以次世代人工智慧技術加速孕育抗性作物品系
414
文章來源 : 農業科技決策資訊平台 2019-11-21
傳統農業生產在氣候變遷的衝擊下，逐漸受全球暖化、極端氣候等改變，許多作物品系(種)因無法適應當下的環境衝擊，使得農糧產值下降，造成區域農糧生產、全球性糧食安全及生態系服務受破壞等問題。為培育出具新興抗病、抗逆境等性狀之作物品系，許多研究早已開始已著手針對作物的基因體(genomics)、蛋白質體(proteomics)、代謝體(metabolomics)等體學(omics)方面展開大規模的研究，由於在體學的研究上，會獲得海量的數據，因此大數據分析與人工智慧技術(artificial intelligence，簡稱AI)即成為其中的重要工具。隸屬於美國能源局(United States Department of Energy，簡稱DOE)橡樹嶺國家實驗室(Oak Ridge National Laboratory，簡稱ORNL)的研究團隊近年便針對人工智慧在植物選育與生質能源(bioenergy)方面進行大量的研究應用，並對近期的應用成果展開一系列的回顧。【延伸閱讀】阿里巴巴挑戰開發人工智能養豬技術
研究團隊在一篇已發表的回顧性文章(review article)中提到，除了擁有資料調查(surveying)、資料分類(classifying)等基本人工智慧功能外，次世代(next-generation)人工智慧更具備較佳的資料分析(analysis)、資料整合(integration)、資料解釋(interpretation)等能力。研究團隊在文章中詳細解構近期研究關於作物基因體研究方面，如何運用人工智慧建立植物基因型與表現型之間的關聯，包括以高通量(high-throughput)技術取得之基因體遺傳資訊，以及運用無人飛行載具、無人地面載具、衛星遙測技術、傳感器遠端應用等資通訊設備在田間獲取之作物表現體(phenomics)性狀資訊，以此建立基因體與表現體之間的連結，並實際應用在作物選育方面。
除文獻回顧外，研究團隊近期將研究重點放在基因體選種(genomic selection)相關之演算法(algorithm)方面研究，建立可解釋性人工智慧(explainable AI)，試圖突破現有之人工智慧侷限。研究團隊也希望能藉由近期的文獻回顧與實際研究應用，找出基因體學、蛋白質體學等各個體學之間的連結，克服選育方面之屏障並培育出抗性作物。
該研究由歐盟、義大利教育部、美國能源部等方面之經費資助，詳細回顧性文章內容已發表在<Trends in Biotechnology>。
資料來源
0 則留言
