实验花园研究使用人工智能来展示植物如何应对环境变化

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是不可行的。此外，重复采集样本会损害植物，进而影响植物对环境因素反应的观察。目前还没有合适的方法对生态系统内单个植物的长期观察，”该研究的第一作者ReikoAkiyama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。该研究已发表在《自然通讯》杂志上。

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三个田间季节(从秋季到春季持续五个月)的拟南芥植物图像(顶视图)，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(RieShimizu-Inatsugi)说。

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，但其应用更进一步：与太阳能结合使用时，其硬件甚至可以在偏远地区使用，”KentaroShimizu说道，URPPEvolutioninAction的通讯作者和联合主任。

“凭借经济、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，这些研究使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。”