Các nhà khoa học tại Viện Nghiên cứu sinh học Salk (Mỹ) đã sử dụng một phần mềm học sâu tên là SLEAP để phân tích tính năng của thực vật, đẩy nhanh quá trình tạo ra các loại cây trồng có khả năng giải quyết bài toán khí hậu.

Phần mềm SLEAP/sleap-roots tự động phát hiện các điểm mốc trên hệ thống rễ (trái) và dự đoán cách liên kết giữa các bộ phận khác nhau của rễ nhờ việc phân tích cấu trúc không gian của rễ (phải). Nguồn: Viện Salk

Tận dụng khả năng hút CO₂ của cây xanh, các nhà khoa học tại Viện Nghiên cứu sinh học Salk muốn cải tiến hệ thống rễ cây nhằm giúp cây lưu trữ nhiều carbon hơn trong thời gian dài hơn. Để tạo ra những giống cây hỗ trợ giảm biến đổi khí hậu như vậy, nhóm nghiên cứu sử dụng SLEAP, một phần mềm trí tuệ nhân tạo (AI) dễ sử dụng để theo dõi các tính năng phát triển của rễ. Phần mềm này do TS. Talmo Pereira phát triển, ban đầu được thiết kế để theo dõi chuyển động của động vật trong phòng thí nghiệm. Sau đó, Pereira đã hợp tác với GS. Wolfgang Busch, nhà khoa học thực vật để áp dụng SLEAP cho cây cối.

Trong bài báo mới công bố trên tạp chí Plant Phenomics, Busch và Pereira đã giới thiệu phương pháp nghiên cứu rễ cây bằng công nghệ SLEAP. Phương pháp này giúp dễ dàng đo được chiều sâu, bề rộng và khối lượng của bộ rễ – những yếu tố trước đây rất khó đo lường. Nhờ vậy, họ đã thiết lập được danh mục đa dạng nhất từ trước tới nay về kiểu hình hệ thống rễ.

Trước khi sử dụng SLEAP, theo dõi các đặc tính vật lý của thực vật và động vật đòi hỏi rất nhiều thời gian và công sức. Các nhà khoa học phải đánh dấu thủ công từng chi tiết trong hình ảnh, phân biệt chỗ nào là bộ phận của cây và chỗ nào không trên từng khung hình, từng chi tiết, từng điểm ảnh. Sau đó, họ mới có thể sử dụng các mô hình AI cũ hơn để xử lý hình ảnh và thu thập dữ liệu về cấu trúc của cây.

SLEAP khác biệt ở chỗ nó sử dụng cả thị giác máy tính (khả năng máy tính “nhìn” và hiểu hình ảnh) và học sâu (một cách đào tạo máy tính học và làm việc như bộ não con người). Sự kết hợp này cho phép các nhà nghiên cứu xử lý hình ảnh trực tiếp mà không cần phải xem xét từng điểm ảnh, vốn là bước trung gian chiếm rất nhiều thời gian. Nhờ đó, họ đi thẳng đến khâu phân tích các tính năng thực vật được xác định.

“Chúng tôi đã tạo ra một giao thức mạnh mẽ giúp cắt giảm thời gian phân tích và lỗi của con người, đồng thời nhấn mạnh khả năng tiếp cận và tính dễ sử dụng”, đồng tác giả Elizabeth Berrigan, nhà phân tích tin sinh học nhận xét. 

Nhóm Salk đã phát triển một bộ công cụ có thể tải xuống cho SLEAP được gọi là sleap-roots (có sẵn dưới dạng phần mềm nguồn mở) để phân tích các đặc điểm sinh học của hệ rễ như độ sâu, khối lượng và góc tăng trưởng.

Họ đã thử nghiệm công cụ sleap-roots trên các loại cây đậu nành, gạo, cải dầu, cải. Họ thấy phương pháp dùng SLEAP này vượt trội hơn các phương pháp hiện có: gắn nhãn nhanh hơn 1,5 lần, đào tạo mô hình AI nhanh hơn 10 lần, và dự đoán cấu trúc thực vật dựa trên dữ liệu mới nhanh hơn 10 lần, tất cả đều có độ chính xác tương đương hoặc tốt hơn so với các phương pháp trước đây.

Việc theo dõi các đặc điểm vật lý của bộ rễ giúp các nhà khoa học xác định được những gene liên quan đến các đặc điểm, cũng như liệu nhiều đặc điểm của rễ có do cùng một gene chi phối hay do các gene hoạt động độc lập.

Thông qua khai thác phần mềm SLEAP, các nhà khoa học có thể nhanh chóng và dễ dàng liên kết các kiểu hình mong muốn với các gene mục tiêu

Bên cạnh việc chia sẻ miễn phí phần mềm sleap-roots để các nhà khoa học trên thế giới có thể sử dụng cho các loài thực vật hấp thụ carbon trên Trái đất, nhóm nghiên cứu Salk cũng bắt đầu thảo luận với NASA để tận dụng công cụ này cho các nghiên cứu thực vật trong không gian.□

Trang Linh - Tiasang, theo SALK