24.2 C
Asunción
viernes, julio 19, 2024
spot_imgspot_imgspot_imgspot_img
InicioDestacadasInvestigadores desarrollan software que mediante IA ayudará a optimizar procesos en la...

Investigadores desarrollan software que mediante IA ayudará a optimizar procesos en la investigación agrícola

Investigadores del Instituto Earlham del Parque de Investigación de Norwich, Inglaterra desarrollaron una tecnología basada en Inteligencia Artificial (IA) para ayudar a las empresas agroquímicas, de fitomejoramiento y de edición genética a acelerar el desarrollo de sus productos y contribuir así a la salida al mercado de productos que puedan contribuir con la seguridad alimentaria.

El desarrollo consiste en un innovador software basado en IA capaz de analizar datos de secuenciación de ARN (RNA-Seq) en organismos como plantas y ganado. Ahora los investigadores dirigen sus esfuerzos hacia su comercialización a través de una plataforma tecnológica basada en la nube llamada TraitSeq que albergará su software. El programa es una sofisticada combinación de bioinformática y algoritmos de aprendizaje automático.

Los desarrolladores detallaron que en principio el software surgió del estudio de doctorado del cofundador Joshua Colmer, que investigó cómo aplicar técnicas de IA a datos de ARN-Seq en plantas para predecir, mediante análisis de secuenciación de genes, rasgos complejos como la probabilidad de que sucumban a una enfermedad. El ARN es similar al ADN, pero su función principal es actuar como mensajero que transporta las instrucciones del ADN para la creación de proteínas. Es esencial para la mayoría de las funciones biológicas.

En comparación con el ADN, los datos de RNA-Seq ofrecen información más completa, que incluye los factores ambientales en los que vive el organismo. Usando el software, los biomarcadores también se pueden identificar para determinar procesos fisiológicos, procesos patológicos y enfermedades que son perjudiciales para un organismo.

En la agricultura, la tecnología ayuda a las personas a elegir con precisión las variedades ideales para ciertos lugares y condiciones con el fin de tener mayores rendimientos y un plazo de desarrollo de productos más corto. El modelado predictivo de la tecnología también puede ayudar con la edición de genes, el mejoramiento, la protección de cultivos y la eficiencia del uso del agua.

Sus desarrolladores detallaron que TraitSeq identifica biomarcadores predictivos -que son moléculas, genes o características naturales- que ayudan a identificar procesos patológicos, fisiológicos o enfermedades que pueden perjudicarlos. Tradicionalmente, las empresas de fitomejoramiento invierten cada año una enorme cantidad de tiempo y dinero en cruzar y probar decenas de miles de combinaciones de cultivos básicos como la soja, el trigo, el maíz y el arroz en ensayos de campo para tratar de encontrar las variedades más resistentes a las enfermedades o que pudieran ofrecer mayores rendimientos. Una vez identificadas las mejores variedades (un proceso que puede durar hasta 10 años), estas se venden como semillas a los agricultores.

La tecnología de TraitSeq genera modelos de predicción de rasgos que superan los niveles de precisión más avanzados y pueden incorporar variaciones ambientales en sus cálculos. Esto puede ayudar a las empresas agroquímicas, de mejora de cultivos y de edición genética a seleccionar las variedades más adecuadas con rapidez y eficacia.

TraitSeq permite la selección precisa de variedades para lugares y condiciones específicos, lo que puede dar lugar a mejoras significativas del rendimiento y a un plazo de desarrollo del producto mucho más corto. Aseguran que la tecnología de TraitSeq pretende ayudar a resolver muchos de los grandes retos a los que se enfrenta la agricultura, como es el caso de la seguridad alimentaria mundial. Los modelos predictivos de TraitSeq ayudarán al sector agrícola en la mejora genética, la edición de genes y la protección de cultivos, mejorando la eficiencia del desarrollo de los cultivos y aumentando su rendimiento.

Fuente: ISAAA / IMBIO

ARTICULOS RELACIONADOS
- Advertisment -spot_img

MAS POPULAR