Χάρη στην τεχνητή νοημοσύνη, οι ερευνητές αναβάθμισαν το εσωτερικό σύστημα «συναγερμού» των φυτών για να αποκρούουν παθογόνα.
Οι επιστήμονες χρησιμοποίησαν την τεχνητή νοημοσύνη για να αναβαθμίσουν το ανοσοποιητικό σύστημα των φυτών, κάτι που ενδέχεται να φέρει επανάσταση στον τρόπο με τον οποίο καλλιέργειες όπως οι ντομάτες και οι πατάτες αμύνονται ενάντια σε επιβλαβή βακτήρια. Μέσω της ανακατασκευής των υποδοχέων των φυτών που αναγνωρίζουν βακτηριακές απειλές, ενισχύουν την ανθεκτικότητα των φυτών και τα προετοιμάζουν για ένα μέλλον με πιο ανθεκτικές καλλιέργειες.
Η τεχνητή νοημοσύνη δίνει στα φυτά μια ισχυρή ανοσολογική ώθηση, βοηθώντας τα να αντιμετωπίσουν βακτηριακές απειλές που εξελίσσονται πολύ γρήγορα.
Επιστήμονες στο Πανεπιστήμιο της Καλιφόρνια, Davis, χρησιμοποίησαν την τεχνητή νοημοσύνη για να βοηθήσουν τα φυτά να αναγνωρίζουν ένα ευρύτερο φάσμα βακτηριακών απειλών, κάτι που μπορεί να οδηγήσει σε νέους τρόπους προστασίας καλλιεργειών όπως της ντομάτας και της πατάτας από καταστροφικές ασθένειες.
Η μελέτη δημοσιεύτηκε στο περιοδικό Nature Plants.
Όπως τα ζώα, έτσι και τα φυτά διαθέτουν ανοσοποιητικό σύστημα. Μέρος του αμυντικού τους «οπλοστασίου» περιλαμβάνει υποδοχείς του ανοσοποιητικού, οι οποίοι τους επιτρέπουν να εντοπίζουν βακτήρια και να αμύνονται. Ένας από αυτούς τους υποδοχείς, ο FLS2, βοηθά τα φυτά να αναγνωρίζουν τη φλαγγελίνη, μια πρωτεΐνη που βρίσκεται στις μικροσκοπικές ουρές που χρησιμοποιούν τα βακτήρια για να κολυμπούν.
Όμως τα βακτήρια εξελίσσονται συνεχώς για να αποφεύγουν τον εντοπισμό. «Τα βακτήρια βρίσκονται σε αγώνα εξοπλισμών με τα φυτά-ξενιστές τους και μπορούν να αλλάζουν τα βασικά αμινοξέα στη φλαγγελίνη για να αποφεύγουν την ανίχνευση», δήλωσε η κύρια συγγραφέας Gitta Coaker.
Για να βοηθήσει τα φυτά να συμβαδίζουν, η ομάδα της Coaker κατέφυγε στη χρήση φυσικής ποικιλομορφίας σε συνδυασμό με τεχνητή νοημοσύνη, συγκεκριμένα χρησιμοποίησε το εργαλείο AlphaFold, που έχει σχεδιαστεί για την πρόβλεψη της τρισδιάστατης δομής πρωτεϊνών, και ανακατασκεύασε τον FLS2, αναβαθμίζοντας ουσιαστικά το ανοσοποιητικό του σύστημα ώστε να εντοπίζει περισσότερους εισβολείς.
Η ομάδα επικεντρώθηκε σε υποδοχείς που ήταν ήδη γνωστό ότι αναγνωρίζουν περισσότερα βακτήρια, ακόμα κι αν δεν απαντώνται σε χρήσιμα καλλιεργήσιμα είδη. Συγκρίνοντάς τους με πιο περιορισμένους υποδοχείς, οι ερευνητές κατάφεραν να εντοπίσουν ποια αμινοξέα πρέπει να αλλάξουν.
Η Coaker δήλωσε πως αυτό ανοίγει τον δρόμο για την ανάπτυξη ευρείας φάσης ανθεκτικότητας σε ασθένειες μέσω προγνωστικού σχεδιασμού.
Ένας από τους βασικούς στόχους των ερευνητών είναι μια σοβαρή απειλή για τις καλλιέργειες: το Ralstonia solanacearum, το βακτήριο που προκαλεί βακτηριακό μαρασμό. Ορισμένα στελέχη αυτού του παθογόνου εδάφους μπορούν να μολύνουν περισσότερα από 200 είδη φυτών, περιλαμβανομένων βασικών καλλιεργειών όπως η ντομάτα και η πατάτα.
Κοιτώντας προς το μέλλον, η ομάδα αναπτύσσει εργαλεία μηχανικής μάθησης για να προβλέπει ποιοι υποδοχείς του ανοσοποιητικού αξίζει να τροποποιηθούν. Προσπαθεί επίσης να μειώσει τον αριθμό των αμινοξέων που χρειάζεται να αλλάξουν. Αυτή η προσέγγιση θα μπορούσε να χρησιμοποιηθεί για την ενίσχυση της ικανότητας ανίχνευσης και άλλων υποδοχέων του ανοσοποιητικού με παρόμοια στρατηγική.
Η έρευνα χρηματοδοτήθηκε από τα Εθνικά Ινστιτούτα Υγείας (NIH) και το Εθνικό Ινστιτούτο Τροφίμων και Γεωργίας του Υπουργείου Γεωργίας των Ηνωμένων Πολιτειών (USDA).
