Искусственный интеллект в войне растений

Введение.

Культурные растения, которые мы выращиваем для получения урожая, являются одними из ключевых объектов сельского хозяйства. Однако на полях и огородах также произрастают сорные растения (сорняки), которые конкурируют с культурными за ресурсы. В природе тоже идут войны и это одна из них (рис. 1).

Химическое оружие растений.

Как известно, оружейный арсенал один из наиболее значимых факторов на войне. У растений таковым выступают токсичные вещества, которые они используют для подавления роста конкурирующих видов. Данное явление называется аллелопатия, а вещества, оказывающие соответствующее действие — аллелохимикаты. Термин аллелопатия был введен австрийским ботаником Гансом Молишем в 1937 году в книге “ The Influence of One Plant on Another: Allelopathy” [1]. Однако со временем концепция аллелопатии расширилась и стала включать в себя взаимодействие между любыми живыми организмами, осуществляемое за счет секретируемых ими химических веществ [2]. И давайте не забывать о том, что мы, люди, также принимаем участие в этой войне. В наших интересах получить урожай, обеспечивая культурным растениям благоприятные условия для их прорастания, угнетая рост сорняков. Для этого агрономы используют гербициды. Что такое гербициды? Гербициды — это синтетические аналоги аллелохимикатом. Таким образом, обе группы оказывают негативное влияние на растения. Такое свойство веществ называют фитотоксичностью. Механизм фитотоксического действия основан на нарушении различных жизненно важных процессов растений. К их числу относятся фотосинтез, синтез аминокислот, липидов и прочее (рис. 2).

Но как мы можем действовать на тот или иной физиологический процесс растения? На самом деле, каждому из них соответствует определенный биохимический путь, состоящий из ряда молекул-участников. Аллелохимикаты (как и гербициды) могут связываться с некоторыми из них так, что нарушается соответствующий физиологический процесс. Как правило, наиболее уязвимыми для воздействия в биохимических каскадах являются белки (ферменты, рецепторы и др.). Поэтому именно они и являются мишенью для большинства аллелохимиатов. Более того, существует список основных мишеней, ассоциированных с фитотоксичностью (табл. 1).

Таблица 1. Мишени фитотоксичности

Рассмотрим пример аллелохимиката — феруловую кислоту. Ее фитотоксическое действие обусловлено ингибированием (замедлением) синтеза белка D1, необходимого для протекания фотосинтеза (рис. 3) [3]. Логично ожидать, что нарушение этого процесса приведет к снижению синтеза углеводов и, как следствие, к смерти растения “от голода”. Однако в действительности губительное действие ингибиторов фотосинтеза связано с тем, что их действие сопровождается накоплением высокоэнергетических токсичных соединений. К ним относятся активные формы кислорода, которые разрушают клеточные мембраны, что и обуславливает их фитотоксичность [4]. Феруловая кислота обнаружена в семенах таких культур как пшеница, овес, рис, кукуруза [5].

Селективность аллелохимикатов.

Теперь у вас, наверняка, возник закономерный вопрос: “Если феруловая кислота губительна для растений, то как она может в них содержаться?”. Более того, почему гербициды, применяемые фермерами, ведут к гибели сорняков, но не культурных растений? Дело в том, что гербициды делятся на 2 группы:

—       сплошного действия, т.е. активные по отношению к широкому ряду растений

—       селективные, т.е. оказывающие эффект только на определенные виды растений.

В описанных ранее случаях мы имели дело с селективными аллелохимикатами. Но каковы механизмы подобной избирательности? Согласно книге “How herbicides work” селективность может быть обусловлена несколькими причинами [4]. Основными из них являются 2 нижеприведенных:

1.      Действие на специфичные мишени

Выше мы обсуждали, что механизм действия гербицидов связан со связыванием с определенными мишенями. Но оказывается, что мишень может присутствовать в сорняке, но не в культурном растении. В таком случае, ясно, что фитотоксический эффект не будет развиваться у культурного растения.

2.    Различие в активности метаболизма

Ряд селективных гербицидов не оказывает губительного действия на культурные растения за счет того, что последние метаболизируют гербициды значительно быстрее, чем сорняки, на которые направлено действие агрохимикатов. Во время метаболизма гербициды претерпевают ряд модификаций, включая конъюгацию с сахарами и аминокислотами. Считается, что эти формы гербицида нетоксичны [4].

К слову о селективности, крупнейшая агрохимическая компания Syngenta предлагает на своем сайте инструмент по подбору избирательного гербицида. Пользователь вводит вид культурного растения и сорняка, от которого хочет избавиться, и получает рекомендацию по гербицидам для данного случая [7]. 

Как порядочным растениям спастись от гербицидов сплошного действия?

Рассмотрим фитотоксическое действие гербицидов на примере глифосата, т.к. его довольно часто используют в сельском хозяйстве ввиду его эффективности и широкого спектра действия. Его механизм действия основан на связывании с белком EPSP, что ведет к нарушению синтеза ароматических аминокислот. Он может действовать на сорняки как до их всходов, так и после. Вместе с тем, он является неселективным, т.е. может вызывать угнетение роста культурных растений наравне с сорняками. Но если мы все-таки намерены использовать глифосат в силу его эффективности, то как нам быть с его неизбирательностью?

Один из вариантов предложил  Джеральд Дилл в своей публикации. В семена сои вводили ген CP4 фермента EPSP из бактерий Agrobacterium tumefaciens, который действует аналогично жизненно важному ферменту EPSP растительных клеток (рис.4), но при этом имеет несколько другую химическую структуру. К чему же это ведет? Глифосат ингибирует “оригинальный” фермент EPSP. При этом фермент бактериального происхождения сохраняет свою функциональность, и жизнедеятельность растений не нарушается. Соя стала первой культурой, устойчивой к глифосату. Генномодифицированные семена сои впервые поступили в продажу в 1996 году под торговой маркой ‘Roundup ready’ компании Monsanto, которую выкупил Bayer в 2018 году [8].

Путь гербицида до клетки растения.

Препаративные формы современных гербицидов разнообразны: растворы, эмульсии, смачивающийся порошок, водно-диспергируемые гранулы и прочее [9].  Выбор формы зависит от многих факторов, таких как физико-химические свойства молекул применяемого гербицида, период роста сорняков (довсходовые, послевсходовые), погодных условий и т.п. Подробнее остановимся на водных растворах гербицидов. Нанесение таких растворов осуществляется опрыскиванием.  Рассмотрим глифосат.   У нас есть цель — сорняк, который растет по центру нашей грядки и мозолит нам глаза. Берём ручной распылитель, заливаем туда раствор глифосата. И вот мы пошли в атаку – первая капля упала на лист. Мы видим, что она не впиталась в лист сию же секунду, а находится на его поверхности, образуя между своей “макушкой” и листом угол, который носит название краевой угол смачивания [10](рис.5) и характеризует степень гидрофобности вещества.  Впитыванию капли препятствует восковой слой, находящийся на поверхности листа. Чтобы его преодолеть молекула должна в некой степени быть гидрофобной. В то же время под поверхностными слоями воска находится менее липофильный слой кутина, переплетенный с нитями пектина и внедренного воска (рис. 3). Пектиновые нити гидрофильны и, как полагают, обеспечивают возможность абсорбции гидрофильных гербицидов. Кутикула заканчивается на клеточной стенке подлежащего эпидермиса, для проникновения через который также важна гидрофобность молекулы. Исходя из строения поверхности листа, мы можем сделать вывод, что гербициды должны сохранять баланс между гидрофобными и гидрофильными свойствами. В противном случае, молекула не проникнет в клетку растения.

Однако некоторые гербициды способны проникать в растения не только через листья, но еще и через корни, преодолевая довольно непростую преграду на своем пути — почву. Глифосат также относится к их числу. В общем случае, такая способность увеличивает эффективность гербицидов, т.к. они могут действовать на сорняки не только после их всхода, но и до него. Однако и тут есть нюансы. Преодолеть почву не так просто в связи с тем, что ее частицы способны адсорбировать (удерживать) наше вещество, ограждая его от растения. Степень адсорбции вещества почвой характеризуется значением коэффициента распределения органического углерода – Koc, [г/мл]. Изменение степени адсорбции гербицида почвой прямо пропорционально изменению Koc, т.е. чем больше Koc, тем больше степень адсорбции гербицида почвой и тем больше вероятность того, что бОльшая часть молекул гербицида не достигнет корней сорняка. Кос зависит от ряда параметров почвы, таких как влажность и pH.

А при чем тут ИИ?

Бурное внедрение ИИ в науки о жизни не обошло стороной сельское хозяйство. В частности, это актуально для борьбы с сорняками. Так, M.Mehdizadeh с коллегами выделяют следующие стратегии применения ИИ в контексте этой задачи [11]:

1)  Прогностическое моделирование роста сорняков

Используя ML-модели для прогнозирования роста сорняков, фермеры могут более эффективно планировать применение гербицидов;

2)  Определение видов сорняков

Модели распознавания изображений позволяют автоматизировать процесс    идентификации видов сорняков, необходимый для корректного подбора гербицида;

3)  Системы поддержки принятия решений фермеров на основе машинного обучения

Подобные системы учитывают такие факторы, как погодные условия, свойства почвы, исторические данные, чтобы рекомендовать наиболее подходящий гербицид, дозу и время внесения;

4)  Робототехника

Роботизированные системы используют алгоритмы машинного обучения для навигации по полям, определения сорняков и места для внесения гербицидов.

Перечисленные пункты – только часть возможного применения ИИ для борьбы с сорняками (рис.6). Как известно, благодаря технологиям ИИ возможно осуществлять предсказания различных свойств молекул. Возвращаясь к нашей теме, могут быть построены модели машинного обучения для прогнозирования фитотоксичности. Подобный инструмент необходим для разработки новых гербицидов, т.к. позволяет идентифицировать наиболее перспективные соединения в больших массивах химических данных. Однако остается размытым понятие фитотоксичности: как ее определяют экспериментально, в чем она измеряется? Принципиально понимать ответ на этот вопрос, так как он связан с обучающими данными для нашей модели. В действительности, есть по меньшей мере два основных подхода для формализации фитотоксичности:

1)  Определение активности по отношению к белку-мишени

Как мы обсуждали ранее, механизм действия гербицидов связан с действием на определенные мишени (как правило, белки). Поэтому один из подходов определения фитотоксического эффекта связан с измерением активности гербицида по отношению к белку-мишени. Так, Симона Фунар-Тимофей c коллегами в своей статье исследовали степень ингибирования белка D1, участвующего в фотосинтезе. В качестве параметра фитотоксичности автор использовал показатель IC50 (Inhibition Concentration 50), который соответствует концентрации молекулы (гербицида) необходимой для замедления работы белка на 50%. Чем меньше значение IC50, тем активнее молекула. Для предсказания данного показателя автор использовал метод множественной линейной регрессии [12].

2)  Определение фенотипических проявлений фитотоксичности

В то же время, очевидно, что вредоносное действие гербицида может быть оценено визуально. Однако не совсем понятно, как это однозначно формализовать. Известен целый ряд подходов. Так, в своей статье Лунфэн Ван с коллегами измеряли зависимость изменения массы растения от исследуемого гербицида. Чем выраженнее фитотоксичность гербицида, тем меньше масса, которой достигают растения к заданному моменту времени (рис.7). Также исследователи отслеживали изменения количества хлорофилла в растениях и площади листа [13].

Yuki Nakayama с коллегами оценивали фитотоксический эффект гербицидов по шкале от 0 до 100. Для предсказания того, обладают ли какие-либо химические вещества гербицидной активностью авторы применяли такие методы классификации как линейные и нелинейные методы опорных векторов (SVM) и случайного леса (Random forest) [14].

Всё больше крупных агрохимических компаний ищут специалистов в области машинного обучения и Data Science. Так, упоминавшаяся ранее Syngenta регулярно публикует вакансии на позицию хемоинформатика [15]. Кроме того, Syngenta создала систему ИИ ‘Cropwise AI’, которая способна предсказывать устойчивость сорняков к гербицидам для выбора более подходящего и эффективного агрохимиката [16].

Компания Bayer, в свою очередь, разработала систему искусственного интеллекта Cropkey, которая ускоряет поиск новых пестицидов. Первым продуктом, разработанным с помощью системы CropKey, стал послевсходовый гербицид Incafolin. Планируется его выход на рынок Бразилии в 2028 году [17].

Заключение.

Стоимость разработки нового гербицида по данным “Crop Life International” составляет порядка 300 млн $ [18]. То есть для открытия всего лишь одного нового гербицида требуется инвестировать сумму сопоставимую с годовым доходом республики Алтай (население > 200 тыс.). Такая высокая цена обусловлена необходимостью проведения большого количества экспериментов в ходе разработки. В то же время, путем предсказания фитотоксичности и других свойств молекул с помощью технологий ИИ мы можем значительно сократить время и материальные затраты на этой стадии. При этом важно понимать, что получение новых гербицидов — это не только коммерческий интерес агрохимических компаний. Эффективные гербициды — залог благополучия сельского хозяйства, а, в конце концов, и всех потребителей сельхозпродукции.

В последнее время активно обсуждается проблема резистентности сорняков к гербицидам [19]. Это значит, что с течением времени ряд сорных растений приспосабливается к токсичным для них веществам, и фермеры лишаются инструментов борьбы с ними. Быстрый и эффективный поиск новых гербицидов является краеугольным камнем в контексте данной проблемой, а инструменты на основе ИИ — многообещающим решением.

Таким образом, роль применения ИИ в современной агрохимии выходит на передовые позиции, что способствует повышению устойчивости сельского хозяйства к изменениям в экосистемах и обеспечивает продовольственную безопасность населения.

Список литературы

1.    Molisch H. “The Influence of One Plant on Another: Allelopathy”, 2001 (1937)

2.    José L. Hierro,Ragan M. Callaway“The Ecological Importance of Allelopathy”,2021 https://doi.org/10.1146/annurev-ecolsys-051120-030619

3.    Sobia Anwar, Saadia Naseem, Zahid Ali «Biochemical analysis, photosynthetic gene (psbA) down–regulation, and in silico receptor prediction in weeds in response to exogenous application of phenolic acids and their analogs», 2023 https://doi.org/10.1371/journal.pone.0277146

4.     How herbicides work : biology to application : Hall, Linda : Free Download, Borrow, and Streaming : Internet Archive

5.    Hüseyin BOZ  «Ferulic acid in cereals – a review», 2015 DOI:10.17221/401/2014-CJFS  https://www.semanticscholar.org/paper/Ferulic-Acid-in-Cereals-a-Review-Boz/74cdc0ad3811d95b92c1ecb55ddea392de95ba59

6.    Carvalho et al. Herbicide selectivity by differential metabolism: considerations for reducing crop damages, 2009 https://doi.org/10.1590/S0103-90162009000100020

7.    https://www.syngenta.ru/onlajn-kalkulyator-reshenie-po-sornyakam

8.    Gerald M Dill «Glyphosate-resistant crops: history, status and future», 2005 https://pubmed.ncbi.nlm.nih.gov/15662720/ DOI: 10.1002/ps.1008

9.    Hazra, D.K. «Conventional and futuristic smart herbicide formulations for environment friendly weed management: a review.», 2018 https://www.researchgate.net/publication/327931247_Conventional_and_futuristic_smart_herbicide_formulations_for_environment_friendly_weed_management_A_review

10. Jingjing Wei et al. «Wettability on plant leaf surfaces and its effect on pesticide efficiency», 2020 https://www.researchgate.net/publication/340293700_Wettability_on_plant_leaf_surfaces_and_its_effect_on_pesticide_efficiency DOI:10.33440/j.ijpaa.20200301.62

11. Daniel J. Bloomer et al. “Robots and shocks: emerging non-herbicide weed controloptions for vegetable and arable cropping”, 2024 https://www.tandfonline.com/doi/full/10.1080/00288233.2023.2252769

12. Simona Funar-Timofei et al. “Combined molecular docking and QSAR study of fused heterocyclic herbicide inhibitors of D1 protein in photosystem II of plants”, 2017 https://link.springer.com/article/10.1007/s11030-017-9735-x

13. Longfeng Wang et al. ‘Study on phytotoxicity evaluation and physiological properties of nicosulfuron on sugar beet (Beta vulgaris L.)’, 2022 https://doi.org/10.3389/fpls.2022.998867

14. Yuki Nakayama et al. “Molecular Design of Novel Herbicide and Insecticide SeedCompounds with Machine Learning”, 2024  Molecular Design of Novel Herbicide and Insecticide Seed Compounds with Machine Learning | ACS Omega

15. https://jobs.syngenta.com/job/postdoctoral-fellow-m-f-d-cheminformatics-data-scientist-2-years-in-ch-stein-jid-10398

16. Syngenta Group adds Cutting-Edge Generative Artificial Intelligence (GenAI) to Cropwise | Syngenta Group

17. Bayer (CropKey) support regenerate agriculture! A number of new pesticide compounds in the R&D pipeline are coming to market!

18. Time-and-Cost-To-Market-CP-2024.pdf — Yandex Documents

19. Jussaume, R., & Ervin, D. (2016). Understanding Weed Resistance as a Wicked Problem to Improve Weed Management Decisions. Weed Science, 64, 559 — 569. https://doi.org/10.1614/WS-D-15-00131.1.