Investigadores del Berkeley Lab aprovechan el poder de la inteligencia artificial para analizar las raíces de las plantas

Las raíces desempeñan un papel fundamental en el ciclo de vida de las plantas, incluida la absorción de agua, la absorción de nutrientes, la interacción con el suelo, la estabilidad y la adaptación a las condiciones ambientales cambiantes. A pesar de los grandes avances en botánica, los investigadores han luchado por comprender completamente las estructuras complejas, la dinámica de crecimiento y las respuestas al estrés ambiental de la mitad oculta de las plantas vivas.

En un estudio destinado a aumentar los rendimientos agrícolas y desarrollar plantas resistentes al clima, los investigadores del Laboratorio de Berkeley presentan RhizoNet, una herramienta computacional que aprovecha el poder de la inteligencia artificial para transformar el análisis de las raíces de las plantas y permitir a los científicos descubrir nuevos conocimientos sobre el comportamiento de las raíces en diferentes condiciones. condiciones ambientales.

La investigación fue realizada por los Departamentos de Matemática Aplicada e Investigación Computacional (AMCR) del Laboratorio Nacional Lawrence Berkeley (Berkeley Lab) y Genómica Ambiental y Biología de Sistemas (EGSB).

(Nikolnino/Shutterstock)

La herramienta impulsada por IA, descrita en detalle en El artículo fue publicado en Scientific Reports., está diseñado para automatizar el proceso de análisis de raíces para proporcionar una precisión sin precedentes. Utiliza un enfoque avanzado de aprendizaje profundo basado en una red neuronal convolucional, lo que le permite segmentar las raíces de las plantas para una evaluación integral de la biomasa y el crecimiento.

Los métodos tradicionales para analizar las raíces de las plantas, como los basados ​​en escáneres de superficie plana y métodos de segmentación manual, requieren mucha mano de obra y son propensos a errores humanos. También limitan la capacidad de los científicos para capturar los detalles finos del crecimiento y comportamiento de las raíces, especialmente para sistemas de raíces complejos. Ahora, con RhizoNet, los investigadores tienen una herramienta para rastrear el crecimiento de las raíces y la biomasa con mayor precisión.

“La capacidad de RhizoNet para unificar la segmentación de raíces y el fenotipado representa un avance importante en el análisis sistemático y acelerado de miles de imágenes. Esta innovación es fundamental en nuestros esfuerzos continuos para mejorar la precisión en la captura de la dinámica de crecimiento de las raíces en diversas condiciones de las plantas.

Los principales desafíos al analizar las raíces de las plantas son la naturaleza compleja de la estructura de la raíz y la presencia de «fondos ruidosos» como burbujas, gotas, reflejos y sombras que pueden complicar la segmentación de la imagen de la raíz. En algunos casos, las microestructuras tienen sólo un píxel de ancho, lo que hace que sea muy difícil incluso para los mejores anotadores humanos.

Para abordar este problema, RhizoNet se ha mejorado con la última versión de EcoFAB, un dispositivo hidropónico único que facilita la obtención de imágenes de plantas in situ. Este dispositivo fue desarrollado por EGSB, el Instituto Conjunto del Genoma (JGI) del Departamento de Energía y la División de Ciencias del Clima y los Ecosistemas del Laboratorio de Berkeley. EcoFAB puede proporcionar imágenes detalladas de los sistemas de raíces, eliminando las complejidades de las anotaciones manuales y los métodos de imágenes tradicionales.

El artículo de Scientific Reports describe cómo los investigadores del Berkeley Lab utilizaron RhizoNet y EcoFAB para analizar escaneos de raíces de plantas de Brachypodium distachyon en diferentes condiciones durante un período de cinco semanas. La naturaleza de alto rendimiento de EcoBOT, el nuevo sistema de adquisición de imágenes para EcoFAB, permitió a los investigadores realizar un seguimiento experimental sistemático.

«Hemos progresado mucho en la reducción del trabajo manual involucrado en el cultivo de plantas con EcoBOT, y ahora RhizoNet reduce el trabajo manual involucrado en el análisis de los datos resultantes», señaló Peter Ander, científico investigador de EGSB y uno de los miembros de la compañía. investigadores. El desarrollador principal de EcoBOT, que colaboró ​​con Ushizima en este trabajo. «Esto aumenta nuestra productividad y nos acerca al objetivo de los laboratorios autónomos».

La precisión y eficiencia de RhizoNet están preparadas para hacer avanzar los esfuerzos de investigación hacia estudios de plantas más eficientes y profundos. Sin embargo, la nueva tecnología no está exenta de desafíos.

Existe preocupación por estandarizar la interpretación de los datos generados por algoritmos de inteligencia artificial. Los investigadores deberán asegurarse de que los resultados del modelo de IA sean reproducibles y precisos en diferentes órganos y especies de plantas. Además, tendrán que cubrir la necesidad de validación y mejora continua para mantener la eficacia de la herramienta en el tiempo.

Aunque existen desafíos al usar RhizoNet en diferentes entornos, todavía representa un cambio de paradigma en el análisis de techos de plantas. Los investigadores ahora cuentan con una poderosa herramienta para explorar las dimensiones ocultas de la biología de las raíces. Puede conducir a soluciones para mejorar la productividad de los cultivos, la resiliencia al cambio climático, la agricultura sostenible y otros beneficios.

«Nuestros próximos pasos incluyen mejorar las capacidades de RhizoNet para mejorar aún más la detección de patrones de raíces y ramificaciones de las plantas», dijo Ushishima. «También vemos el potencial de adaptar y aplicar estos algoritmos de aprendizaje profundo a las raíces del suelo, así como a nuevas investigaciones científicas de materiales».

Artículos relacionados

La Inteligencia Artificial está salvando el planeta este Día de la Tierra

La IA cambiante ofrece un primer vistazo a un marco ecológico que desentraña las afirmaciones de sostenibilidad en el sector financiero.

Ser ecológico en la era de la inteligencia artificial: una necesidad para las aplicaciones de alto rendimiento

Relacionado