واسع لأنظمة جذور النباتات. سيساعد تحديد هذه الجذور في العثور على الجينات المرتبطة بالخصائص التي يبحثون عنها. كما سيساعد في تحديد ما إذا كانت خصائص متعددة للنبات محددة بواسطة نفس الجينات أم لا. 

سيتمكن باحثو Salk من تحديد الجينات المفيدة لتصميم نباتاتهم الجديدة. تقول إليزابيث بيريجان، عالمة شاركت في تطوير SLEAP،

"لقد أنشأنا بروتوكولًا قويًا تم التحقق منه في أنواع متعددة من النباتات يقلل من وقت التحليل والأخطاء البشرية مع التأكيد على إمكانية الوصول وسهولة الاستخدام – ولم يتطلب أي تغييرات في برنامج SLEAP الفعلي."

المصدر: معهد Salk.

اختبر باحثو Salk النموذج على أنواع مختلفة من النباتات، مثل الأرز والكانولا وفول الصويا. كما اختبروه على نبات الزينة المزهرة من عائلة الخردل، المسمى علميًا Arabidopsis thaliana، ووجدوا بعد التجارب أن SLEAP أسرع 10 مرات في تدريب نماذج الذكاء الاصطناعي من الممارسات السابقة وأسرع 10 مرات في التنبؤ ببنية النبات على بيانات جديدة.

الباحثون يركزون الآن على تحدٍ جديد، وهو فحص هياكل الجذور ثلاثية الأبعاد باستخدام SLEAP. سيستمر البحث مع SLEAP، حيث إنه يسرع بالفعل عملية البحث في معهد Salk.