Тимирязевская академия успешно завершила первый этап разработки цифровой платформы предиктивной селекции, основанной на применении искусственного интеллекта для прогнозирования признаков растений по их ДНК. Об этом сообщает информационное агентство «ТАСС».

Как отмечается, ИИ позволяет по сравнению с традиционными статистическими методами многократно повысить эффективность анализа больших массивов геномных данных (информации о ДНК растения) и феномных данных (сведений о проявлении признаков - урожайности, качестве, устойчивости к болезням и неблагоприятным условиям среды).

Для построения точных моделей прогнозирования признаков растений по их ДНК требуется комплексный поэтапный подход. Он включает формирование генетически разнообразных тренировочных популяций сельскохозяйственных культур, изучение их признаков в различных агроклиматических условиях, а также глубокий анализ нуклеотидных особенностей ДНК растений и их взаимосвязей.

Предиктивная селекция, основанная на прогнозировании фенотипа, дает возможность уже на ранних стадиях, например, на стадии сеянца, путем анализа небольшого образца листа проводить ДНК-диагностику большого количества генетически разнообразных образцов, в том числе исходных форм и образцов, полученных с помощью технологий производства линий удвоенных гаплоидов. Такой подход позволяет идентифицировать наиболее ценные с генетической точки зрения растения и концентрировать усилия селекционера на выращивании и изучении в полевых условиях только лучших образцов.

Развитие предиктивной селекции открывает возможность прогнозирования оптимальных комбинаций для скрещивания растений, а также с определенной степенью вероятности определения наиболее благоприятных регионов для испытаний и последующего возделывания нового гибрида или сорта. Среди ключевых факторов конкурентоспособности современной селекции - скорость создания, точность и прогнозируемость результата, а интеграция цифровых методов позволит сократить сроки выведения новых сортов и гибридов.
Положительный опыт станет основой для дальнейших шагов, в частности создания предиктивных моделей сложных комплексных признаков растений.

Подготовил Роман БОНДАРЧУК, УзА