Hoppa direkt till innehållet
printicon
Huvudmenyn dold.
Publicerad: 2021-12-14

Vill förbättra växters näringsupptag med nya maskininlärnings- och AI-metoder

NYHET Umeå universitet och SLU, Sveriges Lantbruksuniversitet, arbetar nu för att med hjälp av nya AI- och maskininlärningsmetoder förutspå egenskaper hos proteiner. – Det handlar om lösningar för att effektivt förbättra näringsupptaget hos växter, och genom det kunna minska påverkan på natur och miljö, säger Tommy Löfstedt, universitetslektor vid institutionen för datavetenskap, Umeå universitet.

Gödselanvändning inom jordbruket är idag ett stort problem i hela världen. Runt 100 miljoner ton kväve används årligen, och en stor del går direkt ut i sjöar, hav och miljö.

 –  Man kan minska föroreningarna från övergödning genom att antingen använda mer miljövänliga kvävekällor eller förbättra växternas möjlighet att ta upp näringsämnen. Vi knyter nu ihop dessa två möjligheter, dvs. vi försöker att förbättra växternas möjligheter att ta upp de näringsämnen som de får via mer miljövänliga gödselmedel, säger Tommy Löfstedt, docent vid institutionen för datavetenskap, Umeå universitet.

Miljövänligare jordbruk

Det är speciella transportproteiner som hanterar näringsupptaget i växterna. Genom att identifiera de mest förmånliga proteinegenskaperna går det att använda dem till sin fördel. 

– Förändrar man proteinernas egenskaper, kan upptaget förbättras. Problemet är att sådan forskning bygger på mycket tidskrävande och kostsamma laboratorieexperiment, säger Tommy Löfstedt.

Med anslag från Kempestiftelserna kommer han nu att tillsammans med Regina Gratz, post-doktor vid institutionen för skogens ekologi och skötsel vid SLU, Sveriges Lantbruksuniversitet, utveckla nya maskininlärningsmetoder som både kan effektivisera och underlätta dessa experiment. Metoderna testas vid SLU’s laboratorium i Umeå.

Möjligheterna med AI

Maskininlärning och AI handlar mycket kortfattat om att träna datorer att automatiskt upptäcka och lära sig en uppsättning regler för att lösa en viss uppgift. 

 – Våra maskininlärningsmetoder ska på förhand kunna välja ut rätt målproteiner och snabba upp det praktiska laboratoriearbetet. Samtidigt vill vi öka sannolikheten för att effektivt hitta relevanta proteinregleringar, säger Tommy Löfstedt.

EU vill reducera gödselanvändningen

EU vill reducera användningen av gödselmedel med 20 procent och se en minskning av förlusterna med 50 procent samtidigt som man vill öka andelen organiskt jordbruk med 25 procent. Att använda AI-metoder för att förutspå proteinegenskaper är forsknings- och innovationsområden som har etablerats under det senaste året och som förändras snabbt.
– Kombinationen av AI och just denna biologiska fråga är vi dock, så vitt vi vet, än så länge ensamma om, säger Tommy Löfstedt.

Om några år hoppas projektgruppen kunna presenta nya AI-verktyg som kraftigt reducerar tiden det tar att testa proteinegenskaper i labbet, samt att göra dessa verktyg allmänt tillgängliga.

Läs mer om projektet här.