Roma – Un modello pionieristico, basato sull’intelligenza artificiale, IA, si è dimostrato in grado di comprendere le sequenze e gli schemi strutturali che compongono il “linguaggio” genetico delle piante. Plant RNA-FM, descritto su Nature Machine Intelligence, ritenuto il primo modello di intelligenza artificiale del suo genere, è stato sviluppato grazie alla collaborazione tra ricercatori del John Innes Centre e informatici dell’Università di Exeter. Il modello, secondo i suoi creatori, rappresenta un’intelligente innovazione tecnologica in grado di stimolare la scoperta e l’innovazione nella scienza delle piante e potenzialmente anche nello studio degli invertebrati e dei batteri. L’RNA, come il suo parente chimico più noto, il DNA, è una molecola importante in tutti gli organismi, responsabile del trasporto delle informazioni genetiche nelle sue sequenze e strutture. Nel genoma, l’architettura dell’RNA è composta da combinazioni di elementi costitutivi, chiamati nucleotidi, che sono disposti in schemi nello stesso modo in cui l’alfabeto si combina per creare parole e frasi nel linguaggio. Il gruppo di ricerca di Yiliang Ding, del John Innes Centre, studia la struttura dell’RNA, uno dei linguaggi chiave delle molecole di RNA, grazie al quale gli RNA possono ripiegarsi in strutture complesse che regolano sofisticate funzioni biologiche come la crescita delle piante e la risposta allo stress. Per comprendere meglio il complesso linguaggio dell’RNA e le sue funzioni, il gruppo di Ding ha collaborato con il gruppo di Ke Li, dell’Università di Exeter e insieme hanno sviluppato PlantRNA-FM, un modello addestrato su un enorme set di dati di 54 miliardi di informazioni sull’RNA che costituiscono un alfabeto genetico su 1.124 specie di piante. Quando hanno creato PlantRNA-FM, i ricercatori hanno seguito la metodologia in cui i modelli di intelligenza artificiale, come ChatGPT, vengono addestrati a comprendere il linguaggio umano. Al modello di intelligenza artificiale è stato insegnato il linguaggio basato sulle piante studiando le informazioni sull’RNA di specie vegetali in tutto il mondo, per dargli una visione completa di come funziona l’RNA nel regno vegetale. Proprio come ChatGPT è in grado di comprendere e rispondere al linguaggio umano, PlantRNA-FM ha imparato a comprendere la grammatica e la logica delle sequenze e delle strutture dell’RNA. I ricercatori hanno già utilizzato il modello per fare previsioni precise sulle funzioni dell’RNA e per identificare specifici modelli strutturali funzionali dell’RNA nei trascrittomi. Le loro previsioni sono state convalidate da esperimenti che confermano che le strutture dell’RNA identificate da PlantRNA-FM influenzano l’efficienza della traduzione delle informazioni genetiche in proteine. “Sebbene le sequenze di RNA possano apparire casuali all’occhio umano, il nostro modello di intelligenza artificiale ha imparato a decodificare i modelli nascosti al loro interno”, ha sottolineato Haopeng Yu, ricercatore post-dottorato nel gruppo del professor Yiliang Ding presso il John Innes Centre. “Il nostro PlantRNA-FM è solo l’inizio: stiamo lavorando a stretto contatto con il gruppo di Li per sviluppare approcci di intelligenza artificiale più avanzati per comprendere i linguaggi nascosti del DNA e dell’RNA in natura”, ha dichiarato Ding. “Questa svolta apre nuove possibilità per comprendere e potenzialmente programmare le piante, il che potrebbe avere profonde implicazioni per il miglioramento delle colture e la prossima generazione di progettazione genetica basata sull’intelligenza artificiale”, ha aggiunto Ding. “L’intelligenza artificiale è sempre più determinante nell’aiutare gli scienziati delle piante ad affrontare le sfide, dall’alimentazione di una popolazione globale allo sviluppo di colture che possano prosperare in un clima in cambiamento”, ha concluso Ding. (30Science.com)
Plant RNA-FM, ritenuto il primo modello di intelligenza artificiale del suo genere, è stato sviluppato da una collaborazione tra ricercatori di piante presso il John Innes Centre e informatici presso l’Università di Exeter
Credito
Centro John Innes
