Dans le domaine des sciences végétales, l’intelligence artificielle (IA) permet de collecter et d’analyser une quantité de données inaccessible par les méthodes traditionnelles. Des chercheurs de l’Université de Zurich ont pu montrer comment les plantes réagissent à un environnement changeant à l’aide de Big Data, de l’apprentissage automatique et d’observations sur le terrain dans le jardin expérimental de l’Université de Zurich.
Face au changement climatique, il est de plus en plus important de savoir comment les plantes se développent dans un environnement changeant. Les expériences traditionnelles en laboratoire ont montré que les plantes accumulent des pigments en réaction aux influences environnementales. Jusqu’à présent, ces mesures étaient effectuées à partir d’échantillons prélevés sur une partie de la plante, qui était donc endommagée. D’une part, cette méthode à forte intensité de main-d’œuvre ne se prête pas à une application sur des milliers, voire des millions d’échantillons. D’autre part, les prélèvements répétés endommagent les plantes, ce qui nuit à l’observation de la réaction des plantes aux conditions environnementales. Il manquait depuis longtemps une méthode appropriée pour observer à long terme des plantes individuelles au sein d’un écosystème", explique Reiko Akiyama, premier auteur de l’étude.
Une équipe de l’Université de Zurich, soutenue par le pôle de recherche universitaire (PRU) Evolution en action, a donc développé une méthode permettant d’observer très précisément les plantes dans la nature : PlantServation est un matériel de prise de vue robuste et à haute résolution, combiné à un logiciel d’analyse d’images assisté par IA, qui fonctionne par tous les temps.
Des millions d’images soutiennent l’hypothèse évolutive de la robustesse
À l’aide de PlantServation, l’équipe a collecté des images (vues du dessus) de plantes du genre Arabidopsis sur des parcelles expérimentales du campus Irchel de l’Université de Zurich pendant trois saisons de végétation (chaque fois cinq mois de l’automne au printemps) et a traité plus de quatre millions d’images grâce à l’apprentissage automatique. Les données ont permis d’enregistrer l’accumulation spécifique à l’espèce des anthocyanes, les pigments végétaux rougeâtres, en réaction aux variations saisonnières et annuelles de la température, de la lumière et des précipitations.PlantServation a également permis de reproduire expérimentalement ce qui se passe après la spéciation naturelle d’une espèce hybride polyploïde. Ces espèces sont issues de la duplication de l’ensemble du génome de leurs ancêtres, une forme courante de diversification des espèces dans le monde végétal. De nombreuses plantes sauvages et cultivées, comme le blé et le café, ont été créées de cette manière.
Dans l’étude actuelle, la quantité d’anthocyanes de l’espèce polyploïde hybride A. kamchatica était similaire à celle de ses deux ancêtres : de l’automne à l’hiver pour l’espèce originaire d’une région chaude et de l’hiver au printemps pour l’autre espèce originaire d’une région froide. Le résultat de l’étude confirme donc que cet hybride combine effectivement des réponses environnementales parentales, ce qui soutient une hypothèse existante sur l’évolution des polyploïdes", explique Rie Shimizu-Inatsugi, l’un des deux auteurs principaux.
Du campus d’Irchel à l’étude des plantes sauvages et cultivées dans des régions reculées
PlantServation a été développé dans le jardin expérimental du campus Irchel de l’UZH. Il était essentiel pour nous de disposer du jardin du campus Irchel pour développer le matériel et le logiciel de PlantServation, mais l’application ne s’arrête pas là : Le matériel PlantServation, associé à l’énergie solaire, peut également être utilisé sur des sites éloignés. Grâce à son matériel économique et robuste et à son logiciel open source, PlantServation ouvre la voie à de nombreuses autres études de biodiversité utilisant l’IA sur des plantes autres qu’Arabidopsis - des plantes cultivées comme le blé aux plantes sauvages importantes pour l’environnement’, déclare Kentaro Shimizu, auteur principal et co-directeur du pôle de recherche.Le projet est une collaboration interdisciplinaire avec LPIXEL, une société spécialisée dans l’analyse d’images avec IA, et avec des instituts de recherche japonais, notamment à l’Université de Kyoto et à l’Université de Tokyo, dans le cadre du ’Global Strategy and Partnerships Funding Scheme’ de UZH Global Affairs et du programme de financement ’International Leading Research’ de la Japan Society for the Promotion of Science. Le projet a également été soutenu financièrement par le Fonds national suisse (FNS).
