الذكاء الاصطناعي يفك شيفرة جينومات النباتات باستخدام التحليلات اللغوية

• الذكاء الاصطناعي يساعد في تسهيل المشاريع وتفسير التفاصيل المعقدة للنباتات

أصبح الحمض النووي النباتي رائدًا في مجال الذكاء الاصطناعي، إذ تُحوّل نماذج لغوية ضخمة التسلسلات الجينية إلى محتوى قابل للتفسير للباحثين. تُعامل هذه الأدوات القواعد الجينية كالكلمات، كاشفةً عن أنماط خفية كانت في السابق بعيدة المنال عن الطرق التقليدية.

وتصف دراسة نشرتها الدكتورة ميلينج زو من جامعة هاينان كيف تقوم النماذج القائمة على اللغة بتفسير الجينومات النباتية الواسعة بدقة ملحوظة. وقد قام الفريق بتحليل البيانات لإظهار أن هذه الأساليب قادرة على اكتشاف الوظائف والعناصر التنظيمية.

نُشرت الدراسة في مجلة النباتات الاستوائية.

فك شفرة الحمض النووي للنبات مثل اللغة

قالت الدكتورة زو: “من خلال الاستفادة من أوجه التشابه البنيوية بين التسلسلات الجينومية واللغة الطبيعية، يمكن لهذه النماذج التي تعتمد على الذكاء الاصطناعي فك تشفير المعلومات الجينية المعقدة، مما يوفر رؤى غير مسبوقة في علم الأحياء النباتية”.

ويرى الخبراء وجود تشابه بين الحمض النووي واللغة المكتوبة، وهو ما يساعد على تفسير التسلسلات المعقدة بشكل أفضل.

وتوضح الدراسات التي أجريت على المحاصيل وأقاربها البرية أن هذه النماذج تتعامل مع مجموعات البيانات الضخمة بسرعة أكبر من الخوارزميات التقليدية. كما أنها تحتاج إلى عدد أقل من العلامات اليدوية، مما يسمح بدراسة النباتات غير النموذجية بموارد أقل.

تحديات قراءة الحمض النووي النباتي

غالبًا ما تحتوي النباتات على أجزاء متكررة وكميات كبيرة من الحمض النووي غير المُرمِّز، ما يجعل قراءة الجينوم أكثر تعقيدًا. ويتطلب ذلك أدوات قادرة على معالجة مليارات القواعد دون إغفال التفاعلات البعيدة التي تؤثر في الصفات النباتية.

وتعتمد الأساليب القديمة على شرائح محدودة من البيانات، مما قد يُغفل إشارات مهمة. في المقابل، تربط النماذج اللغوية مناطق متباعدة من الجينوم، كاشفةً كيف تتحد جينات معينة لتشكيل التكيف والنمو.

ويُجري الباحثون حاليًا دراسات على أنواع نباتية استوائية تزدهر في البيئات الحارة والرطبة، إذ قد تحتوي على جينات تُعزز تحملها للإجهاد، ما قد يدعم استراتيجيات زراعية عالمية جديدة.

وقالت زو: “هذا التقدم يبشر بتسريع تحسين المحاصيل، وتعزيز الحفاظ على التنوع البيولوجي، ودعم الأمن الغذائي في مواجهة التحديات العالمية”.

بدأت نماذج الذكاء الاصطناعي وتربية النباتات

الكبيرة في التوسع من علم الوراثة نماذج بشرية وحيوانية إلى التكيفات النباتية، بفضل تعاونها المتقدم على مجموعات البيانات الجينومية الضخمة.

ويمكن لهذه التنبؤات أن تحفز فقط ما لا يوجد بالصفات المهمة، مما يحدد التكاليف والوقت لتطوير أنواع جديدة.

المجموعة ما دمج علم الجينوم مع علم القرون، وعلم النسخ، ومصادر بيانات أخرى. وتستطيع نسخ اللغة الجمعة بين هذه المدخلات لكشف علاقاتها تتجاهلها التقليدية.

تُعزز قواعد البيانات المفتوحة تعزيز البحث التوسعي

في متطلبات بيانات الجينوم الحيواني المفتوح المصدر، مثل Phytozome وGramene وTAIR، حيث يوفر باحثين بيانات تسلسلية واضحة للأنماط الظاهرية لمئات النباتات، ما يقدم تفسيرات منطقية واسعة.

ومع استخدام التعلم الانتقالي، يمكن تعديل النماذج بسرعة مع أنواع نباتية جديدة، حتى في ظل ما يشبه البيانات.

وساعدت هذه الاكتشافات على الاكتشافات الهامة ذات الصلة بالجفاف، أو مواعيد الإزهار، أو مؤشرات الجراثيم، الخاصة في المحاصيل غير المدروسة الجيدة والمهمة للزراعة البيئية.

يمكن استخدام حلول تسلسلية أصغر للتعرف

على نطاق واسع من خلال بعض الأبحاث العلمية المبتكرة البعيدة. ومع ذلك، فإن العلامات الحيوية قد تفصلها عدة مرات عن بعض النصائح، وقد طورت أطرًا جديدة تمكنك من المساهمة بشكل أقل في التحليل.

وتسهم هذه الأدوات في اكتشاف التفاعلات الخفية التي تُشكل صفات النباتات، وتساعد في رسم خرائط دقيقة للوظائف المتعددة.

ويطالب العلماء بخبرة عايير ملونة ومجموعات اختبار موحدة، إلى جانب التعاون بين خبراء الذكاء الاصطناعي والعلماء الاصطناعيين. وأريد أن تهتم بمفتاح غذاء المستقبل

لعدم استخدام هذه التكنولوجيات في تحسين المحاصيل، بل ستحرص على بذل الجهود في الأنواع، وتحقق نجاحها، واكتشاف كائنات نباتية جديدة.

ومن خلال قدراتها على التكيف الجيني السريع وتقرر من البيانات، تفتح اتجاهات عقلانية شاملة شاملة لفهم التعليمات العالمية والخبرة العلمية للنباتات، مما يساهم في تحقيق استدامة الإنتاج الزراعي بالإضافة إلى الأمن الغذائي.