그린-X
인공지능은 기후변화 대응 식물설계에 도움이 됩니다
기후 변화에 관한 정부간 협의체(IPCC)는 이제 기후 변화에 맞서 싸우고 지구 온도 상승을 제한하는 데 대기에서 탄소를 제거하는 것이 필수적이라고 선언했습니다.
이러한 노력을 지원하기 위해 솔크 연구소의 과학자들은 더 오랜 기간 동안 더 많은 탄소를 저장하도록 뿌리 시스템을 최적화하여 공기 중에서 이산화탄소를 빨아들이는 식물의 자연적인 능력을 활용하고 있습니다.
이러한 기후 보호 식물을 설계하기 위해 Salk의 Harnessing Plants Initiative의 과학자들은 뿌리 성장의 여러 기능을 추적하는 사용하기 쉬운 인공 지능(AI) 소프트웨어인 SLEAP라는 정교한 새 연구 도구를 사용하고 있습니다. Salk Fellow인 Talmo Pereira가 만든 SLEAP는 처음에 실험실에서 동물의 움직임을 추적하도록 설계되었습니다. 이제 Pereira는 식물 과학자이자 Salk의 동료인 Wolfgang Busch 교수와 팀을 이루어 SLEAP을 식물에 적용했습니다.
Plant Phenomics에 발표된 연구에서 Busch (부쉬)와 Pereira는 SLEAP를 사용하여 식물 뿌리 표현형(식물 뿌리가 얼마나 깊고 넓게 자라는지, 뿌리 시스템이 얼마나 거대해지는지, SLEAP 이전에는 측정하기 어려웠던 기타 물리적 특성)을 분석하기 위한 새로운 프로토콜을 선보였습니다. SLEAP를 식물에 적용함으로써 연구자들은 이미 현재까지 가장 광범위한 식물 뿌리 시스템 표현형 카탈로그를 구축할 수 있었습니다.
더욱이, 이러한 물리적 뿌리 시스템 특성을 추적하면 과학자들이 이러한 특성과 관련된 유전자를 찾는 데 도움이 될 뿐만 아니라 여러 뿌리 특성이 동일한 유전자에 의해 결정되는지 또는 독립적으로 결정되는지 여부를 알 수 있습니다. 이를 통해 Salk 팀은 어떤 유전자가 식물설계에 가장 유익한지 결정할 수 있습니다.
"이 협력은 솔크 과학을 특별하고 영향력 있게 만드는 것이 무엇인지에 대한 진정한 증거입니다"라고 Pereira는 말합니다. "우리는 단순히 서로 다른 학문 분야를 '차용'하는 것이 아니라 부분의 합보다 더 큰 것을 창조하기 위해 실제로 동등한 위치에 놓는 것입니다."
SLAP를 사용하기 전에는 식물과 동물의 물리적 특성을 추적하려면 많은 노력이 필요했기 때문에 과학 과정이 느려졌습니다. 연구원이 식물의 이미지를 분석하려면 이미지에서 식물과 식물이 아닌 부분을 프레임별, 부분별, 픽셀별로 수동으로 플래그를 지정해야 합니다. 그래야만 기존 AI 모델을 적용하여 이미지를 처리하고 플랜트 구조에 대한 데이터를 수집할 수 있습니다.
SLEP을 차별화하는 것은 컴퓨터 비전(컴퓨터가 이미지를 이해하는 능력)과 딥 러닝(컴퓨터가 인간의 두뇌처럼 학습하고 작동하도록 훈련하는 AI 접근 방식)을 모두 독특하게 사용한다는 것입니다. 이 조합을 통해 연구원은 픽셀 단위로 이동하지 않고도 이미지를 처리할 수 있으며, 대신 이 중간 노동 집약적 단계를 건너뛰고 이미지 입력에서 정의된 식물 특성으로 바로 이동할 수 있습니다.
Busch(부쉬) 연구소의 생물정보학 분석가인 제1저자 Elizabeth Berrigan은 "우리는 접근성과 사용 편의성을 강조하면서 분석 시간과 인적 오류를 줄이는 여러 플랜트 유형에서 검증된 강력한 프로토콜을 만들었으며, 실제 SLEAP 소프트웨어를 변경할 필요가 없었습니다"라고 말합니다.
SLEAP의 기본 기술을 수정하지 않고 연구원들은 sleap-roots라는 SLEAP용 다운로드 가능한 툴킷을 개발했습니다. SLEAP는 슬립 루트를 사용하여 깊이, 질량 및 성장 각도와 같은 뿌리 시스템의 생물학적 특성을 처리할 수 있습니다.
연구팀은 콩, 쌀, 카놀라와 같은 작물 식물과 겨자과의 꽃이 피는 잡초인 애기장대(Arabidopsis thaliana)를 포함한 다양한 식물에서 도약 뿌리 패키지를 테스트했습니다. 연구진은 실험한 다양한 식물에 걸쳐, 새로운 SLEAP 기반 방법이 기존 방식보다 1.5배 더 빠르게 주석을 달고, AI 모델을 10배 더 빠르게 훈련하고, 새로운 데이터에 대해 10배 더 빠르게 식물 구조를 예측하는 등 기존 방식보다 성능이 우수하다는 사실을 발견했습니다.
많은 수의 작물 품종에서 유전자형 데이터를 설명하기 위한 대규모 게놈 시퀀싱 노력과 함께 특히 토양 깊숙한 곳에서 자라는 식물의 뿌리 시스템과 같은 이러한 표현형 데이터를 외삽하여 특히 깊은 뿌리 시스템을 만드는 유전자를 이해할 수 있습니다.
표현형과 유전자형을 연결하는 이 단계는 더 깊고 튼튼하게 설계된 뿌리 시스템이 필요하기 때문에 더 많은 탄소를 더 오래 보유하는 식물을 만들려는 Salk의 사명에 매우 중요합니다. 이 정확하고 효율적인 소프트웨어를 구현하면 Harnessing Plants Initiative는 바람직한 표현형을 표적화 가능한 유전자에 획기적으로 쉽고 빠르게 연결할 수 있습니다.
"우리는 이미 현재까지 가장 광범위한 식물 뿌리 시스템 표현형 카탈로그를 만들 수 있었으며, 이는 기후 변화에 맞서 싸우는 탄소 포집 식물을 만들기 위한 연구를 가속화하고 있습니다"라고 Salk의 Hess 식물 과학 의장인 Busch (부쉬)는 말합니다. "SLEAP는 Talmo의 전문적인 소프트웨어 설계 덕분에 적용과 사용이 매우 쉬웠으며, 앞으로 제 연구실에서 없어서는 안 될 도구가 될 것입니다."
접근성과 재현성은 SLEAP와 sleap-roots를 만들 때 Pereira가 가장 중요하게 생각한 부분이었습니다. 소프트웨어와 sleap-roots 툴킷은 무료로 사용할 수 있기 때문에 연구자들은 sleap-root가 전 세계에서 어떻게 사용될지 기대하고 있습니다. 이미 그들은 NASA 과학자들과 논의를 시작했으며, 이 도구를 지구의 탄소 격리 식물을 안내하는 데 도움이 될 뿐만 아니라 우주의 식물을 연구하는 데 활용하기를 희망하고 있습니다.
이상의 기사는 2024년 4월 24일 Phys.org에 게재된 “Artificial intelligence helps scientists engineer plants to fight climate change”제목의 기사 내용을 편집하여 작성하였습니다.
* 원문정보 출처 : https://phys.org/news/2024-04-artificial-intelligence-scientists-climate.html
* 추가정보 출처 : https://spj.science.org/doi/10.34133/plantphenomics.0175