인공지능은 과학자들이 기후변화와 싸우고 지구 온도 상승을 억제하기 위해 식물을 개량하는 데 도움을 주고 있다고 

웹사이트 피지스(phys. org)와 어스닷컴 등이 전했다.

기후변화 패널(IPCC)은 기후변화와 지구 온도 상승을 제한하기 위해서는 대기 중 이산화탄소를 제거하는 것이 필수적이라고 밝혔다. 

미국 캘리포니아 라호야에 위치한 생명과학연구기관 솔크 연구소(Salk Institute) 과학자들은 기후 변화에 대응하기 위해 식물의 뿌리 시스템을 최적화해서 더 많은 이산화탄소를 더 오랜 기간 저장할 수 있는 식물의 자연적인 이산화탄소 흡수 능력 활용에 주목했다.

이 연구소의 '식물 활용 이니셔티브(Harnessing Plants Initiative)' 소속 과학자들은 기후변화 완화 식물을 설계하기 위해 'SLEAP'이라는 첨단 연구 도구를 사용하고 있다.

인공지능 SLEAP, 뿌리 성장 특징 추적 

SLEAP은 사용하기 쉬운 인공지능 소프트웨어로서 다양한 뿌리 성장 특징을 추적한다. 

솔크의 펠로우인 탈모 페레이라(Talmo Pereira)가 개발한 SLEAP은 당초 실험실에서 동물의 이동을 추적하기 위해 설계됐다. 페레이라는 현재 식물 과학자인 동료 연구원 볼프강 부쉬(Wolfgang Busch) 교수와 협력해 SLEAP을 식물에 적용하고 있다.

최근 '식물 게놈연구(Plant Phenomics)' 저널에 발표된 연구에서 부쉬 박사와 페레이라는 SLEAP을 사용해 식물 뿌리 형태 분석을 위한 새로운 프로토콜을 선보였다. 

이 프로토콜은 뿌리가 얼마나 깊고 넓게 자라고, 뿌리 시스템이 얼마나 커지는 등 이전에는 측정하기 어려웠던 기타 물리적 특징을 분석한다. SLEAP을 식물에 적용한 결과 연구원들은 현재까지 가장 광범위한 식물 뿌리 시스템 형태 카탈로그를 구축할 수 있었다.

더욱이, 이러한 물리적 뿌리 시스템 특징을 추적하면 과학자들이 해당 특징과 관련된 유전자를 찾는 데 도움이 되며, 여러 뿌리 특징이 동일한 유전자에 의해 결정되는지 아니면 독립적으로 결정되는지를 판단할 수 있다. 이를 통해 솔크 연구팀은 식물 설계에 가장 유익한 유전자를 결정할 수 있다.

페레이라는 "이번 협업은 솔크 연구소의 과학이 특별하고 영향력 있는 이유를 실제로 보여주는 좋은 예"라고 말했다. 그는 "우리는 단순히 다른 분야의 지식을 '빌려오는' 것이 아니라, 더 큰 성과를 창출하기 위해 서로 동등한 위치에서 연구하고 있다"고 전했다.

SLEAP을 사용하기 전에는 식물과 동물 모두의 물리적 특징을 추적하는 데 많은 노동이 필요했으며 이는 과학적 과정을 지연시켰다. 이전에는 연구원들이 식물 이미지를 분석하기 위해서는 이미지에서 식물 부분과 그렇지 않은 부분을 프레임 단위, 부분 단위, 픽셀 단위로 수작업으로 표시해야 했다. 그래야만 이전의 AI 모델을 적용해 이미지를 처리하고 식물 구조에 대한 데이터를 수집할 수 있었다.

SLEAP의 독특한 점은 컴퓨터 시각(컴퓨터가 이미지를 이해하는 능력)과 딥 러닝(AI가 인간 뇌처럼 배우고 작업하도록 컴퓨터를 훈련하는 방법)을 모두 활용한다는 점이다. 

이러한 조합을 통해 연구원들은 픽셀 단위로 이동하지 않고도 이미지를 처리할 수 있으며, 중간에 노동 집약적인 단계를 건너뛰고 이미지 입력에서 정의된 식물 특징으로 바로 넘어갈 수 있다.

부쉬 연구실의 생물정보학 분석가인 엘리자베스 베리건(Elizabeth Berrigan) 제1 저자는 "우리는 다양한 식물 유형에서 검증된 강력한 프로토콜을 개발했다. 이 프로토콜은 분석 시간과 인적 오류를 줄이고 접근성과 사용 편의성이 크며 실제 SLEAP 소프트웨어를 변경할 필요가 없었다"고 말했다.

SLEAP의 기본 기술을 수정하지 않고 연구원들은 슬립 루트(sleap-roots)라는 SLEAP용 다운로드 가능한 도구킷을 개발했다. 슬립 루트는 오픈 소스 소프트웨어로 무료로 사용 가능하다. 슬립 루트를 사용하면 SLEAP는 뿌리 깊이, 질량, 성장 각도와 같은 뿌리 시스템의 생물학적 특성을 처리할 수 있다.

연구팀은 슬립 루트(sleap-roots) 패키지를 다양한 식물에서 테스트했다. 여기에는 대두, 쌀, 카놀라와 같은 농작물뿐만 아니라 모델 식물 종인 아라비도프시스 탈리아나(Arabidopsis thaliana)도 포함된다. 

깊은 뿌리 시스템을 만드는 유전자 이해 높여

다양한 식물에서 시험한 결과 이 새로운 SLEAP 기반 방법은 기존 방법보다 1.5배 빠르게 주석을 달고, AI 모델을 10배 빠르게 훈련하고, 새로운 데이터에 대한 식물 구조를 10배 빠르게 예측하며, 모두 동일하거나 더 나은 정확도를 제공했다.

이러한 표형 데이터(예: 식물의 뿌리 시스템이 유난히 깊게 자라는 것)는 대규모 게놈 시퀀싱 노력과 함께 많은 숫자의 작물 품종에서 유전형 데이터를 밝히는 데 사용해 특히 깊은 뿌리 시스템을 만드는 유전자를 이해할 수 있다.

표형과 유전형을 연결하는 이 단계는 솔크 연구소의 목표인 더 많은 이산화탄소를 더 오랫동안 유지하는 식물을 만드는 데 중요하다. 이러한 식물은 더 깊고 더 강력한 뿌리 시스템을 설계해야 한다. 이 정확하고 효율적인 소프트웨어를 구현하면 식물 활용 이니셔티브는 원하는 표형을 표적 유전자에 아주 쉽고 획기적인 속도로 연결할 수 있다.

솔크의 식물 과학 부문 헤스 의장인 부쉬 박사는 "우리는 현재까지 가장 광범위한 식물 뿌리 시스템 형태 카탈로그를 만들 수 있었다. 이는 기후 변화와 싸우는 탄소 포집 식물을 만드는 연구를 실제로 가속화하고 있다"라고 말했다. 부쉬 박사는 "SLEAP은 탈모의 전문적인 소프트웨어 설계 덕분에 적용하고 사용하기 매우 쉬웠으며 앞으로 제 연구실에서 필수적인 도구가 될 것이다"라고 말했다.

페레이라가 SLEAP과 슬립 루트(sleap-roots)를 만들 때 접근성과 재현성을 가장 중요하게 고려했다. 

연구원들은 NASA 과학자들과 토론을 시작하여 슬립 루트를 사용해 지구에서 탄소 포집 식물을 안내할 뿐만 아니라 우주에서 식물을 연구하는 데 도움이 되기를 기대한다.

솔크 연구소에서는 이미 SLEAP를 사용해 3D 데이터를 분석하는 새로운 도전에 착수하고 있다. SLEAP 및 슬립루트(sleap-roots)를 개선하고 확장하며 공유하는 노력은 앞으로 수년 동안 계속될 것이다. 

솔크 연구소의 식물 활용 이니셔티브에서의 활용은 식물 설계를 가속화하고 연구소가 기후 변화에 대응하는 데 도움이 되고 있다.