ИИ помог ученым расшифровать эволюцию злаков

Открытые луга — относительно молодая экосистема в истории Земли. Хотя первые травы появились еще в эоцене, именно они стали первыми одомашненными растениями около 12 000 лет назад. Сегодня злаки: пшеница, рис, кукуруза, ячмень, сорго и просо – составляют основу мирового рациона. Однако изучение их эволюции долгое время было затруднено.

Главная проблема заключается в идентификации ископаемой пыльцы, поскольку зерна разных видов злаков под обычным световым микроскопом выглядят практически идентично. В отличие от пыльцы других цветковых растений, которую легко различить по форме, бороздкам или расположению пор, пыльца злаков не имеет выраженных внешних признаков.

Преодоление ограничений микроскопии

Ранее ученые были ограничены возможностями человеческого зрения. Световая микроскопия не позволяла увидеть тонкие детали поверхности, а электронная микроскопия, хотя и давала высокую четкость, была слишком дорогой и трудоемкой для массового анализа.

Исследователи Иллинойсского университета в Урбана-Шампейн нашли решение, объединив микроскопию сверхвысокого разрешения с методами глубокого обучения.

Микроскопия сверхвысокого разрешения работает по принципу конфокальной –  лазер освещает одну точку, а алгоритмы вычисляют рассеянный свет, восстанавливая изображение. Это позволяет получить качество, сопоставимое с электронной микроскопией, но значительно быстрее и проще.

Искусственный интеллект на службе палеонтологии

Ученые научили модель машинного обучения распознавать микроскопические различия в структуре пыльцы. Затем был разработан статистический метод, который оценивает видовое разнообразие в образцах, содержащих смесь пыльцы разных видов. Тестирование на контрольных образцах показало высокую точность.

Важным достижением стало умение модели различать злаки с типами фотосинтеза C3 и C4. Последние более эффективно используют углекислый газ и воду, что важно для понимания климатических изменений прошлого. Хотя модель пока не может идентифицировать каждый отдельный вид в образце, она с высокой точностью определяет общее видовое разнообразие.

Перспективы метода

Эффективность подхода была подтверждена на практике.  Исследователи проанализировали керн донных отложений озера в Кении, возрастом 25 000 лет.

Данное исследование доказывает, что сочетание новых методов микроскопии и ИИ позволяет превращать ископаемые остатки в ценные научные данные.

В будущем ученые планируют усовершенствовать алгоритмы, чтобы распространить этот метод на анализ пыльцы и спор всех наземных растений, что откроет новую главу в изучении истории растительного мира Земли.

Применение нестандартных подходов и технологий для научных разработок позволяет решить многие вопросы, а также оптимизировать процессы. Во Всероссийском центре карантина растений (ФГБУ «ВНИИКР» Россельхознадзора) при разработке методов диагностики вредных организмов используются как традиционные, так и новейшие прорывные технологии.

Источник: Marc-Élie Adaimé et al, Deep learning of fossil pollen morphology reveals 25,000 y of ecological change in eastern African grasslands, Proceedings of the National Academy of Sciences (2026). DOI: 10.1073/pnas.2607372123