Model AI Revolusioner Menguraikan Bahasa Tumbuhan untuk Pertama Kalinya
PlantRNA-FM, model AI yang dilatih RNA data dari lebih dari 1.100 tanaman, menerjemahkan pola genetik untuk memajukan ilmu tanaman, meningkatkan hasil panen, dan mengatasi tantangan pertanian global.
Model Kecerdasan Buatan (AI) inovatif yang dirancang untuk memecahkan kode urutan dan pola struktural yang membentuk “bahasa” genetik tanaman telah diluncurkan melalui kolaborasi penelitian.
Dinamakan Plant RNA-FM, model inovatif ini adalah yang pertama dari jenisnya dan dikembangkan oleh kemitraan antara peneliti tanaman di John Innes Center dan ilmuwan komputer di Universitas Exeter.
Model ini, kata penciptanya, merupakan terobosan teknologi cerdas yang dapat mendorong penemuan dan inovasi dalam ilmu tanaman dan berpotensi di seluruh bidang studi invertebrata dan bakteri.
RNA, seperti kerabat kimianya yang lebih terkenal DNAadalah molekul penting di seluruh organisme, bertanggung jawab membawa informasi genetik dalam urutan dan strukturnya. Dalam genom, arsitektur RNA terdiri dari kombinasi blok penyusun yang disebut nukleotida, yang disusun dalam pola seperti gabungan alfabet untuk membuat kata dan frasa dalam bahasa.
Menguraikan Struktur Kompleks RNA
Kelompok Profesor Yiliang Ding di John Innes Center mempelajari struktur RNA, salah satu bahasa kunci dalam molekul RNA di mana RNA dapat melipat menjadi struktur kompleks yang mengatur fungsi biologis canggih seperti pertumbuhan tanaman dan respons terhadap stres.
Untuk lebih memahami bahasa RNA yang kompleks dalam fungsinya, kelompok Profesor Ding berkolaborasi dengan kelompok Dr Ke Li di Universitas Exeter.
Bersama-sama mereka mengembangkan PlantRNA-FM, sebuah model yang dilatih pada kumpulan data besar yang terdiri dari 54 miliar keping informasi RNA yang membentuk alfabet genetik di 1.124 tanaman. jenis.
Saat membuat PlantRNA-FM, para peneliti mengikuti metodologi yang melatih model AI seperti ChatGPT untuk memahami bahasa manusia. Model AI diajarkan bahasa nabati dengan mempelajari informasi RNA dari spesies tumbuhan di seluruh dunia, untuk memberikan pandangan komprehensif tentang cara kerja RNA di seluruh dunia tumbuhan.
Sama seperti ChatGPT yang dapat memahami dan merespons bahasa manusia, PlantRNA-FM telah belajar memahami tata bahasa dan logika rangkaian dan struktur RNA.
Para peneliti telah menggunakan model tersebut untuk membuat prediksi yang tepat tentang fungsi RNA dan untuk mengidentifikasi pola struktural RNA fungsional tertentu di seluruh transkriptome. Prediksi mereka telah divalidasi oleh eksperimen yang mengkonfirmasi bahwa struktur RNA yang diidentifikasi oleh PlantRNA-FM mempengaruhi efisiensi penerjemahan informasi genetik menjadi protein.
“Meskipun rangkaian RNA mungkin tampak acak di mata manusia, model AI kami telah belajar memecahkan pola tersembunyi di dalamnya,” kata Dr Haopeng Yu, peneliti pascadoktoral di kelompok Profesor Yiliang Ding di John Innes Centre.
Upaya Kolaboratif dengan Potensi Masa Depan
Kolaborasi yang sukses ini juga didukung oleh para ilmuwan dari Northeast Normal University dan Chinese Academy of Sciences di Tiongkok yang berkontribusi dalam pekerjaan ini.
Profesor Ding berkata: “PlantRNA-FM kami hanyalah permulaan. Kami bekerja sama dengan kelompok Dr Li untuk mengembangkan pendekatan AI yang lebih canggih untuk memahami bahasa DNA dan RNA yang tersembunyi di alam. Terobosan ini membuka kemungkinan-kemungkinan baru untuk memahami dan berpotensi memprogram tanaman yang dapat mempunyai implikasi besar terhadap perbaikan tanaman dan generasi berikutnya dari desain gen berbasis AI. AI semakin berperan dalam membantu ilmuwan tanaman mengatasi tantangan, mulai dari memberi makan populasi global hingga mengembangkan tanaman yang dapat tumbuh subur dalam perubahan iklim.”
Referensi: “Model dasar RNA yang dapat ditafsirkan untuk mengeksplorasi motif RNA fungsional pada tumbuhan” oleh Haopeng Yu, Heng Yang, Wenqing Sun, Zongyun Yan, Xiaofei Yang, Huakun Zhang, Yiliang Ding dan Ke Li, 9 Desember 2024, Kecerdasan Mesin Alam.
DOI: 10.1038/s42256-024-00946-z
Studi ini didanai oleh BBSRC.
