L’intelligenza artificiale (AI) può aiutare gli scienziati delle piante a raccogliere e analizzare volumi di dati senza precedenti, cosa che non sarebbe possibile utilizzando metodi convenzionali. I ricercatori dell’Università di Zurigo (UZH) hanno ora utilizzato big data, apprendimento automatico e osservazioni sul campo nel giardino sperimentale dell’università per mostrare come le piante rispondono ai cambiamenti nell’ambiente.
Il cambiamento climatico sta rendendo sempre più importante sapere come le piante possono sopravvivere e prosperare in un ambiente in cambiamento. Esperimenti convenzionali in laboratorio hanno dimostrato che le piante accumulano pigmenti in risposta a fattori ambientali. Finora tali misurazioni venivano effettuate mediante prelievo di campioni, che richiedeva la rimozione di una parte della pianta e quindi il danneggiamento. “Questo metodo ad alta intensità di lavoro non è praticabile quando sono necessari migliaia o milioni di campioni. Inoltre, prelevare campioni ripetuti danneggia le piante, il che a sua volta influenza le osservazioni su come le piante rispondono ai fattori ambientali. Non esiste un metodo adatto per l’osservazione a lungo termine delle singole piante all’interno di un ecosistema”, afferma Reiko Akiyama, prima autrice dello studio.
Con il supporto del Programma prioritario di ricerca universitario (URPP) “Evolution in Action” dell’UZH, un team di ricercatori ha ora sviluppato un metodo che consente agli scienziati di osservare le piante in natura con grande precisione. PlantServation è un metodo che incorpora un robusto hardware di acquisizione di immagini e un software basato sul deep learning per analizzare le immagini del campo e funziona con qualsiasi tipo di tempo.
Milioni di immagini supportano l’ipotesi evolutiva di robustezza
Utilizzando PlantServation, i ricercatori hanno raccolto immagini (vista dall’alto) di Arabidopsis piante sui terreni sperimentali dell’Irchel Campus dell’UZH in tre stagioni sul campo (della durata di cinque mesi dall’autunno alla primavera) e poi hanno analizzato oltre quattro milioni di immagini utilizzando l’apprendimento automatico. I dati hanno registrato l’accumulo specie-specifico di un pigmento vegetale chiamato “antocianina” come risposta alle fluttuazioni stagionali e annuali di temperatura, intensità della luce e precipitazioni.
PlantServation ha inoltre consentito agli scienziati di replicare sperimentalmente ciò che accade dopo la speciazione naturale di una specie poliploide ibrida. Queste specie si sviluppano dalla duplicazione dell’intero genoma dei loro antenati, un tipo comune di diversificazione delle specie nelle piante. Molte piante selvatiche e coltivate come il grano e il caffè hanno avuto origine in questo modo.
Nel presente studio, il contenuto di antociani delle specie poliploidi ibride A. kamchatica somigliava a quello dei suoi due antenati: dall’autunno all’inverno il suo contenuto di antociani era simile a quello delle specie antenate originarie di una regione calda, e dall’inverno alla primavera assomigliava alle altre specie provenienti da una regione più fredda. “I risultati dello studio confermano quindi che questi poliploidi ibridi combinano le risposte ambientali dei loro progenitori, il che supporta un’ipotesi di vecchia data sull’evoluzione dei poliploidi”, afferma Rie Shimizu-Inatsugi, uno dei due autori corrispondenti dello studio.
Dall’Irchel Campus alle regioni più lontane
PlantServation è stato sviluppato nel giardino sperimentale dell’Irchel Campus dell’UZH. “Per noi era fondamentale poter utilizzare il giardino dell’Irchel Campus per sviluppare l’hardware e il software di PlantServation, ma la sua applicazione va oltre: se combinato con l’energia solare, il suo hardware può essere utilizzato anche in siti remoti. Con il suo design economico e hardware robusto e software open source, PlantServation apre la strada a molti altri futuri studi sulla biodiversità che utilizzano l’intelligenza artificiale per studiare piante diverse da quelle Arabidopsis – dalle colture come il grano alle piante selvatiche che svolgono un ruolo chiave per l’ambiente”, afferma Kentaro Shimizu, autore corrispondente e condirettore di URPP Evolution in Action.
Il progetto è una collaborazione interdisciplinare con LPIXEL, una società specializzata nell’analisi di immagini AI, e istituti di ricerca giapponesi dell’Università di Kyoto e dell’Università di Tokyo, tra gli altri, nell’ambito del Global Strategy and Partnership Funding Scheme di UZH Global Affairs e dell’International Leading Programma di borse di ricerca della Società giapponese per la promozione della scienza (JSPS). Il progetto ha ricevuto finanziamenti anche dal Fondo nazionale svizzero per la ricerca scientifica (FNS).
Partenariato strategico con l’Università di Kyoto
L’Università di Kyoto è una delle università partner strategiche di UZH. Il partenariato strategico garantisce che le collaborazioni di ricerca ad alto potenziale ricevano il sostegno necessario per prosperare, ad esempio attraverso la strategia globale e il programma di finanziamento del partenariato dell’UZH. Negli ultimi anni hanno già ricevuto finanziamenti diversi progetti di ricerca congiunti tra l’Università di Kyoto e l’UZH, tra cui “PlantServation”.
Da un’altra testata giornalistica. news de www.sciencedaily.com
