ICRISAT пропонує поєднати "пангенетику" та ШІ-прогнозування для точнішого дизайну сортів

Ідея - звести в одну систему функціональну геноміку, різноманіття генбанків і сучасні методи машинного навчання, щоб швидше відбирати перспективні лінії та підвищувати точність прогнозів складних ознак. Про це повідомляє  ІП "Кур'єр" з посиланням на Аграрії разом та Agropages.

Міжнародний інститут дослідження культур напівпосушливих тропіків (ICRISAT) спільно з науковцями з Leibniz Institute of Plant Genetics and Crop Plant Research (IPK, Німеччина) та University of Queensland (Австралія) опублікував у журналі Molecular Plant стратегічний матеріал про те, як інтеграція «пангенетики» з AI-прогнозуванням може змінити підходи до селекції культур.

У публікації описано типову проблему сучасної селекції. З одного боку, геномне прогнозування добре «вловлює» статистичні закономірності та кореляції для складних ознак (наприклад, урожайність), але часто не враховує біологічні взаємозв’язки між компонентними ознаками, які разом формують продуктивність рослини - зокрема компроміси та взаємодії між урожайністю, якістю зерна і стійкістю до стресів.

З іншого боку, підходи, що спираються на функціональну біологію, дають механістичні й причинно-наслідкові пояснення регуляції ознак, однак нерідко підтверджені в обмежених генетичних фонах і умовах середовища. Автори вважають, що поєднання цих двох «траєкторій» - молекулярної та кількісної генетики - відкриває можливість цілеспрямованіше проєктувати ідеотипи під конкретні середовища, виробничі системи та ринкові вимоги.

У статті просувається концепція pangenetics - підхід, який виходить за межі пангеноміки, оскільки намагається пов’язати геномну мінливість із функціональною біологією ознак. Такі «біологічно поінформовані» геномні ознаки пропонується включати в AI-моделі прогнозування, зокрема в архітектури глибинного навчання.

Очікуваний ефект від такого поєднання, за логікою авторів, - підвищення точності прогнозів, ефективніша ідентифікація перспективних селекційних ліній і прискорення генетичного прогресу.

У ICRISAT наголошують, що їхні селекційні програми охоплюють шість культур і генерують великі масиви геномних і феномних даних. У межах запропонованої «дорожньої карти» інтеграція ШІ з біологічними даними розглядається як спосіб швидше переводити біологічні відкриття у масштабовані селекційні рішення. Окремо згадано, що інститут уже розвиває компоненти цього бачення через великомасштабну геноміку генбанків, розробку пангеномів, пошук ознак і дослідження AI-асистованого прогнозного добору.

«Ця стратегія представляє трансформаційне бачення для селекції культур. Коли AI-прогнозування інтегрується з функціональною геномікою та величезним різноманіттям, збереженим у генбанках, це може сформувати наступну еру поліпшення культур», - заявив генеральний директор ICRISAT Хіманшу Патхак.

«Селекційні програми ICRISAT охоплюють шість культур і генерують великі обсяги геномних і феномних даних. Інтегруючи ШІ з біологією, як описано в цій дорожній карті, ми можемо перевести біологічні відкриття у масштабовані рішення для поліпшення культур у значно коротші строки», - зазначив заступник гендиректора з досліджень та інновацій ICRISAT Стенфорд Блейд.

Автори підкреслюють, що реалізація такого підходу потребуватиме міждисциплінарної співпраці (геноміка, селекція, фізіологія, ШІ та data science), інвестицій у платформи обміну даними, відповідального управління геномними ресурсами та розвитку компетенцій у наступного покоління дослідників.
«Дослідження позиціонує ШІ не просто як обчислювальний інструмент, а як об’єднувальну рамку, здатну поєднати біологічні відкриття з масштабованими селекційними рішеннями», - сказав Маніш К. Пандей, провідний науковець ICRISAT (Genebank & Trait Discovery).

Роботу над цією стратегією, за інформацією авторів, підтримали Department of Biotechnology уряду Індії, ICAR (через спільну програму ICAR–ICRISAT), Gates Foundation, Crop Trust, CGIAR Genebanks Accelerator, CGIAR Science Program on Breeding for Tomorrow та ініціатива VACS (Vision for Adapted Crops and Soils).
Підготувала Рина ТЕНІНА