Исследователи компании Spartan работают в разных дисциплинах, чтобы использовать возможности искусственного интеллекта в биологии растений. Ученые получили грант в размере 1,4 млн долларов от NSF, сообщает сайт agropages.com.

Развитие науки сегодня достигло такого уровня, что проще или дешевле секвенировать полный геном растения. Но знать все гены растения - это не означает, что мы получили знания о функциях каждого гена.

Эксперты штата Мичиган в области биологии растений и компьютерных наук планируют ликвидировать этот пробел с помощью искусственного интеллекта и нового гранта в размере 1,4 миллиона долларов от Национального научного фонда. В конечном счете, цель состоит в том, чтобы помочь фермерам выращивать сельскохозяйственными культурами с таким набором генов, которые позволили бы растениям лучше противостоять таким угрозам, как засуха и болезни.

Однако для этого исследователям необходимо раскрыть фундаментальную роль многих генов, обнаруженных в растениях.

«С точки зрения науки о растениях, есть основные вопросы, на которые мы пытаемся ответить: как работает определенная последовательность генов? Какова его молекулярная функция?» - рассказывает ведущий следователь Шин-Хан Ши. Ши является профессором кафедры биологии растений Колледжа естественных наук и вычислительной математики, естественных наук и инженерии, кафедры, совместно управляемой Колледжем естественных наук и инженерным колледжем.

Команда Spartan считает, что ИИ может оказать помощь исследователям, необходимую для решения сложных задач, которые представляют собой значительную долю генов растений. Исследователи используют технологию искусственного интеллекта -  машинное обучение - которая состоит из компьютерных алгоритмов, и ее можно обучать.

Чтобы «научить» ИИ, ученые запрограммируют доступные данные, описывая то, что известно о генах растений и их функциях. Этих сведений очень много, особенно о хорошо изученных растениях, включая кукурузу, помидоры.

Затем алгоритм может начать делать обоснованные прогнозы о том, каким функциями обладают гены, а затем помочь ученым в разработке экспериментов для проверки этих прогнозов.

Но с этим проектом команда сталкивается не только с техническими проблемами. Некоторые научные сообщества с настороженностью относятся к алгоритмам искусственного интеллекта и машинного обучения.

«Цель ИИ-делать прогнозы, но нам также нужны люди, которые могут проверять эти прогнозы», - сказал Шин-Хан Ши. «Наша цель - сделать алгоритм объяснимым и понимаемым для других исследователей».

Вот почему команда также наняла профессионала в сфер машинного обучения Юин Се, доцента кафедры вычислительной математики, естественных наук и инженерии, и эксперта-экспериментатора Мелиссу Лехти-Ши, доцента-исследователя кафедры биологии растений.

«Как правило, разработка модели машинного обучения и ее приложений может быть разрозненной», - сказал Се. «Работая вместе как группа, мы лучше понимаем методологию  от и до. Это приносит пользу нам как группе, и это продвигает науку вперед».

«Понимая и интерпретируя модели, мы также можем получить представление о биологических процессах и о том, почему определенные гены выполняют именно эти функции», - сказал Лехти-Ши.

«Возможно существуют тысячи генов, которые могут быть важны для реакции на стресс — скажем, как растение реагирует на тепловой стресс», - сказал Лехти-Ши. «Модель может помочь предсказать, какие гены являются наиболее важными».

В достижении своих научных целей — использовании машинного обучения для прогнозирования функций генов — команда также стремится продемонстрировать весь спектр возможностей ИИ в качестве исследовательского инструмента научному сообществу. Как часто делают первопроходцы, исследователи столкнулись с трудностями в том, чтобы заставить других принять их идеи.

«Когда я впервые пришел в МГУ и заинтересовался машинным обучением, потребовалось пять лет, чтобы опубликовать нашу первую работу с его использованием. Биология и компьютерные науки имеют совершенно разные подходы», - сказал Ши.

Этот проект был бы невозможен без IT-специалистов, которые работают в тандеме с биологами.

«Я надеюсь, что это поможет большему числу исследователей применять искусственный интеллект в этой области», - сказал Тан. - «Я рад продемонстрировать его потенциал и перспективы».