Os cientistas do Salk Institute estão a utilizar um software de IA, o SLEAP, para desenvolver plantas com sistemas radiculares melhorados que possam capturar e armazenar mais carbono, alinhando-se com os esforços globais para combater as alterações climáticas. Esta ferramenta melhorou significativamente a eficiência e a precisão da análise de fenótipos e genótipos de plantas, acelerando a criação de plantas sequestradoras de carbono eficazes. Crédito: Instituto Salk
Uma parceria única na Salk aproveita o software de aprendizagem profunda conhecido como SLEAP para estudar as características das plantas, acelerando o desenvolvimento de plantas que podem combater as alterações climáticas.
O Painel Intergovernamental sobre Alterações Climáticas (IPCC) afirmou que a remoção de carbono é crucial para combater as alterações climáticas e manter sob controlo o aumento da temperatura global. Em linha com isto, os cientistas da Salk estão a aproveitar a capacidade natural das plantas para absorver dióxido de carbono, melhorando os seus sistemas radiculares. Esta otimização visa aumentar a quantidade de carbono armazenado e prolongar a duração do seu armazenamento.
Para projetar essas plantas que salvam o clima, os cientistas da Iniciativa de Aproveitamento de Plantas de Salk estão usando uma nova e sofisticada ferramenta de pesquisa chamada DORMIR—um software de inteligência artificial (IA) fácil de usar que rastreia vários recursos de crescimento radicular. Criado pelo Salk Fellow Talmo Pereira, o SLEAP foi inicialmente projetado para rastrear movimentos de animais em laboratório. Agora, Pereira se uniu ao cientista de plantas e colega de Salk, Professor Wolfgang Busch, para aplicar o SLEAP às plantas.
SLEAP e sleap-roots prevêem como as diferentes partes das raízes das plantas se conectam entre si, analisando a geometria das raízes. Crédito: Instituto Salk
Pesquisa Avançada com SLEAP
Em um estudo publicado em Fenomia Vegetal, Busch e Pereira lançam um novo protocolo para usar o SLEAP para analisar fenótipos de raízes de plantas – quão profundas e largas elas crescem, quão massivos se tornam seus sistemas radiculares e outras qualidades físicas que, antes do SLEAP, eram tediosas de medir. A aplicação do SLEAP às plantas já permitiu aos pesquisadores estabelecer o mais extenso catálogo de fenótipos de sistemas radiculares de plantas até o momento.
Além do mais, rastrear essas características físicas do sistema radicular ajuda os cientistas a encontrar genes afiliados a essas características, bem como se múltiplas características radiculares são determinadas pelos mesmos genes ou de forma independente. Isso permite que a equipe Salk determine quais genes são mais benéficos para os projetos de suas plantas.
“Esta colaboração é verdadeiramente uma prova do que torna a ciência Salk tão especial e impactante”, afirma Pereira. “Não estamos apenas ‘pegando emprestado’ de diferentes disciplinas – estamos realmente colocando-as em pé de igualdade para criar algo maior do que a soma de suas partes.”
A partir da esquerda: Talmo Pereira, Elizabeth Berrigan e Wolfgang Busch. Crédito: Instituto Salk
Antes de usar o SLEAP, rastrear as características físicas de plantas e animais exigia muito trabalho, o que retardava o processo científico. Se os pesquisadores quisessem analisar a imagem de uma planta, precisariam sinalizar manualmente as partes da imagem que eram ou não plantas – quadro a quadro, parte por parte, pixel por pixel. Só então os modelos de IA mais antigos poderiam ser aplicados para processar a imagem e coletar dados sobre a estrutura da planta.
O que diferencia o SLEAP é o uso exclusivo da visão computacional (a capacidade dos computadores de compreender imagens) e do aprendizado profundo (uma abordagem de IA para treinar um computador para aprender e trabalhar como o cérebro humano). Essa combinação permite que os pesquisadores processem imagens sem mover pixel por pixel, em vez disso, pulando essa etapa intermediária de trabalho intensivo para pular direto da entrada da imagem para as características definidas da planta.
“Criamos um protocolo robusto validado em vários tipos de plantas que reduz o tempo de análise e o erro humano, ao mesmo tempo em que enfatiza a acessibilidade e a facilidade de uso.e não foram necessárias alterações no software SLEAP real”, diz a primeira autora Elizabeth Berrigan, analista de bioinformática no laboratório de Busch.
Impacto do SLEAP no melhoramento de plantas
Sem modificar a tecnologia básica do SLEAP, os pesquisadores desenvolveram um kit de ferramentas para download para o SLEAP chamado raízes do sono (disponível como software de código aberto aqui). Com raízes do sonoo SLEAP pode processar características biológicas de sistemas radiculares como profundidade, massa e ângulo de crescimento.
A equipe Salk testou o raízes do sono pacote em uma variedade de plantas, incluindo plantas cultivadas como soja, arroz e canola, bem como a planta modelo espécies Arabidopsis thaliana—uma erva daninha da família da mostarda. Em toda a variedade de plantas testadas, eles descobriram que o novo método baseado em SLEAP superou as práticas existentes, anotando 1,5 vezes mais rápido, treinando o modelo de IA 10 vezes mais rápido e prevendo a estrutura da planta em novos dados 10 vezes mais rápido, todos com resultados iguais ou melhores. precisão do que antes.
Juntamente com esforços massivos de sequenciação do genoma para elucidar os dados genotípicos em um grande número de variedades de culturas, estes dados fenotípicos, como o sistema radicular de uma planta que cresce especialmente profundamente no solo, podem ser extrapolados para compreender os genes responsáveis pela criação desse sistema radicular especialmente profundo.
SLEAP e sleap-roots detectam automaticamente pontos de referência em toda a arquitetura do sistema raiz. Crédito: Instituto Salk
Esta etapa – conectar fenótipo e genótipo – é crucial na missão de Salk de criar plantas que retenham mais carbono e por mais tempo, já que essas plantas precisarão de sistemas radiculares projetados para serem mais profundos e robustos. A implementação deste software preciso e eficiente permitirá que a Harnessing Plants Initiative conecte fenótipos desejáveis a genes alvos com facilidade e velocidade inovadoras.
“Já conseguimos criar o mais extenso catálogo de fenótipos de sistemas radiculares de plantas até à data, o que está realmente a acelerar a nossa investigação para criar plantas captadoras de carbono que combatam as alterações climáticas”, afirma Busch, Hess Chair in Plant Science em Salk. “O SLEAP tem sido muito fácil de aplicar e usar, graças ao design de software profissional da Talmo, e será uma ferramenta indispensável em meu laboratório daqui para frente.”
Acessibilidade e reprodutibilidade estavam na mente de Pereira ao criar o SLEAP e raízes do sono. Porque o software e raízes do sono kit de ferramentas são de uso gratuito, os pesquisadores estão entusiasmados para ver como raízes do sono será usado em todo o mundo. Eles já iniciaram discussões com NASA cientistas que esperam utilizar a ferramenta não apenas para ajudar a orientar as plantas sequestradoras de carbono na Terra, mas também para estudar as plantas no espaço.
Na Salk, a equipe colaborativa ainda não está pronta para se separar – eles já estão embarcando em um novo desafio de análise de dados 3D com SLEAP. Esforços para refinar, expandir e compartilhar SLEAP e raízes do sono continuará nos próximos anos, mas seu uso na Iniciativa de Aproveitamento de Plantas de Salk já está acelerando projetos de plantas e ajudando o Instituto a causar impacto nas mudanças climáticas.
Referência: “Fenotipagem de raiz rápida e eficiente via estimativa de pose” por Elizabeth M. Berrigan, Lin Wang, Hannah Carrillo, Kimberly Echegoyen, Mikayla Kappes, Jorge Torres, Angel Ai-Perreira, Erica McCoy, Emily Shane, Charles D. Copeland, Lauren Ragel, Charidimos Georgousakis, Sanghwa Lee, Dawn Reynolds, Avery Talgo, Juan Gonzalez, Ling Zhang, Ashish B. Rajurkar, Michel Ruiz, Erin Daniels, Liezl Maree, Shree Pariyar, Wolfgang Busch e Talmo D. Pereira, 12 de abril de 2024, Fenomia Vegetal.
DOI: 10.34133/plantphenomics.0175
Outros autores incluem Lin Wang, Hannah Carrillo, Kimberly Echegoyen, Mikayla Kappes, Jorge Torres, Angel Ai-Perreira, Erica McCoy, Emily Shane, Charles Copeland, Lauren Ragel, Charidimos Georgousakis, Sanghwa Lee, Dawn Reynolds, Avery Talgo, Juan Gonzalez, Ling Zhang, Ashish Rajurkar, Michel Ruiz, Erin Daniels, Liezl Maree e Shree Pariyar de Salk.
O trabalho foi apoiado pelo Bezos Earth Fund, pela Hess Corporation, pelo TED Audacious Project e pelo Instituto Nacional de Saúde (RF1MH132653).
