利用机器学习快速发现新型有益微生物

提到农业，你会想到什么?拖拉机?玉米地?大红色谷仓?通常我们不会想到计算机。但是计算机和技术在使我们的食品系统更加可持续和可靠方面发挥着巨大作用。在过去的几十年里，高科技机械和机器人技术改变了农业产业。高科技农业使我们的作物对病原体更具抵抗力，收获时间更加精确，粮食产量更加强劲。下一代测序和机器学习现在使基因组水平的高科技进步成为可能，尤其是在解开植物与微生物的相互作用时。随着技术的进步，我们可以利用这些工具来促进可持续的农业实践。

细菌、真菌和其他微生物以多种方式帮助植物的生长、发育和保护，研究人员才刚刚开始了解。众所周知的微生物保护机制之一是通过微生物-微生物拮抗作用。一些微生物会自然产生杀死其他微生物的化合物。我们称这些化合物为抗生素或抗真菌剂。利用危害植物病原体的化合物可以创造一种可以保护作物的天然微生物产品。然而，了解与植物相关的数千种微生物中的哪一种为宿主提供了这种好处是具有挑战性的。你怎么知道哪些(哪些)可以提供有益的品质?这是 Matthew Biggs 在他最近的Phytobiomes Journal出版物中提出的问题。他的文章，“基因组学和机器学习加速发现生物防治细菌”，使用机器学习快速发现具有抗真菌特性的细菌分离株。

过去，这项任务可能需要数年时间。研究人员将在实验室中使用化学分析法一次检测一种微生物的抗真菌特性。这将消耗大量资源并占用研究人员多年。借助 Matthew Biggs 及其同事提出的机器学习策略，这项任务更容易实现。可以同时分析来自数千种微生物的 DNA，并可以识别出感兴趣的候选微生物，从而将微生物库从数千种迅速减少到不到 100 种。

机器学习使用先前已知的数据来预测新数据。这是人工智能的一种自适应形式，随着时间的推移变得更加准确。Biggs 博士和他的团队测试并比较了四种不同的计算模型。在预测细菌功能之前，每个模型都在数据集上进行了训练。在比格斯的案例中，他们寻找可以预防真菌疾病的细菌。Biggs 博士说：“令人兴奋的是，模型不必是完美的。只要模型表现好于随机，那么它就是有用的。我们的方法使我们能够更加高效和有效。”

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！