Agronom Work

Wykryliśmy twoją lokalizację jako Stany Zjednoczone. Możesz zmienić swój kraj w każdej chwili.

Wybierz inny

Google DeepMind i ICRISAT tworzą atlas genomów roślin przy użyciu sztucznej inteligencji

Google DeepMind i ICRISAT tworzą atlas genomów roślin przy użyciu sztucznej inteligencji

Firma Google DeepMind nawiązała strategiczną współpracę z Międzynarodowym Instytutem Badań Upraw w Tropikach Półpustynnych (ICRISAT) w celu opracowania zaawansowanego, ogólnodostępnego atlasu genomów roślin. Wykorzystując modele sztucznej inteligencji i uczenia maszynowego, inicjatywa ma pomóc naukowcom oraz hodowcom w szybszym identyfikowaniu obiecujących kombinacji genetycznych. Ma to kluczowe znaczenie w obliczu rosnącej presji zmian klimatycznych na tradycyjne rolnictwo.

Dla agronomów i hodowców roślin głównym wyzwaniem w procesie tworzenia wysokoplonujących odmian jest czasochłonność i złożoność mapowania genomu oraz selekcji cech. ICRISAT specjalizuje się w uprawach kluczowych dla regionów suchych, takich jak sorgo, proso czy ciecierzyca, jednak metodologia oparta na sztucznej inteligencji wyznacza standardy, które mogą być adaptowane do głównych upraw europejskich. Narzędzia te pozwalają precyzyjnie wskazywać markery genetyczne odpowiedzialne za tolerancję na suszę i efektywne wykorzystanie składników odżywczych.

W warunkach rolnictwa europejskiego, gdzie rolniki coraz częściej zmagają się z anomaliami pogodowymi, falami upałów oraz restrykcjami dotyczącymi nawadniania i nawożenia, szybsze cykle hodowlane oznaczają szybszy dostęp do genetyki odpornościowej. Firmy nasienne i spółdzielnie rolnicze mogą dzięki temu skrócić czas wprowadzania innowacyjnych odmian na rynek, co bezpośrednio przekłada się na stabilność plonów w gospodarstwach.

Rozwój otwartych platform genomowych napędza cyfryzację sektora agritech, przesuwając akcent z tradycyjnych, kosztownych prób polowych na biologię predykcyjną. Umożliwienie szerszemu gronu badaczy dostępu do zaawansowanych narzędzi obliczeniowych wspiera globalne wysiłki na rzecz bezpieczeństwa żywnościowego. Sukces tych rozwiązań będzie jednak zależał od zdolności lokalnych programów hodowlanych do wdrażania wyników uczenia maszynowego w praktyce.

W perspektywie długoterminowej inicjatywa ta otwiera drogę do mapowania genomów kolejnych gatunków roślin uprawnych. Dla doradców agronomicznych i producentów rolnych oznacza to, że w nadchodzących latach na rynku pojawią się odmiany lepiej przygotowane na wyzwania związane ze zmieniającym się klimatem Europy Środkowej i Zachodniej.