AIが植物の根を正確に分析:根研究に革命を起こす新たな報告書
Tokyoバークレー研究所の科学者たちは農業研究で進展を遂げました。彼らは植物の根を調べるAIツールRhizoNetを開発しました。根についての理解は、水や栄養分の吸収に役立つため重要です。
古い方法は多くの労力を要し、誤りが多いことがありました。RhizoNetはディープラーニングを活用して、高精度でこのプロセスを自動化します。知っておくべきポイントをご紹介します。
- バークレー研究所の応用数学計算研究部門と環境ゲノミクスおよびシステム生物学部門によって開発されました。
- 植物の根を解析するためにディープラーニングを活用しています。
- 根の画像解析を自動化し、精度を向上させます。
- 残差U-Netアーキテクチャを用いてセグメンテーションを行います。
- 根の成長やバイオマスの追跡を可能にします。
サイエンティフィック・リポーツの研究では、RhizoNetについて説明されています。主研究者であるダニエラ・ウシジマ氏は、RhizoNetが根のセグメンテーションと解析を一貫して行うことを明らかにしました。
EcoFABは、植物の根を明確に観察できる新しいツールです。これは、DOEジョイントゲノム研究所と気候・生態系科学部門の協力を得て作られました。EcoFABは非常に一貫したデータを提供します。
RhizoNetとEcoFABは、異なる栄養環境での根のスキャンを科学者が解析するのを助けます。RhizoNetはEcoFABによって作成されたカラーのスキャンと、残差U-Netモデルを使用します。このモデルには、セグメンテーションを改善するための追加接続が含まれています。
プロジェクトの科学者であるピーター・アンディアーは、EcoBOTが画像を簡単に収集し、RhizoNetがデータ解析を自動で行うと述べています。これにより作業が迅速化し、自動化されたラボの発展を支えています。RhizoNetのトレーニングとテストの実行にはNERSCのリソースを活用しました。このシステムは植物の根のサイズと成長について詳細かつ正確な情報を提供します。
プロジェクトのデータサイエンティストであるジネブ・ソルドは、新しい畳み込みニューラルネットワークをどのようにして彼らの作業に適用したか説明しました。このモデルは手動での注釈付けよりも正確であり、画像の小さな部分を使用することで、より良い性能を発揮し、細かいディテールを捉えることができます。
モデルの精度を評価するために、予測された根のバイオマスを実際の測定値と比較しました。線形回帰分析の結果、強い関連性が示され、RhizoNetが手動の注釈よりも正確であることが明らかになりました。これらの結果から、RhizoNetが非常に優れた能力を持つことが分かります。
これらの発見は、環境に優しいエネルギーや炭素の捕捉方法における進歩に繋がる可能性があります。牛島氏と彼女のチームは、RhizoNetを改良して枝分かれのパターンをより効果的に検出・分析することを計画しています。また、これらのアルゴリズムは、土壌中の根の研究や新しい材料科学の分野を探求することにも役立つと考えています。
ピーター・アンディアー、トレント・ノーゼン、カミーユ・カトゥロス、ジェームス・セシアンもこのチームに所属しています。この研究はTwin Ecosystemsプロジェクトの一環で、コンピュータービジョンと自律的実験設計ソフトウェアを利用してエコシステムの実験を行っています。また、DOEのCarbon Negative Earthshotイニシアチブをサポートしています。
この研究はこちらに掲載されています:
http://dx.doi.org/10.1038/s41598-024-63497-8およびその公式引用 - 著者およびジャーナルを含む - は
Zineb Sordo, Peter Andeer, James Sethian, Trent Northen, Daniela Ushizima. RhizoNet segments plant roots to assess biomass and growth for enabling self-driving labs. Scientific Reports, 2024; 14 (1) DOI: 10.1038/s41598-024-63497-8今日 · 9:35
AI、腰痛アドバイスで医師に匹敵する正確さを示す
今日 · 7:41
OpenAIの営利企業への挑戦的転換
今日 · 7:28
AIが希少遺伝子の健康影響を予測する新技術
昨日 · 19:44
AIが解明する!輸送タンパク質の新時代
この記事を共有