提到農(nóng)業(yè)，你會想到什么?拖拉機?玉米地?大紅色谷倉?通常我們不會想到計算機。但是計算機和技術(shù)在使我們的食品系統(tǒng)更加可持續(xù)和可靠方面發(fā)揮著巨大作用。在過去的幾十年里，高科技機械和機器人技術(shù)改變了農(nóng)業(yè)產(chǎn)業(yè)。高科技農(nóng)業(yè)使我們的作物對病原體更具抵抗力，收獲時間更加精確，糧食產(chǎn)量更加強勁。下一代測序和機器學習現(xiàn)在使基因組水平的高科技進步成為可能，尤其是在解開植物與微生物的相互作用時。隨著技術(shù)的進步，我們可以利用這些工具來促進可持續(xù)的農(nóng)業(yè)實踐。
細菌、真菌和其他微生物以多種方式幫助植物的生長、發(fā)育和保護，研究人員才剛剛開始了解。眾所周知的微生物保護機制之一是通過微生物-微生物拮抗作用。一些微生物會自然產(chǎn)生殺死其他微生物的化合物。我們稱這些化合物為抗生素或抗真菌劑。利用危害植物病原體的化合物可以創(chuàng)造一種可以保護作物的天然微生物產(chǎn)品。然而，了解與植物相關的數(shù)千種微生物中的哪一種為宿主提供了這種好處是具有挑戰(zhàn)性的。你怎么知道哪些(哪些)可以提供有益的品質(zhì)?這是 Matthew Biggs 在他最近的Phytobiomes Journal出版物中提出的問題。他的文章，“基因組學和機器學習加速發(fā)現(xiàn)生物防治細菌”，使用機器學習快速發(fā)現(xiàn)具有抗真菌特性的細菌分離株。
過去，這項任務可能需要數(shù)年時間。研究人員將在實驗室中使用化學分析法一次檢測一種微生物的抗真菌特性。這將消耗大量資源并占用研究人員多年。借助 Matthew Biggs 及其同事提出的機器學習策略，這項任務更容易實現(xiàn)?？梢酝瑫r分析來自數(shù)千種微生物的 DNA，并可以識別出感興趣的候選微生物，從而將微生物庫從數(shù)千種迅速減少到不到 100 種。
機器學習使用先前已知的數(shù)據(jù)來預測新數(shù)據(jù)。這是人工智能的一種自適應形式，隨著時間的推移變得更加準確。Biggs 博士和他的團隊測試并比較了四種不同的計算模型。在預測細菌功能之前，每個模型都在數(shù)據(jù)集上進行了訓練。在比格斯的案例中，他們尋找可以預防真菌疾病的細菌。Biggs 博士說：“令人興奮的是，模型不必是完美的。只要模型表現(xiàn)好于隨機，那么它就是有用的。我們的方法使我們能夠更加高效和有效。”
標簽：
免責聲明：本文由用戶上傳，與本網(wǎng)站立場無關。財經(jīng)信息僅供讀者參考，并不構(gòu)成投資建議。投資者據(jù)此操作，風險自擔。 如有侵權(quán)請聯(lián)系刪除！