一项最近的研究表明,生成性人工智能(AI)可以显著加快寻找减少动物养殖中牛所产甲烷排放的方法的过程。该养殖行业大约占美国农业的33%,并对国家整体温室气体排放贡献约3%。
“寻找应对牲畜甲烷排放的方法是一个关键问题。我们的研究人员正在应用创新的数据驱动方法,帮助肉牛生产者实现保护环境和促进更可持续农业未来的减排目标,”ARS主任刘西门表示。
一种有前景的方法始于牛的胃,在这里微生物在肠内发酵中起作用,导致牛通过正常消化释放甲烷。研究人员发现了一系列化合物,可以抑制牛的最大胃室——瘤胃中的甲烷生产,这可能有助于减少甲烷排放。
在这些化合物中,自然存在于海藻中的溴仿能够将牛的肠内甲烷生产减少80-98%。然而,溴仿被认定为一种致癌物,由于食品安全的担忧,限制了其在牛中的使用。因此,研究人员正在寻找其他不具毒性并具有抑制甲烷能力的化合物。然而,这种搜索通常耗时且费用昂贵。
为应对这些挑战,ARS牲畜营养管理研究组和爱荷华州立大学化工与生物工程系的一组科学家利用生成性AI配合大型计算模型,加速寻找无毒的溴仿替代物。
“我们正在利用先进的分子模拟和AI,通过研究之前测试过的化合物(如溴仿)的性质,发现新的甲烷抑制剂,确保它们安全、可扩展,并在甲烷减排方面具有显著潜力,”参与该研究的研究动物科学家马修·贝克说,他现在在德克萨斯农工大学动物科学系。“爱荷华州立大学在计算机模拟和AI方面处于领先地位,而ARS专注于通过体外(实验室)和体内(生牛)研究识别和测试化合物。”
研究人员利用公开的数据库,记录了早期研究中关于牛瘤胃的科学观察,创建了广泛的计算模型。使用AI与这些模型结合,使他们能够预测分子行为,并找出那些值得进一步实验室测试的分子。随后,这些实验室测试的结果被重新整合回计算模型中,增强了AI预测,这个反馈循环过程被称为图神经网络。
“我们的图神经网络是一种机器学习模型,帮助绘制分子的性质,包括原子细节和化学键,同时保留关键信息,以理解这些分子在牛胃中的行为,”爱荷华州立大学助理教授拉图尔·乔杜里表示。“我们分析了它们的生化特征,以确定是什么使它们能够有效抑制甲烷,区别于牛瘤胃中存在的五万种其他分子,这些分子并不抑制甲烷生产。”
乔杜里补充道:“这项研究成功识别了十五种密切相关的分子,我们称之为‘功能性甲烷生产抑制空间’,表明它们在抑制甲烷的潜力、化学结构和细胞通透性上与溴仿相似。”
科学家们相信,AI可以在探索已知分子如何与瘤胃中的蛋白质和微生物群体相互作用方面发挥重要作用,可能导致新分子和瘤胃微生物组内关键相互作用的发现。这种预测性建模对动物营养学家特别有益。
“目前,还有其他有前景的策略可用于减少肠内甲烷排放,但仍然有限,”USDA-ARS研究负责人雅采克·科斯杰尔表示。“这就是为什么将AI与实验室研究相结合,通过持续的改进,是一种强大的科学方法。AI可以加速研究并增强动物营养师、研究人员和公司为实现减少温室气体排放和缓解气候变化这个雄心勃勃的目标所追求的各种策略。”
研究还概述了与每种分子的研究相关的整体计算和财务开销,提供了潜在成本和可预计挑战的估算。这些信息可以帮助指导对这种实验室研究类型的投资决策。
乔杜里、贝克和科斯杰尔共同撰写了发表在《动物前沿》上的论文,与ARS的内森·弗雷泽和堪萨斯州立大学的洛根·汤普森合作。爱荷华州立大学的研究生穆罕默德·萨基布·诺尔正在与乔杜里合作开发图神经网络。
农业研究服务局是美国农业部的主要科学研究机构。ARS每天致力于研究影响美国农业的问题。每投资一美元于美国农业研究,经济回报为20美元。