För mycket kol i atmosfären utlöser många matic och är ett verkligt hot mot vår existens, tillsammans med djur och växter. Extrema värmeböljor, stormar, långa torkaperioder och katastrofala översvämningar är ett resultat. Så vi behöver något som kan bidra till att minska kolet i atmosfären, och inget är bättre än växter – ja, de gröna växterna som också ser bra ut för ögonen och ger en lugn miljö och bra energi.
Växter drar koldioxid från atmosfären eftersom de har den naturliga förmågan att göra det. Forskare vid Salk använder samma kvalitet av växter för att rena luften från koldioxid genom att designa om sina rötter så att de kan lagra mer kol. Deras sofistikerade nya verktyg, SLEAP, är en programvara för artificiell intelligens som trac olika funktioner i rottillväxt.
Designa nya anläggningar för att bekämpa klimatförändringarna
Salk Institutes program som heter Harnessing Plants Initiative (HPI) är fokuserat på att utveckla lösningar för att utnyttja växter för att lagra kol, eftersom växter redan lagrar kol i sin biomassa. Men lagringen är vanligtvis tillfällig, eftersom när växter dör eller skördar skördas återgår det lagrade kolet till atmosfären. Salk försöker öka sin kapacitet att lagra mer kol och det under längre perioder.
HPI-forskare använder SLEAP för att designa dessa klimatbesparande anläggningar. Det är ganska lätt att använda och designades först för att trac djurrörelser i labbet, och har nu antagits för att studera rotstrukturer.
I en nyligen genomförd studie avslöjade forskare det nya protokollet för SLEAP, som kommer att analysera rotegenskaper som hur djupt de växer, deras bredd, hur stora de växer med tiden och deras andra fysiska egenskaper, som var ganska tröttsamma och tidskrävande att mäta innan. SOVA.
SLEAP är ett steg framåt inom växtforskning
SLEAP hjälper redan forskare, eftersom de har skapat en omfattande katalog över växters rotsystem. Att dent dessa rotsystem av växter kommer att hjälpa forskare att hitta gener som är associerade med de egenskaper som de letar efter. Det kommer också att hjälpa till att defi om flera egenskaper hos en växt defi av samma gener eller inte.
Salk-forskare kommer att kunna avgöra vilka gener som är användbara för att designa sina nya växter. Elizabeth Berrigan, en vetenskapsman som var involverad i att utveckla SLEAP, säger,
"Vi skapade ett robust protokoll som validerats i flera anläggningstyper som minskar analystiden och mänskliga fel samtidigt som vi betonar tillgänglighet och användarvänlighet - och det krävde inga ändringar av den faktiska SLEAP-mjukvaran."
Källa: Salk Institutet.
Salk-forskarna testade modellen på olika växttyper, till exempel ris, raps och sojabönor. De testade det också för senapsfamiljens blommande ogräs, vetenskapligt kallat Arabidopsis thaliana, och de fann efter försöken att SLEAP är 10 gånger snabbare i träning av AI-modeller än tidigare metoder och är 10 gånger snabbare i att förutsäga växtstruktur på ny data.
Forskare fokuserar nu på en ny utmaning, som är att undersöka 3D-rotstrukturer med SLEAP. Forskningen med SLEAP kommer att fortsätta, eftersom den redan påskyndar forskningsprocessen vid Salk Institute.
Forskningsstudien kan ses här .