elektrik port üyelik servisleri elektrik port üyelik servisleri

Bitki Genomiği ve Mahsul Yetiştirmede Derin Öğrenme

Mühendisler için verimlilik her zaman kritik önem taşımıştır ve buna bitkilerden ve diğer canlılardan elde edilen fayda da dahildir. Bu yüzden çağımızın yeni ve etkili teknolojilerinden olan makine öğrenmesi ve derin öğrenme kullanılarak üretilen ürünün genetik dizilimlerinin en verimli olacak şekilde düzenlenmesi için bu teknolojilerden yararlanılır. Bunun yanında gezegenimizde tüketimin her geçen gün artması, yeni türlerin yok edilmesi, elimizde kalan türlerin verimliliğinin artırılması hususunu ön plana taşımaktadır. Bu yazımızda derin öğrenme tekniklerinin bitki genetiği üzerindeki çalışmalarda kullanılmasını ele alacağız.



A- A+
11.06.2021 tarihli yazı 3798 kez okunmuştur.

Makine Öğrenmesi ve Derin Öğrenmenin Bitki Genetiğinde Kullanımı

Makine öğrenmesi yaygın anlamıyla insan beyninin çalışma mekanizmasını taklit eden, kendine girdi olarak sunulan veri kümelerini anlayıp, verilen görevlerine yerine getiren bir yapay zekâ uygulamasıdır. Derin öğrenme de ise bu işlem yapay sinir ağları kullanılarak yapılır.


 

Mahsul yetiştirmede düşük maliyetle yüksek verim almak için bitkilerin kromozomlarının düzenlenmesi işi hali hazırda üzerinde çalışılan bir konudur. Fakat bu alana makine öğrenmesi, derin öğrenme, veri madenciliği girince oluşan bu verimi rastgele yapmak yerine tahmin etmek, oluşan dış görünüşü analiz etmek ve açıklamak için bu araçlar kullanılmaya başlandı.

Bu sırada iki soru ortaya çıkıyor; DNA’dan mahsulün verimliliğine akan veri akışı nasıl modellenebilir? Derin öğrenme modellerini kullanarak bu mahsullerdeki işlevsel karakterler nasıl belirlenir?

 

Derin Öğrenme Deneylerde Nasıl Kullanılır?

İlk olarak genlerdeki her nükleotid için verim üzerindeki zararlı etki nicel olarak tahmin edilir. İkinci olarak ise bitkilerin karşılaşabileceği kuraklığa, sele, sıcaklık toleransına sahip adaptasyon yeteneği güçlü genler belirlenir. Bu modeller ile büyük veri kullanılarak geniş analizler yapılabilir ve son olarak DNA düzeyinde bilgi üretilir yani mahsullerde seçilecek olan ve kullanılabilecek genler belirlenir.

Burada derin öğrenmenin amacı yukarıda bahsedilen şekilde elde edilen verileri girdi olarak kullanarak hedef değişkenler olan verimlilik veya adaptasyon yeteneği gibi özelliklerle eşlemektir. Örneğin veri seti olarak bir miktar buğdayda genlere bakılıyor, uzun olma geni aranıyor ve bulduğu zaman bu bilgiyi o genom ile eşleniyor.

► İlginizi çekebilir: Veri Madenciliği | Apriori Algoritması 
 

Çalışma Aşamaları

Sırasıyla tahminler ve hedef değişkenleri olarak biyolojik diziler ve fenotip ( dış görünüş) içeren tipik bir derin öğrenme 4 adımdan oluşur.

► Örnek olarak verilen veri kümelerinin (tahmin edici ve hedef değişken) ön işlemesi: Biyolojik dizilerin alınması, fenotiplerin kategorik gösterimi, doğrulama ve test gruplarına bölünmesi.
► Model oluşturma ve eğitim.
► Model değerlendirilmesi: Test seti olarak olarak adlandırılan başka veri setinde eğitilmiş modellerin performansının değerlendirilmesi.
► Biyolojik dizelerdeki çıkan sonuçlara herkesin anlayabileceği şekilde belirginlik ve özellik atayarak yorumlama, analiz etme faaliyetleri.



Sonuç olarak:

Tüm bu çalışmalar sonucunda son 50 yılda çok fazla ilerleme kaydetmiş genetik biliminin, 21. yüzyıla damga vuracak olan derin öğrenme modelleri ve büyük veri kavramıyla birleşmesi sonucunda; bitkilerde verimi düşüren, bitkinin dış görünüşünü bozan genlerin derin öğrenme yardımıyla oluşturulan modeller sayesinde tahmin edilebilmesi sağlanabilecek. Bu teknolojinin daha çok yaygınlaşmasıyla birlikte büyük veriden de yardım alınarak insanlık yararına ticarileşmiş organizasyonlarda kullanılabilir hale gelecektir.

Tüm bunların yanında eğer kayda değer gelişmeler devam ederse gelecekte bitki çalışmaları yerine insanlarda bulunan genetik hastalıkların tespiti ve tedavisi için geliştirmeler yapılacaktır.

 

BONUS: Christopher Nolan’ın Mısırları;




Nolan’ın müthiş filmi (en azından benim için) Yıldızlararası’nı hatırlarsanız filmin geçtiği zamanki Dünyada sadece mısır yetiştirilebildiğinden bahsediyor. Diğer bütün mahsuller ya tamamen olmuyor ya da zamanla çürüyordu. Eğer yukarıda bahsedilen çalışmalar daha da geliştirilirse ve bizlerde öylesi kötü bir Dünyada yaşayacak olursak, ağır şartlarda bile yetişebilen ve bu şartlara uyum sağlayabilen bir sürü mahsulümüz olacaktır.

Kaynak:


► sciencedirect
► bezelyedergi

 
Abdullah Yakşı Abdullah Yakşı Yazar Hakkında Tüm yazıları Mesaj gönder Yazdır



Aktif etkinlik bulunmamaktadır.
ANKET
Endüstri 4.0 için En Hazır Sektör Hangisidir

Sonuçlar