Applicare l’AI all’agricoltura: come l’apprendimento automatico aiuta la crescita delle colture

L’apprendimento automatico, un tipo di intelligenza artificiale utilizzato per rilevare i modelli nei dati, può individuare “geni di importanza” che aiutano le colture a crescere con meno fertilizzanti, secondo uno studio finanziato dalla National Science Foundation degli Stati Uniti pubblicato su Nature Communications. Può anche prevedere ulteriori tratti nelle piante e gli esiti delle malattie negli animali, illustrando le sue applicazioni oltre l’agricoltura.

Usare i dati genomici per prevedere i risultati in agricoltura e in medicina è sia una promessa che una sfida per la biologia dei sistemi. I ricercatori hanno lavorato per determinare come utilizzare al meglio la grande quantità di dati genomici disponibili per prevedere come gli organismi rispondono ai cambiamenti nella nutrizione, nelle tossine e nell’esposizione ai patogeni, che a sua volta informerebbe il miglioramento delle colture, la prognosi delle malattie, l’epidemiologia e la salute pubblica. Tuttavia prevedere accuratamente tali risultati complessi in agricoltura e medicina dalle informazioni su scala genomica rimane una sfida significativa.

I ricercatori hanno condotto esperimenti che hanno convalidato otto fattori di trascrizione principali come geni importanti per l’efficienza dell’uso dell’azoto. Hanno dimostrato che l’espressione genica alterata nell’Arabidopsis e nel mais potrebbe aumentare la crescita delle piante in terreni a basso contenuto di azoto, che hanno testato in laboratorio alla NYU e nei campi di mais all’Università dell’Illinois.

Leggi il documento originale su: Machine learning uncovers ‘genes of importance’ in agriculture