کاربرد هوش مصنوعی در حفاظت، مدیریت و بهره برداری از منابع ژنتیکی گیاهی

منابع ژنتیکی گیاهی (Plant Genetic Resources) از ارکان اصلی تنوع زیستی کشاورزی هستند و نقشی کلیدی در امنیت غذایی و به نژادی گیاهی ایفا می کنند. در دهه های اخیر تهدیداتی همچون تغییرات اقلیمی، تخریب زیستگاه ها و فرسایش ژنتیکی ضرورت حفاظت و بهره برداری هوشمند از این منابع را دوچندان کرده است. در این میان هوش مصنوعی (Artificial Intelligence - AI) به عنوان ابزاری نوین افق های تازه ای در مدیریت منابع ژنتیکی گشوده است. این پژوهش مروری به بررسی کاربردهای هوش مصنوعی در انتخاب ژنومی، فنوتیپ برداری پیشرفته، طبقه بندی گونه های نادر با استفاده از تصاویر مصنوعی و تحلیل داده های چندمنبعی در بانک های ژن می پردازد. الگوریتم هایی مانند جنگل تصادفی (Random Forest)، شبکه های عصبی همگشتی (Convolutional Neural Networks - CNNs) و شبکه های مولد رقابتی (Generative Adversarial Networks - GANs) در مطالعات مختلف توانسته اند با دقت بالا وظایفی چون پیش بینی عملکرد، طبقه بندی صفات، شناسایی ژنوتیپ های برتر و گونه های کمیاب را انجام دهند. با وجود مزایای قابل توجه، چالش هایی مانند کمبود داده های استاندارد، محدودیت های تبیین پذیری مدل ها، مسائل اخلاقی مربوط به داده های زیستی و کمبود زیرساخت فنی در مسیر پیاده سازی فراگیر این فناوری وجود دارد. در پایان مقاله بر ضرورت توسعه زیرساخت داده های آموزش میان رشته ای و تدوین چارچوب های اخلاقی برای بهره برداری موثر از هوش مصنوعی در مدیریت منابع ژنتیکی گیاهی تاکید می کند.

کلیدواژه ها:

هوش مصنوعی ، منابع ژنتیکی گیاهی ، فنوتیپینگ ، بانک ژن