Förbättrad avel av gräs med hjälp av AI

Kristina Bate Holmberg, Journalist
@uxconnections

Nu har forskare bevisat att det, med hjälp av artificiell intelligens, går att ta fram och effektivisera genomiska selektionsmetoder med hjälp av maskininlärning (AI). Med den nya metoden hoppas man på att kunna minska avelscyklerna och öka de genetiska vinsterna vid avling av sockerrör och fodergrässorter.

Den effektiviserade modellen publicerades i Scientific Reports tidigare i år. Modellen syftar på att avla på sockerrörs- och fodergrässorter samt förutsäga sorternas fältprestanda utifrån deras DNA. Den nya metoden är avsevärt mycket mer exakt än vad idag traditionellt använda tekniker är, vilket ger både genetiskt och ekonomiskt ökade vinster. Detta är första gången en mycket effektiv genomisk selektionsmetod baserad på maskininlärning har föreslagits för polyploida växter – där celler har mer än två kompletta uppsättningar kromosomer, såsom sockerrör.

Sockerrör

Hela 75 % av världens socker kommer från just sockerrör vilket gör grödan till ett viktigt baslivsmedel. Trots det är det komplicerat att förutse växtprestandan hos växten. Varför? Eftersom den är polyploid. Att förädla sockerrör på traditionellt sätt tar i dagsläget lite över ett decennium. Träffsäkerheten är låg. Som alltid är tid pengar, vilket gör att den traditionella aveln också är dyr.

Polyploditet

Sockerrör är som sagt en polyploid. En polyploid organism har fler än två uppsättningar kromosomer i varje cell såsom triploiditet och tetraploididitet. I djurriket är det förhållandevis ovanligt med polyploiditet, till skillnad från växtriket där fenomenet är vanligt förekommande.  Sockerrör som är polyploida kan, till skillnad från människans diploida uppsättning, ha upp till 12 kopior av varje kromosom. Därtill kan sockerrör ha mellan sex och 12 olika varianter av en och samma gen. Jämför detta med människan som bara kan ha två varianter av en gen – en från moderns och en från faderns sida. Att gå in och korrigera bland gener och kromosomer hos en diploid organism är svårt i sig. Att avla på polyploida växter såsom sockerrör och liknande växter är än svårare. 

Metoden som forskargruppen tagit fram är revolutionerande. Att använda sig av AI för att skapa en genomisk selektionsmetod som är så pass effektiv för polyploida växter, har aldrig tidigare gjorts. Hur effektiv är då denna nya metod? Maskininlärningen har påvisats kunna höja träffsäkerheten med hela 50 procent. Detta skulle kunna göra att avelsprojekt i framtiden kan påskyndas med flera år.

Den traditionella metoden

Traditionellt har man använt sig av korsning vid förädling och avel – både för djur och växter. Man väljer helt enkelt ut de sorter som har de mest önskvärda egenskaperna och korsar dem med varandra. Det kan handla om egenskaper som avkastning (skörd), resistens mot torka, väta, ohyra med mera. Efter korsning tar man avkomman och undersöker dess genetiska egenskaper när de är ute i fält.

Korsning som avelsteknik är kostsamt och tidskrävande, och har relativt lågt prediktiv kraft. Med den nya maskininlärningsmetoden för att göra genetiska urval, kan växtens egenskaper och kapacitet – såsom avkastning – förutsägas redan innan växten satts ut på fält för att gro. Detta tack vare analysen av det genetiska materialet som alltså ökar träffsäkerheten med 50 procent.  

Hur fungerar den nya metoden?

Först och främst, det är komplext med selektiva genetiska metoder. Inte minst i detta fall på grund av att sockerrör är polyploida och inte diploida. Förenklat kan man dock säga att inom maskininlärning används statistik hämtad från insamlade data, samt optimering. Med dessa verktyg får man fram datauppsättningar, med hjälp av vilka man utvecklar algoritmer som förutser genetiska urvalet. Algoritmerna berör alltså stora delar av växten genotyp.

Revolutionerande metod för fler arter

Hittills har grödor med polyploiditet och medföljande komplexitet, stått i vägen för metoder med ökad effektivitet och reducerade kostnader. Med den nya metoden, som visat på lovande resultat i forskningsprojektet, kan detta komma att förändras i framtiden. Den 50-procentigt ökade träffsäkerheten gör att det finns stora användningsområden. Metoden har god potential att ingå i avelsprogram för att effektivisera avelscykler och bistå med högre genetiska vinningar för sockerrör och fodergrässorter. Metoden öppnar även upp för att hjälpa till i utvecklingen av modeller för andra arter med förhöjd genomisk komplexitet.

UX Connections, the UX design agency with UX/UI consultants to help your digital product succeed.