在不断变化的气候中用于植物育种的AI

人工智能(AI)会如何影响农业，食品工业和生物工程领域?能源部(DOE)橡树岭国家实验室(ORNL)生物科学部门的研发人员Dan Jacobson提出了一些想法。

在过去的5年中，雅各布森和他的团队研究了植物，以了解使其能够适应不断变化的环境和气候的遗传变量和模式。作为计算生物学家，雅各布森使用了一些世界上最强大的超级计算机来进行工作，包括最近退役的Cray XK7 Titan和世界上最强大，最聪明的开放科学超级计算机IBM AC922 Summit超级计算机，两者均位于Oak Ridge领导层计算设施(OLCF)，ORNL DOE科学办公室用户设施。

去年，Jacobson和他的团队在Summit上使用一种称为“混合精度”的特殊计算技术，成为第一个达到百亿分之一秒速度(每秒大约五百亿次计算)的计算机组，从而获得了戈登·贝尔奖。

雅各布森(Jacobson)的团队目前正在从事众多项目，这些项目形成了AI在植物育种和生物能源领域的未来的综合路线图。该团队的工作在10月份的《生物技术趋势》中有介绍。

在此次问答中，Jacobson讨论了他的团队在基因组选择算法方面的工作，他对环境基因组学未来的愿景以及模拟与AI相遇的空间。

您的团队在过去一年中一直在做什么?

雅各布森：我们一直在做一些事情。最近，我们已经开发出新的方法来进行所谓的“基因组选择”，或设计用于繁殖目的的生物。我们已经开发了一种新的基因组选择算法，该算法由新兴的机器学习方法(统称为“可解释的AI”)驱动，该领域通过尝试了解这些算法如何做出决策来改进黑盒分类器AI方法。

该算法可帮助我们确定需要组合基因组中的哪些变异，以产生能够适应其环境的植物。这将根据您要采取的生物工程策略为育种工作，基因编辑工作或这些工作的组合提供信息。

去年，您使用一个允许您研究生物体与其环境之间的组合相互作用的代码突破了百亿亿美元级障碍后获得了戈登·贝尔奖。该算法如何适合该研究?

雅各布森：我们仍在使用去年使用的模型，但是现在，我们已经将这种由AI驱动的基因组选择算法引入到组合度量[CoMet]代码中，并且每年都会向其提供环境信息，因此我们可以在整个气候时间内进行全基因组关联研究。

此外，我们已经将我们所谓的“气候类型”(即植物正在适应的气候和环境信息)的工作扩展到全球范围。借助ORNL的彼得·桑顿(Peter Thornton)及其团队在生物地理学和气候领域的专业知识，我们构建了地球上每平方公里土地的模型，并将从土壤到光谱的50年环境和气候数据编码到这些模型中质量，介于两者之间。

为了了解不同环境之间的所有关系，我们在峰会上使用添加到CoMet代码库中的新算法Duo对这些环境进行了比较。就我们所知，这是有史以来最大的科学计算。