به کارگیری الگوریتم های یادگیری ماشین در شناسایی ژن ها و مسیرهای مولکولی مرتبط با مقاومت تنش ها در گیاهان تراریخته

گیاهان در طول چرخه حیات خود با طیف گسترده ای از تنش های غیرزیستی شامل شوری، خشکی، کم آبی، دمایی، اکسیداتیو، فلزات سنگین و تنش های زیستی شامل انواع آفات و بیماری ها مواجه می شوند. این تنش ها یکی از مهم ترین عوامل ایجاد شکاف میان پتانسیل ژنتیکی و عملکرد واقعی محصولات زراعی محسوب می شوند. در این مقاله ، ابتدا نقش تنش ها در محدودسازی عملکرد گیاهان و راهبردهای زیست فناورانه مقابله با آن ها بررسی می شود. سپس به کارگیری الگوریتم های یادگیری ماشین (ML) در شناسایی و اولویت بندی ژن ها و مسیرهای مولکولی مرتبط با مقاومت به تنش ها، در کنار ابزارهای کلاسیک و نوین زیست فناوری گیاهی مورد بحث قرار می گیرد. هوش مصنوعی و ML با تحلیل داده های چندلایه ی ژنومی، ترنسکریپتومی و امیکس، امکان مدل سازی شبکه های سیگنال دهی و متابولیکی، پیش بینی عملکرد گیاه تحت شرایط تنش و تفسیر برهم کنش های ژنتیکی و اپی ژنتیکی را فراهم می کنند و بدین ترتیب به افزایش کارایی پژوهش ها و کاهش هزینه و زمان منجر می شوند. در ادامه، روش هایی نظیر درخت تصادفی، ماشین بردار پشتیبان و مدل های یادگیری عمیق برای شناسایی عوامل کلیدی مقاومت و پشتیبانی از تصمیم گیری های اصلاحی ارائه شده است. در انتها، مطالعات موردی انجام شده بر روی برنج، ذرت، آرابیدوپسیس و چالش ها و محدودیت های موجود و ملاحظات ایمنی زیستی، قانونی و اقتصادی مورد بحث قرار می گیرند.

کلیدواژه ها:

Omics ، Biotecchnology ، Transgenic ، Plant Stresses ، Machine Learning ، امیکس ، بیوتکنولوژی ، تراریخته ، تنش های گیاهان ، یادگیری ماشین