人工智能提高植物观察的精度
人工智能 (AI) 可以帮助植物科学家收集和分析前所未有的大量数据，这是使用传统方法无法实现的。苏黎世大学 (UZH) 的研究人员现在利用大数据、机器学习和大学实验花园的实地观察来展示植物如何响应环境变化。
气候变化使得了解植物如何在不断变化的环境中生存和繁衍变得越来越重要。实验室的常规实验表明，植物会根据环境因素积累色素。迄今为止，此类测量是通过取样进行的，这需要移除植物的一部分，从而造成损坏。“当需要数千或数百万个样本时，这种劳动密集型方法并不可行。此外，重复采样会损害植物，进而影响植物对环境因素反应的观察。目前还没有一种合适的方法来长期观察生态系统中的单个植物，”该研究的第一作者 Reiko Akiyama 说。
在苏黎世大学研究优先计划(URPP)“行动中的进化”的支持下，一组研究人员现已开发出一种方法，使科学家能够非常精确地观察自然界中的植物。PlantServation 是一种结合了强大的图像采集硬件和基于深度学习的软件来分析现场图像的方法，它适用于任何天气。
数以百万计的图像支持鲁棒性的进化假设
研究人员使用 PlantServation 收集了苏黎世大学伊切尔校区实验田上拟南芥植物三个田间季节(从秋季到春季持续五个月)的(俯视图)图像，然后使用机器学习分析了超过 400 万张图像。这些数据记录了一种名为“花青素”的植物色素的物种特异性积累，作为对温度、光照强度和降水的季节性和年度波动的反应。
PlantServation 还使科学家能够通过实验复制杂种多倍体物种自然形成后发生的情况。这些物种是从其祖先的整个基因组的复制发展而来的，这是植物物种多样化的常见类型。许多野生和栽培植物如小麦和咖啡都是以这种方式起源的。
在本次研究中，杂种多倍体A. kamchatica的花青素含量与其两个祖先的花青素含量相似：从秋季到冬季，其花青素含量与起源于温暖地区的祖先物种相似，而从冬季到春季，其花青素含量与来自温暖地区的祖先物种的花青素含量相似。与寒冷地区的其他物种相似。“因此，研究结果证实，这些杂种多倍体结合了其祖先的环境反应，这支持了关于多倍体进化的长期假设，”该研究的两位通讯作者之一的清水稻笃理惠(Rie Shimizu-Inatsugi)说。
从伊切尔校区到偏远地区
PlantServation 是在苏黎世大学 Irchel 校区的实验园开发的。“能够利用 Irchel 园区的花园来开发 PlantServation 的硬件和软件对我们来说至关重要，但它的应用更进一步：当与太阳能结合时，它的硬件甚至可以在偏远地点使用。凭借其经济、强大的硬件和开源软件，PlantServation 为未来更多的生物多样性研究铺平了道路，这些研究利用人工智能来研究拟南芥以外的植物——从小麦等农作物到对环境发挥关键作用的野生植物。” URPP Evolution in Action 的通讯作者兼联合主任清水健太郎 (Kentaro Shimizu) 说道。
该项目是在苏黎世大学全球事务部和国际领先的全球战略与合作伙伴资助计划下，与专门从事人工智能图像分析的LPIXEL公司以及京都大学和东京大学等日本研究机构的跨学科合作。日本学术振兴会(JSPS)的研究补助金计划。该项目还获得了瑞士国家科学基金会(SNSF)的资助。
与京都大学建立战略合作伙伴关系
京都大学是 UZH 的战略合作伙伴大学之一。战略合作伙伴关系确保高潜力的研究合作将获得蓬勃发展所需的支持，例如通过苏黎世大学全球战略和合作伙伴资助计划。在过去的几年里，京都大学和苏黎世大学之间的多个联合研究项目已经获得了资助，其中包括“PlantServation”。
版权声明：本文由用户上传，如有侵权请联系删除！