Национальная лаборатория Ок-Ридж Министерства энергетики США (ORNL) запустила новую роботизированную платформу для быстрого анализа корневых систем растений по мере их роста, что позволяет получать данные, пригодные для использования в системах искусственного интеллекта, и ускорить разработку стрессоустойчивых культур для производства разных применений от питания до биотоплива.
Новая платформа добавляет возможность получения изображений подземной части растений к автоматизированной лаборатории фенотипирования растений (Advanced Plant Phenotyping Laboratory, APPL) в ORNL, которая уже использует камеры высокого разрешения для быстрой оценки надземных характеристик растений.
Сочетание информации, полученной с помощью корневой платформы, и данных о характеристиках растений над землей позволяет быстрее и глубже понять взаимосвязь между формой и функцией корней в почве и продуктивностью и выносливостью растений над землей. Благодаря этой уникальной возможности APPL теперь может многократно получать изображения корней растений, растущих в почве, не беспокоя растение.
Огромные массивы данных, генерируемые в APPL, анализируются с использованием искусственного интеллекта и суперкомпьютера Frontier exascale в ORNL, входящего в состав вычислительного центра Oak Ridge Leadership Computing Facility, пользовательского центра Управления науки Министерства энергетики США. Возможности APPL поддерживают цели миссии DOE Genesis по ускорению научных исследований посредством инноваций в области искусственного интеллекта.
Скрытая основа успеха растений
Корневые системы — это скрытая основа успешного развития растений, регулирующая поглощение воды и питательных веществ, реакцию на стресс и жизненно важное взаимодействие с почвенной средой.
«Если вы рассматриваете только надземную часть растения, вы получаете лишь половину картины», — сказал Ларри Йорк, старший научный сотрудник ORNL, специализирующийся на изучении корней и тесно сотрудничающий с APPL.
Корни трудно наблюдать напрямую, поскольку исторически для этого требовались инвазивные, трудоемкие методы отбора проб, которые ограничивают возможность получения информации в режиме реального времени.
Для более быстрого получения данных о корнях растений ученые APPL разработали роботизированную платформу для визуализации, использующую ризобоксы — прозрачные плоские коробки, содержащие растения, растущие в почве, и оснащенные сдвижной крышкой для защиты от света.
По мере перемещения каждого ризобокса в камеру визуализации APPL, крышка автоматически снимается, и корневая система визуализируется с помощью цветной камеры высокого разрешения и ближнеинфракрасной камеры. Система работает автономно 24/7 на протяжении всего эксперимента.
Система генерирует большие объемы данных по мере роста растений и их корней, включая информацию о таких характеристиках, как длина и диаметр корней, поглощение питательных веществ и минералов, а также содержание воды в корнях и окружающей почве.
«Благодаря расширенным возможностям APPL мы впервые можем одновременно связать показатели работы надземной и подземной частей одного и того же предприятия в различных режимах. Мы можем, например, изучать функцию фотосинтеза над землей и поглощение воды под землей, что позволяет установить взаимосвязь между анатомией растений и их функциями как над, так и под землей. Это уникальная возможность APPL; ни одно другое учреждение в мире не может этого сделать», — сказал Джерри Тускан, директор Центра инноваций в области биоэнергетики Министерства энергетики США и корпоративный научный сотрудник лаборатории.
Краткий обзор методов визуализации и анализа корневых дефектов APPL:
- Вместимость более 500 ризобоксов
- Окно размером 30х40 сантиметров, доступное для просмотра.
- Регулируемый угол наклона ящика способствует видимому росту корней.
- Регулируемая глубина полива — сверху, посередине и снизу.
- Круглосуточная роботизированная визуализация
- Высокоразрешающая цветная камера для измерения параметров корневой системы.
- Камера ближнего инфракрасного диапазона высокого разрешения для получения изображений физиологических данных, таких как потребление воды.
- Еженедельно собирается до 1 терабайта данных о корнях и побегах.
Анализ данных с помощью ИИ
«Система подземной визуализации APPL дает нам возможность получить представление о ситуации, которое сегодня трудно получить в полевых условиях, где мы ограничены сбором проб в определенный момент времени. В APPL мы получаем представление о временном ряде и автономный метод отбора проб, который сохраняет растение и его корни нетронутыми для дальнейшего изучения», — добавил Тускан.
По его словам, некоторые особенности, такие как возможность полива на разной глубине, могут имитировать различные сценарии роста. Полив снизу имитирует условия, при которых грунтовые воды поднимают уровень грунтовых вод, в то время как растения получают воду из-под земли. Полив сверху имитирует просачивание воды сквозь почву.
«Использование автоматизации, передовых методов визуализации и искусственного интеллекта позволяет ученым быстро отвечать на такие вопросы, как, например, вкладывают ли растения больше средств в корни или побеги — это фундаментальный вопрос в науке о растениях», —сказал Йорк.
Аналитические возможности APPL и сочетание данных о надземной и подземной частях растения позволят ученым изучать такие соотношения у разных генотипов растений и при различных вариантах обработки почвы, чтобы ответить на такие вопросы, как реакция растений на засуху и то, какие корни способствуют колонизации растений полезными почвенными микробами. Интеграция данных о растении в целом открывает новые перспективы в понимании того, как побеги и корни взаимодействуют, обеспечивая рост растений.
Анализ временных рядов и всего растения позволяет получить более глубокие знания.
«Вы проводите не просто разовую разрушительную уборку урожая, — сказал Йорк. — Благодаря визуализации корней на месте, система фиксирует поведение всего растения во времени, позволяя оценивать такие характеристики, как образование боковых корней или общее смещение корневой системы в зависимости от доступности воды. Вы получаете профиль архитектуры корневой системы, плотности корней и того, как это связано с такими процессами, как поглощение воды».
Для таких исследователей, как Мелани Мэйес, выдающийся ученый из ORNL, изучающая влияние подземных ресурсов, таких как распределение корней, влажность почвы, питательные вещества и микроорганизмы, на надземные процессы, способность APPL к развитию корневой системы является долгожданным достижением.
«Рост растений определяется тем, что происходит с корнями, а наши нынешние возможности наблюдать за корнями крайне ограничены и представляют собой лишь моментальный снимок ситуации. APPL позволяет получить глубокое понимание того, как растения поглощают такие вещества, как вода и питательные элементы, и даже могут выступать в качестве гипераккумуляторов важнейших минералов», — сказала Мэйес.
APPL также может помочь ученым лучше понять структуру почвенных пор, которая определяет, насколько хорошо почва может хранить и передавать воду, воздух и питательные вещества, путем проведения экспериментов с использованием почвы, собранной на интересующих полевых участках.
APPL продвигает разработку самообучающейся лабораторной сети, управляемой искусственным интеллектом
Возможности APPL используются в рамках межинституционального проекта Министерства энергетики США под названием OPAL (Orchestrated Platform for Autonomous Laboratories), или «Организованная платформа для автономных лабораторий». Ученые OPAL создают взаимосвязанную сеть самообучающихся лабораторий в четырех национальных лабораториях, используя искусственный интеллект, робототехнику, автоматизированные установки и общую платформу данных для ускорения биотехнологических прорывов.
APPL и OPAL поддерживают миссию Genesis Министерства энергетики США по разработке интегрированной платформы для научных открытий, объединяющей национальные суперкомпьютеры, экспериментальные установки, системы искусственного интеллекта и уникальные наборы данных. Цель Genesis — удвоить производительность и влияние американских исследований и инноваций в течение десяти лет.
«APPL коренным образом меняет подход исследователей во всем мире к изучению подземной и надземной биологии и позволяет всесторонне понимать, как растения распределяют свои ресурсы между корнями и побегами. Созданная нами система может улучшить процесс исследований в области растениеводства, предоставляя доступ к оборудованию и программному обеспечению с открытым исходным кодом. В этом и заключается настоящая ценность APPL», — заключил Йорк.
Источник: Oak Ridge National Laboratory. Автор: Стефани Сиэй.
