高粱，一種重要的農作物，用作食品和生物燃料的生產。美國科學家考慮在這個領域如何提高產量和質量，他們的辦法是AI。人工智能（AI）會如何影響農業，食品工業和生物工程領域？美國能源部（DOE）橡樹嶺國家實驗室（ORNL）生物科學部門的研發人員Dan Jacobson提出了一些想法。

　　在過去的5年中，雅各布森和他的團隊研究了許多類似高粱的植物，以了解使它們適應不斷變化的環境和氣候的遺傳變量和模式。作為計算生物學家，雅各布森使用了一些世界上最強大的超級計算機進行工作，包括最近退役的Cray XK7 Titan和世界上最強大，最聰明的開放科學超級計算機IBM AC922 Summit超級計算機，兩者均位于Oak Ridge領導層計算設施（OLCF），是ORNL DOE科學辦公室的用戶設施。
 

圖源：Pixabay

　　去年，Jacobson及其團隊在Summit上使用一種稱為“混合精度”的特殊計算技術，成為第一個達到百億分之一秒速度（每秒大約五百億次計算）的計算機組，從而獲得了戈登·貝爾獎。

　　雅各布森（Jacobson）的團隊目前正在從事眾多項目，這些項目形成了AI在植物育種和生物能源領域的未來發展路線圖。該團隊的工作在10月份的《生物技術趨勢》中有介紹。

　　在此次問答中，Jacobson討論了他的團隊在基因組選擇算法方面的工作，他對環境基因組學的未來的愿景以及模擬與AI相遇的空間。

　　問：您的團隊在過去一年中一直在做什么？

　　雅各布森：我們一直在做一些事情。最近，我們已經開發出新的方法來進行所謂的“基因組選擇”，或設計用于繁殖目的的生物。我們已經開發了一種新的基因組選擇算法，該算法由新興的機器學習方法（統稱為“可解釋的AI”）驅動，該領域通過嘗試了解這些算法的決策方式來改進黑盒分類器AI方法。

　　該算法可幫助我們確定需要組合基因組中的哪些變異，以產生能夠適應其環境的植物。這將根據您要采取的生物工程策略為育種工作，基因編輯工作或這些工作的組合提供信息。
 

　　問：去年，您使用一個允許您研究生物體與其環境之間的組合相互作用的代碼突破了百億億美元級障礙后獲得了戈登·貝爾獎。該算法如何適合該研究？

　　雅各布森：我們仍在使用去年使用的模型，但是現在，我們已經將這種由AI驅動的基因組選擇算法引入到組合度量[CoMet]代碼中，并且每年都會向其提供環境信息，因此我們可以在整個氣候時間內進行全基因組關聯研究。

　　此外，我們已將我們所謂的“氣候類型”（即植物正在適應的氣候和環境信息）的工作擴展到全球范圍。借助ORNL的彼得·桑頓（Peter Thornton）及其團隊在生物地理學和氣候領域的專業知識，我們構建了地球上每平方公里土地的模型，并將從土壤到光譜的50年環境和氣候數據編碼到這些模型中質量，介于兩者之間。

　　為了了解不同環境之間的所有關系，我們在峰會上使用了添加到CoMet代碼庫中的稱為Duo的新算法將這些環境相互比較。據我們所知，這是有史以來最大的科學計算。

　　問：這聽起來是一項巨大的成就。這些比較可以為您提供哪些信息？

　　雅各布森：這些比較可以幫助我們準確地確定我們可以針對特定環境的位置，以及我們需要包括哪些基因突變和等位基因以幫助這些植物適應不同的環境。我們可以看一個環境，然后說：“對于這種環境，這是我們在植物基因組中要擁有的一切，才能使其盡可能地繁衍。”

　　問：這是環境基因組學的未來嗎？

　　雅各布森（Jacobson）：我們所看到的綜合視野是所有“-組學”層之間的聯系，從基因組學（基因表達），蛋白質組學（蛋白質表達）和代謝組學（代謝產物表達）一直貫穿表型（可觀察到的性狀）。因此，從基因組到現象組以及介于兩者之間的所有事物。

　　理想情況下，我們希望將基因型數據與氣候和環境數據結合在一個集成模型中，從單個核苷酸（構成DNA的分子結構）到行星規模的環境和氣候，都應結合在一起。由于我們實際上已經計算出了行星上每個點的光譜尺度，這是可能的，因為我們實際上已經計算出了地球上每個點的光譜尺度，這是來自我們最近的恒星太陽的天體表型。