Nelle scienze vegetali, l’intelligenza artificiale (AI) aiuta a raccogliere e analizzare una quantità di dati irraggiungibile con i metodi convenzionali. I ricercatori dell’Università di Zurigo sono riusciti a utilizzare i Big Data, l’apprendimento automatico e le osservazioni sul campo nel giardino sperimentale dell’Università per mostrare come le piante reagiscono ai cambiamenti dell’ambiente.
Di fronte ai cambiamenti climatici, diventa sempre più importante sapere come le piante prosperano in un ambiente che cambia. Gli esperimenti di laboratorio convenzionali hanno dimostrato che le piante accumulano pigmenti in risposta alle influenze ambientali. Finora, queste misurazioni sono state effettuate prelevando campioni e rimuovendo parte della pianta, danneggiandola. Da un lato, questo metodo ad alta intensità di lavoro non è adatto per l’utilizzo di migliaia o milioni di campioni. Dall’altro, il campionamento ripetuto danneggia le piante, il che a sua volta influisce sull’osservazione della risposta delle piante alle condizioni ambientali. Per l’osservazione a lungo termine di singole piante all’interno di un ecosistema, mancava da tempo un approccio adeguato", afferma Reiko Akiyama, primo autore dello studio.
Un team dell’Università di Zurigo, sostenuto dal Programma di ricerca universitario (UFSP) Evolution in Action, ha quindi sviluppato un metodo per osservare le piante in natura con estrema precisione: PlantServation è un hardware di imaging robusto e ad alta risoluzione, combinato con un software di analisi delle immagini assistito dall’intelligenza artificiale che funziona in tutte le condizioni atmosferiche.
Milioni di immagini supportano l’ipotesi evolutiva della robustezza
Utilizzando PlantServation, il team ha raccolto immagini (dall’alto) di piante del genere Arabidopsis in appezzamenti sperimentali presso il campus Irchel dell’Università di Zurigo durante tre stagioni di crescita (cinque mesi ciascuna, dall’autunno alla primavera) e ha elaborato più di quattro milioni di immagini utilizzando il machine learning. I dati hanno catturato l’accumulo specie-specifico dei pigmenti vegetali rossastri antociani in risposta alle variazioni stagionali e annuali di temperatura, luce e precipitazioni.PlantServation ha anche permesso di replicare sperimentalmente ciò che accade dopo la speciazione naturale di una specie ibrida poliploide. Queste specie nascono dalla duplicazione dell’intero genoma dei loro antenati, un tipo di diversificazione delle specie comune nel mondo vegetale. Molte piante selvatiche e coltivate, come il grano e il caffè, sono nate in questo modo.
Nello studio attuale, la quantità di antociani nella specie ibrida poliploide A. kamchatica assomigliava a quella dei suoi due antenati: dall’autunno all’inverno nella specie originaria di una regione calda e dall’inverno alla primavera nell’altra specie originaria di una regione fredda. Il risultato dello studio conferma quindi che questo ibrido combina effettivamente le risposte ambientali dei genitori, a sostegno di un’ipotesi esistente sull’evoluzione dei poliploidi", afferma Rie Shimizu-Inatsugi, uno dei due autori principali.
Dal campus Irchel allo studio di piante selvatiche e coltivate in aree remote
PlantServation è stato sviluppato nel giardino sperimentale del campus di Irchel dell’UZH. Per noi era essenziale avere il giardino situato direttamente nel campus di Irchel per lo sviluppo dell’hardware e del software di PlantServation, ma l’applicazione non finisce qui: L’hardware PlantServation può essere utilizzato anche in luoghi remoti in combinazione con l’energia solare. Con il suo hardware economico e robusto e il software open-source, PlantServation apre la strada a molti altri studi sulla biodiversità con l’intelligenza artificiale su piante diverse dall’Arabidopsis, da colture come il grano a piante selvatiche importanti per l’ambiente", afferma l’autore principale e co-direttore del centro di ricerca Kentaro Shimizu.Il progetto è una collaborazione interdisciplinare con LPIXEL, un’azienda specializzata nell’analisi delle immagini con l’IA, e con istituti di ricerca giapponesi, tra cui l’Università di Kyoto e l’Università di Tokyo, nell’ambito del "Global Strategy and Partnerships Funding Scheme" dell’UZH Global Affairs e del programma di finanziamento "International Leading Research" della Japan Society for the Promotion of Science. Il progetto è stato sostenuto finanziariamente anche dal Fondo nazionale svizzero per la ricerca scientifica (FNS).
