Una comprensión más profunda de las tendencias avanzadas en inteligencia artificial (IA), aprendizaje automático (ML) y métodos de aprendizaje profundo en los modelos de predicción genómica es fundamental para el éxito de la agricultura a pequeña escala.
Los algoritmos de IA y ML ahora se están utilizando para reducir los riesgos en la agricultura al tiempo que permiten pronosticar brotes de plagas y enfermedades y alertar a los agricultores con anticipación.
El taller anual de colaboración para la Comunidad de Prácticas (CoP) de Bioinformática y Biometría bajo el Módulo 5 de la Plataforma Excelencia en Reproducción (EiB), celebrado en julio en Montpellier, Francia, discutió el potencial sin explotar de los métodos de aprendizaje profundo para tener un impacto significativo en la agricultura.
Con el tema: "Inteligencia artificial y aprendizaje automático con casos de uso de selección genómica", el taller sirvió como una plataforma para que los científicos de datos de todas las instituciones del CGIAR exploren el uso de algoritmos avanzados de ML de investigación agrícola para genómica, incluida la predicción del fenotipo de la planta, la identificación de imágenes, la identificación de enfermedades , y anotación de secuencias de ADN.
“Durante las reuniones del Módulo 5 de la Plataforma EiB, la necesidad de implementar adecuadamente los algoritmos AI / ML en los programas de mejoramiento fue vista como una gran oportunidad para impulsar las ganancias genéticas en los cultivos. Se decidió además tener un taller colaborativo en todo el CGIAR con el apoyo de EiB para compartir experiencias, aprender nuevas metodologías y planificar para el futuro ", dijo el Dr. Abhishek Rathore, Módulo 5 de la Plataforma EiB - Coordinador de CoP de Bioinformática y Biometría y Líder temático, Estadísticas, Bioinformática y gestión de datos, ICRISAT.
El Dr. Osval Antonio Montesinos López, Profesor Asociado de la Universidad de Colima, México, que sirvió como instructor para el taller, detalló metodologías bajo el paraguas del aprendizaje automático. Los participantes fueron entrenados en algoritmos de elementos generales de predicción y regresión logística, redes neuronales artificiales y aprendizaje profundo para diferentes tipos de resultados, regresión de vectores de soporte y máquinas de vectores de soporte, modelos lineales mixtos para predicción genómica y regresión funcional.
Cuatro mujeres científicas de datos se encontraban entre el grupo de 11 participantes de los centros del CGIAR, incluidos AfricaRice, Bioversity International, Centro Internacional de Agricultura Tropical (CIAT), Centro Internacional de Mejoramiento de Maíz y Trigo (CIMMYT), Centro Internacional de la Papa (CIP), Centro Internacional de Agricultura Investigación en las zonas secas (ICARDA), Instituto Internacional de Agricultura Tropical (IITA), Instituto Internacional de Investigación Ganadera (ILRI), Instituto Internacional de Investigación del Arroz (IRRI) e ICRISAT.
Líder del Módulo 5 de la Plataforma EiB, la Dra. Kelly Robbins apoyó y dirigió la planificación y las actividades del taller. El taller fue apoyado por el Módulo 5 de la Plataforma EiB.
Publicado: 29 de agosto de 2019
Fuente: CGIAR
Atrás
