कृत्रिम बुद्धिमत्तेमुळे ऊस ब्रीडिंग प्रक्रिया सुलभ
ब्राझीलच्या शास्त्रज्ञांचा दावा, नवे मॉडेल विकसित
रिकार्डो मुनिझ, FAPESP द्वारे
विशिष्ट उसाची जनुकीय निवड करणारे मॉडेल कृत्रिम बुद्धिमत्तेद्वारे (Artificial Intelligence) विकसित करणे शक्य आहे, असा दावा ब्राझीलमधील एका रिसर्च पेपरमध्ये करण्यात आला आहे. या मॉडेलद्वारे फडात उभा असलेला ऊस, उत्पादन क्षमतेच्या कसोटीवर कसा असेल, हेदखील डीएनए रचनेच्या आधारावर सांगता येणे शक्य आहे, असे संशोधकांचे म्हणणे आहे. ‘सायंटिफिक रिपोर्ट्‌स’मध्ये हे संशोधन प्रसिद्ध झाले आहे.
पारंपरिक ब्रीडिंग तंत्राच्या तुलनेत, प्रस्तावित पद्धतीमुळे 50% पेक्षा अधिक अचूकतेने अंदाज बांधणे शक्य असल्याचे या संशोधनात सिद्ध झाले.. गवतांसह पॉलीप्लॉइड वनस्पतींसाठी (ज्यामध्ये पेशींमध्ये क्रोमोसोमचे दोन पूर्ण संच असतात), मशीन लर्निंगवर आधारित अत्यंत कार्यक्षम जीनोमिक निवड पद्धतीची ही पहिलीच वेळ आहे.
मशीन लर्निंग ही एआय आणि कॉम्प्युटर सायन्सची एक शाखा आहे ज्यामध्ये असंख्य ऍप्लिकेशन्ससह आकडेवारी आणि ऑप्टिमायझेशन समाविष्ट आहे. डेटासेटमधून आपोआप नमुने काढणारे अल्गोरिदम तयार करणे हे त्याचे मुख्य ध्येय आहे. कीटक, नेमाटोड, बुरशी किंवा बॅक्टेरियामुळे होणारे कीटक आणि रोग आणि किंवा थंड, दुष्काळ, खारटपणा यासारख्या अजैविक तणावासारख्या जैविक ताणांना ते प्रतिरोधक किंवा सहनशील असेल की नाही यासह वनस्पतीच्या कामगिरीचा अंदाज लावण्यासाठी याचा वापर केला जाऊ शकतो.
पारंपारिक बीजगुणन कार्यक्रमांमध्ये क्रॉसिंग हे सर्वात जास्त वापरले जाणारे तंत्र आहे. “तुमच्या आवडीच्या किंवा उपयोगाच्या वनस्पतींचे क्रॉस करून तुम्ही नवी प्रजाती विकसित करता. उसाच्या बाबतीत, तुम्ही जास्त प्रमाणात साखर उत्पादन देणारी प्रजाती आणि सर्वाधिक रोगप्रतिकारक प्रजातींचा संकर घडवून आणता आणि त्याच्या काही काळ चाचण्या घेता, असे सांगून संगणक शास्त्रज्ञ अलेक्झांडर हिल्ड आनो म्हणाले, “परंतु या प्रक्रियेला बराच वेळ लागतो आणि ती खूप खर्चिक आहे. आम्ही सुचवलेली पद्धत ही वनस्पती वाढायच्या आधीच तिच्या भविष्यातील कार्यक्षमतेचा अंदाज लावू शकते. अनुवंशिक सामग्रीच्या आधारे उत्पादनाचा अंदाज लावण्यात आम्ही यशस्वी झालो. हे महत्त्वपूर्ण आहे. कारण यामुळे वेळ आणि पैशाची बचत होते.’’
उसाच्या बाबतीत, ही प्रक्रिया अत्यंत गुंतागुंतीचे आहे. पारंपरिक ब्रीडिंग तंत्रासाठी ९ ते १२ वर्षे लागतात आणि ही प्रक्रिया खूप खर्चिक असते. आमच्या ‘एआय’ कॉम्प्युटर मॉडेलमुळे ही प्रक्रिया खूप सुलभ होणार आहे, असे ॲन्टे परेरा डिझूझा म्हणाल्या. त्या १९८४ च्या ॲग्रोनॉमी इंजिनिअर असून, अनुवंश शास्त्रातील पीएच. डी. आहेत. त्या आनोच्या गाईड आहेत.
“जेव्हा प्रजननकर्ते एखादी मनोरंजक वनस्पती ओळखतात, तेव्हा ते क्लोनिंगद्वारे गुणाकार करतात जेणेकरून जीनोटाइप नष्ट होणार नाही, परंतु यासाठी वेळ लागतो आणि खूप खर्च येतो. एक अत्यंत उदाहरण म्हणजे रबराच्या झाडांची पैदास, ज्याला 30 वर्षे लागू शकतात. “सुझा म्हणाला. या अडचणींवर मात करण्याचा एक मार्ग म्हणजे तिला “प्लांट ब्रीडिंग 4.0” असे म्हणतात, जे डेटा विश्लेषण आणि अत्यंत कार्यक्षम संगणकीय आणि सांख्यिकीय साधनांचा सखोल वापर करते. प्रत्येक जीनोटाइपिंग-बाय-सिक्वेंसिंग प्रक्रियेमध्ये 1 अब्ज अनुक्रमांचा समावेश असू शकतो.
ऊस आणि चारा गवत यांसारख्या पॉलीप्लॉइड वनस्पतींच्या चांगल्या जातींची पैदास करण्याच्या प्रयत्नात शास्त्रज्ञांना येणारा मुख्य अडथळा म्हणजे त्यांच्या जीनोमची जटिलता. “या प्रकरणात, दुर्मिळ संसाधने आणि या जटिलतेसह काम करण्याची अडचण लक्षात घेता, जीनोमिक निवड शक्य होईल की नाही हे आम्हाला माहित नव्हते,” अओनो म्हणाले.
Courtesy – FAPESP Brazil
