索尔克大学有一项独特的合作伙伴关系，利用名为“Sleap”的深度学习软件来研究植物特征，加快开发能够应对气候变化的植物。

政府间气候变化专门委员会（IPCC）表示，碳去除对于应对气候变化和控制全球气温上升至关重要。与此相一致，索尔克的科学家们正在通过增强植物的根系，来利用植物吸收二氧化碳的自然能力。这种优化旨在增加碳储量并延长其储存时间。

为了设计这些气候保护植物，索尔克植物治理计划的科学家们正在使用一种名为“Sleap”的复杂的新研究工具，这是一种易于使用的人工智能（AI）软件，可以跟踪根系生长的多种特征。索尔克研究员塔尔莫·佩雷拉（Talmo Pereira）创建了SLEAP，最初的设计目的是跟踪实验室中的动物运动。现在，佩雷拉与植物科学家和索尔克大学的同事沃尔夫冈·布希（Wolfgang Busch）教授合作，将SLEAP应用于植物。

SLEAP的高级研究

在《植物表型学》上发表的一项研究中，布希和佩雷拉首次提出了一种使用SLEAP分析植物根系表型的新方案 —— 它们生长的深度和宽度，根系的质量，以及其他在SLEAP之前测量起来很繁琐的物理特性。SLEAP在植物上的应用已经使研究人员能够建立迄今为止最广泛的植物根系表型目录。

更重要的是，追踪这些物理根系特征有助于科学家发现与这些特征相关的基因，以及多个根系特征是由相同的基因决定的还是独立的。这使得索尔克团队能够确定哪些基因对他们的植物设计最有益。

佩雷拉说：“这次合作确实证明了索尔克科学如此特殊和有影响力的原因。我们不只是‘借鉴’不同的学科 —— 我们真的是把它们放在平等的地位上，以便创造出比各部分之和更大的东西。”

在使用SLEAP之前，跟踪植物和动物的物理特征需要大量的劳动，这减慢了科学进程。如果研究人员想要分析一幅植物的图像，他们需要手动标记图像中属于和不属于植物的部分 —— 逐帧、逐部分、逐像素。只有这样，旧的人工智能模型才能被应用于处理图像和收集有关植物结构的数据。

SLEAP的与众不同之处在于，它独特地使用了计算机视觉（计算机理解图像的能力）和深度学习（一种训练计算机像人脑一样学习和工作的人工智能方法）。这种组合使研究人员无需逐像素移动就可以处理图像，而是跳过中间的劳动密集型步骤，直接从图像输入跳到定义的植物特征。

布希实验室的生物信息学分析师、第一作者伊丽莎白·贝里根（Elizabeth Berrigan）说：“我们创建了一个健壮的协议，在多种植物类型中得到验证，减少了分析时间和人为错误，同时强调了可访问性和易用性，而且它不需要对实际的SLEAP软件进行任何更改。”

SLEAP对植物育种的影响

在不修改SLEAP的基线技术的情况下，研究人员为SLEAP开发了一个可下载的工具包，称为Sleap-Roots（它作为开源软件提供）。通过睡眠根，SLEAP可以处理根系的生物特性，如深度、质量和生长角度。

索尔克研究小组在多种植物中测试了睡眠根包，包括大豆、水稻和油菜等作物，以及模式植物拟南芥 —— 一种芥菜科的开花杂草。在试验的各种植物中，他们发现基于Sleap的新方法优于现有的实践，其注释速度快1.5倍，训练人工智能模型速度快10倍，在新数据上预测植物结构的速度快10倍，所有这些都具有与以前相同或更好的准确性。

再加上为阐明大量作物品种的基因型数据而进行的大规模基因组测序工作，这些表型数据，例如植物的根系在土壤中生长得特别深，可以推断出来，以了解负责形成特别深的根系的基因。

这一步 —— 将表现型和基因型连接起来 —— 对于索尔克创造出能够吸收更多碳、更长久的植物的使命至关重要，因为这些植物需要设计得更深、更结实的根系。实施这一准确而高效的软件，将使利用植物计划能够以突破性的轻松和速度将理想的表型与目标基因联系起来。

索尔克大学植物科学赫斯主席布希说：“我们已经能够创建迄今为止最广泛的植物根系表型目录，这确实加速了我们创造抗气候变化的碳捕获植物的研究。由于塔尔莫·佩雷拉的专业软件设计，SLEAP非常容易应用和使用，它将成为我实验室未来不可或缺的工具。”

在创建SLEAP和Sleap-Roots时，佩雷拉首先考虑的是可访问性和可重复性。因为软件和睡眠根工具包是免费使用的，研究人员很兴奋地看到睡眠根将如何在世界各地使用。他们已经开始与美国宇航局的科学家进行讨论，希望利用该工具不仅可以帮助指导地球上的碳隔离植物，还可以研究太空中的植物。

在索尔克大学，合作团队还没有准备好解散，他们已经开始了用SLEAP分析3D数据的新挑战。改进、扩展和分享SLEAP和睡眠根的努力将在未来几年继续进行，但它在索尔克植物利用计划中的应用已经加速了植物设计，并帮助研究所对气候变化产生影响。

如果朋友们喜欢，敬请关注“知新了了”！