هوش مصنوعی محلی آموزش‌دیده بر روی داده‌های میکروب روده می‌تواند به دام‌های آفریقایی در مقاومت در برابر گرما کمک کند

ویرایش شده توسط Sadie Harley، بررسی توسط Robert Egan

این مقاله با توجه به روند و سیاست‌های ویرایشی Science X بررسی شده است. ویراستاران ضمن اطمینان از اعتبار محتوا، ویژگی های زیر را برجسته کرده اند:

در مطالعه‌ای که در Agriculture منتشر شده است، محققان دانشگاه ژوهانسبورگ (UJ) یک نقشه راه برای یک رویکرد کشاورزی دقیق مبتنی بر هوش مصنوعی برای بهبود بیشتر توانایی‌های نژادهای بومی و سایر نژادهای دام برای مقاومت در برابر شرایط شدید در عملیات کشاورزی در همه اندازه‌ها و انواع پیشنهاد می‌کنند.

از آنجایی که قاره آفریقا برای اوج گرفتن یکی از قوی ترین رویدادهای ال نینو که تاکنون مشاهده شده آماده می شود، حفظ کمیت و کیفیت تولید تخم مرغ، شیر و گوشت حیوانات تحت استرس حتی چالش برانگیزتر از سال های گذشته خواهد بود.

اما برای اکثر کشاورزان خرده پا و خرده پا، استفاده از خوراک های پرمغذی، آنتی بیوتیک های وارداتی و سایر داروهای دامپزشکی دور از دسترس و گران است.

دکتر Keabetswe Tebogo Ncube، یکی از نویسندگان، می‌گوید در همین حال، دام‌های بومی آفریقایی - که عمدتا توسط کشاورزان خرده‌دار پرورش داده می‌شوند - می‌توانند از گرما و خشکسالی که برای نژادهای سازگار خارج از آفریقا کشنده است، جان سالم به در ببرند. Ncube یک محقق در مرکز تحقیقات متابولومیک گیاهان، در بخش بیوشیمی، در دانشکده علوم UJ است.

در جنوب آفریقا، نژادهای بومی گاو، بز، گوسفند و مرغ بسیار مقاوم‌تر از سایر نژادها هستند و به داروهای کمتری نیاز دارند. راندمان خوراک آنها در علوفه محلی ناچیز در زمین های مشترک سنتی می تواند نسبتا بالا باشد.

در حالی که نرخ بقای آنها در شرایط شدید بالاتر است، وزن آنها کندتر از سایر نژادهای سازگار با منطقه است، که معمولا به طور خاص برای تولید بالای برخی از صفات مهم اقتصادی مانند گوشت یا شیر پرورش داده می شوند.

Ncube و دکتر Fidele Tugizimana می گویند که توصیه به کشاورزان در مورد تنظیمات دقیق خوراک های محلی موجود و مدیریت روزانه حیوانات می تواند باعث بهبود تولید و کاهش بیماری ها شود. توگیزیمانا مدیر مرکز تحقیقات UJ برای متابولومیک گیاهی است.

با این حال، آنها استدلال می کنند که این تنظیمات باید بر اساس مدل های داده محلی AI (هوش مصنوعی) باشد. و مدل‌ها باید از داده‌های دام‌های مزارع معمولی آفریقا ساخته شوند.

Ncube توضیح می دهد که حتی قبل از محاسبه گرما و خشکسالی اضافی ال نینو، بسیاری از حیوانات پرورشی در آفریقای جنوبی تحت استرس محیط زیست خود هستند، زیرا تحت شرایط کشاورزی گسترده پرورش می یابند.

در نواحی روستایی، گاوها، گوسفندها و بزهای کشاورزان معیشت در گرمای هر روز ساعت ها به چرای عمومی می روند. وقتی به چرا می رسند، اغلب آنقدر خسته هستند که نمی توانند زیاد بخورند. آنها تمایل دارند به جای غذا خوردن استراحت کنند. Ncube می گوید: "چنین حیوانی بیشتر بر بقای خود تمرکز می کند تا تولید گوشت یا شیر، زیرا اولویت زنده ماندن است."

علاوه بر این، در شرایط گرما یا خشکی، علف و سایر گیاهان چرا نیز ممکن است تحت تنش قرار گیرند. گیاهان ممکن است کمتر از مواد مغذی کلیدی – ویتامین ها، مواد معدنی و پروتئین – تولید کنند که حیوانات برای تولید شیر یا گوشت به آن نیاز دارند. Tugizimana اضافه می کند که برای زنده ماندن در گرما، گیاهان ممکن است مواد شیمیایی (متابولیت) متفاوتی نسبت به معمول تولید کنند.

هنگامی که یک حیوان تحت استرس گرما گیاهی را می خورد که تحت استرس گرما قرار دارد، چندین اتفاق می افتد. توگیزیمانا می افزاید، باکتری های موجود در روده حیوان تشخیص می دهند که مواد شیمیایی «عجیب» به مواد گیاهی اضافه شده است.

او می‌گوید: «آن میکروب‌های روده با یکدیگر ارتباط برقرار می‌کنند که تعادل مواد شیمیایی در گیاهان تغییر کرده است. سپس میکروب‌ها سیگنال‌های شیمیایی (متابولیت‌ها) خود را به حیوانی که در آن زندگی می‌کنند ارسال می‌کنند که مشکلی وجود دارد.

او می‌گوید: "سیگنال‌هایی که باکتری ارسال می‌کند می‌تواند نحوه تولید پروتئین‌ها، ویتامین‌ها و سایر مواد مغذی ضروری را تغییر دهد. حیوان ممکن است فرآیند "معمول" خود برای تولید شیر را متوقف یا کاهش دهد یا برای زنده ماندن شروع به ساخت مواد شیمیایی دیگر کند."

در طرف دیگر طیف تولید دام، اکثر عملیات کشاورزی تجاری به طرق دیگر به حیوانات فشار وارد می کنند. در اینجا، حیوانات مجبور نیستند برای چرا پیاده روی کنند. Ncube می گوید که آنها به سختی حرکت می کنند - که بر سلامت آنها نیز تأثیر می گذارد.

"حیوانات به فضای زیادی نیاز دارند زیرا واکنش‌پذیر هستند، بازی می‌کنند، آنها در اطراف حرکت می‌کنند. حالا شما آن حیوان بسیار فعال را بردارید و آن را در یک مربع کوچک قرار دهید، بنابراین آزادی حرکتی وجود ندارد. آنها بسیار مضطرب می‌شوند و به شدت استرس می‌گیرند."

کورتیزول و سایر هورمون‌های استرس مرتبط با آن افزایش می‌یابد. و سپس حیوان می‌تواند بیمار شود. جوجه‌ها بدترین نمونه هستند. آنها در آن فضای کوچک محدود می‌میرند؛ میزان مرگ و میر بالا خواهد بود.»

Ncube می‌گوید بسیاری از کشاورزان تجاری از فناوری‌هایی استفاده می‌کنند که به‌طور خودکار حیواناتی را که تحت استرس گرما هستند، بدون اقدامات دستی کشاورز خنک می‌کند. این حیوانات در انبارهایی زندگی می‌کنند که توسط سیستم‌های کنترل آب و هوا مدیریت می‌شوند، جایی که تصمیم‌گیری‌ها بر اساس مدل‌های داده‌های هوش مصنوعی (هوش مصنوعی) است.

او می‌گوید: «این فناوری می‌تواند حیوان را اسکن کند، بداند که این حیوان تحت استرس است، و هواداران را برای دمیدن غبار تحریک کند تا حیوان بتواند خنک شود.

با این حال، Ncube استدلال می‌کند که مدل‌های داده‌های هوش مصنوعی که برای حیواناتی که در شمال جهانی پرورش داده می‌شوند و در انبارهای تحت کنترل آب و هوا زندگی می‌کنند، بعید است در کشورهای در حال توسعه موفق شوند.

او می‌گوید: "در آفریقا، بیشتر دام‌های مزارع کوچک را گاو، گوسفند و بز بومی تشکیل می‌دهند. این حیوانات در یک مکان نمی‌مانند. آنها برای غذا خوردن باید مسافت طولانی را طی کنند. همچنین حیوانات، سیستم‌های آب و هوایی و سیستم‌های کشاورزی متفاوت هستند. کاری که ما باید انجام دهیم این است که داده‌های زیادی را جمع‌آوری کنیم و سپس مدل‌های داده هوش مصنوعی خود را آموزش دهیم."

توگیزیمانا می‌گوید هنگامی که یک مدل هوش مصنوعی محلی از داده‌های دنیای واقعی از دام‌های آفریقایی ساخته می‌شود، کشاورزان می‌توانند به روش‌های خاصی هدایت شوند. او کشاورزی را در جنوب آفریقا مثال می‌زند که از گاوهای بومی سرسخت انگونی نگهداری می‌کند. پیش‌بینی آب و هوا می‌تواند دماهای شدیدی را پیش‌بینی کند که احتمالا گاوها را در استرس گرمایی قرار می‌دهد.

نژاد Nguni تحت تنش گرمایی قوی است. و ما نشانگرهای ژنتیکی خاصی را می‌شناسیم که میکروب‌های روده را توصیف می‌کنند که باعث تحمل بیشتر این نژاد در برابر گرما می‌شود.

اگر DNA کامل گاو تجزیه و تحلیل شده باشد، تغذیه دقیق، مکمل ها و مدیریت امکان پذیر می شود.

توگیزیمانا می‌گوید: «اگر داده‌های بیشتری تولید کنید، می‌توانید یک مدل پیش‌بینی ایجاد کنید که می‌تواند به شما بگوید در این سناریو، اگر این سیگنال را ببینید، به این معنی است.

او می افزاید: "ما می توانیم بگوییم که این گاو خاص این نشانگر را ندارد. ممکن است تحت گرما بیش از حد تحت فشار قرار گیرد. در عوض، بیایید آماده سازی آن را شروع کنیم یا کاری متفاوت برای حمایت از آن انجام دهیم قبل از اینکه بیش از حد استرس وارد شود."

ساخت مدل داده‌ها همچنین به داده‌هایی از میکروب‌های روده دام و سیگنال‌های شیمیایی (متابولیت‌های) که از دام آفریقایی ارسال می‌کنند، نیاز دارد. داده ها باید از بسیاری از سناریوها، تحت شرایط مختلف، از جمله گرما و خشکسالی باشد.

توگیزیمانا می‌افزاید: «ما باید با مطالعات تحقیقاتی که زبان‌های شیمیایی (متابولیت‌ها) را که میکروب‌های روده برای برقراری ارتباط بین خود و همچنین با حیوان میزبان استفاده می‌کنند، در آفریقا داده‌های زیادی تولید کنیم.

هر چه اطلاعات بیشتر، درک بیشتری به دست آوریم، مدل‌های داده‌های هوش مصنوعی بهتری را می‌توانیم تولید کنیم. چنین مدل‌هایی می‌توانند پیش‌بینی کنند که این حیوان تحت استرس است، آن حیوان در آن شرایط پیش می‌رود، که فرد طی چند هفته به آن نیاز دارد.»

Ncube می‌گوید در حالی که کشاورزان تجاری ممکن است بهترین موقعیت را برای پیاده‌سازی راهنمایی‌های یک مدل هوش مصنوعی خوب داشته باشند، عملیات‌های کوچک نیز می‌توانند سودمند باشند. تنظیمات مدیریتی، مانند انتقال دام ها چند ساعت زودتر به مناطق چرا و بازگشت چند ساعت بعد برای جلوگیری از پیاده روی در بدترین گرمای روز، می تواند تفاوت ایجاد کند.

اگر محققان داده‌هایی را جمع‌آوری کنند که به درک عمیق‌تری از الگوهای چرا و میکروبیوم روده نژادهای بومی منجر شود، می‌توان مکمل‌های خوراک اقتصادی را برای شرایط محلی توسعه داد.

اگر داده‌های دام از طیف گسترده‌ای از مزارع خرده‌مالک جمع‌آوری شود، مدل‌های هوش مصنوعی محلی قوی‌تر خواهند بود، زیرا اینها سیستم‌های نسبتا پیچیده‌ای هستند که در منابع مشترک مانند چراگاه و منابع آب رشد می‌کنند.

یک پروژه می تواند محققین را در حال جمع آوری داده ها از مجموعه ای از روستاهای روستایی ببیند. روابط خوب بین مقامات سنتی و افسران دولتی حمایت از کشاورزی باید برقرار باشد.

Ncube می‌گوید جدا از داده‌های جمع‌آوری‌شده توسط محققان، همه دامداری‌ها می‌توانند به میزان قابل توجهی در دقت مدل‌های هوش مصنوعی محلی کمک کنند. به صورت روزانه، ثبت دما و باران مفید خواهد بود. یک بار در ماه، تنظیمات خوراک و توده حیوانات کوچکتر را می توان ثبت کرد. تولد، مرگ، خرید و فروش نیز باید ثبت شود.

برای مطالعه استرس گرمایی، هورمون‌ها و سایر پاسخ‌های استرس، محققان باید از خون دام برای آنالیز سرم نمونه‌برداری کنند. با این حال، برای تعیین اینکه آیا حیوانات خاص دارای نشانگرهای ژنتیکی برای تحمل گرما هستند، خون کامل برای تجزیه و تحلیل DNA مورد نیاز است.

نمونه های شیر برای نشان دادن تأثیرات تغییرات دما، آب، خوراک و مدیریت بر کیفیت شیر، به ویژه درصد پروتئین، چربی و کلسیم بسیار عالی هستند.

سواب های رکتوم می توانند اطلاعات زیادی در مورد میکروب های روده و متابولیت های آنها ارائه دهند. سواب ها به مراتب بهتر از جمع آوری مدفوع هستند، که به زمان بیشتری برای هر حیوان نیاز دارد زیرا محققان باید منتظر مدفوع حیوان باشند. نمونه های سرگین همچنین ممکن است منجر به اطلاعات آلوده و ناقص شود.

نمونه های گوشت آخرین گزینه خواهند بود و برای کسب مجوز اخلاقی برای تحقیق نیاز به توجیه بسیار خوبی دارند. علاوه بر این، بسیار پرهزینه تر است زیرا حیوانات باید در محیط های کنترل شده پرورش داده و ذبح شوند.

هزاران سال است که دامداری بخشی از داستان بشر بوده است. توگیزیمانا می‌گوید، با این حال، «جهان» میکروب‌ها و سیگنال‌های شیمیایی (متابولیت‌ها) درون روده گاوها و دیگر حیوانات هنوز ناشناخته است. مدل‌های داده‌های هوش مصنوعی می‌توانند به جمعیت رو به رشد آفریقا در حفظ دام‌های خود در شرایط عدم اطمینان اقلیمی کمک کنند.

Keabetswe Tebogo Ncube و همکاران، از میکروبیوم ها تا تغذیه دقیق دام: نقشه راه سیاست مبتنی بر هوش مصنوعی برای آفریقا، کشاورزی (2026). DOI: 10.3390/agriculture16161718

کارشناسی علوم زیستی و اکولوژی. پیشینه آزمایشگاه میکروبیولوژی با تجربه اخبار دارویی در صنایع نفت، گاز و تجدیدپذیر. نمایه کامل →

لیسانس زیست شناسی ریاضی، کارشناسی ارشد در نوشتن خلاق. خوش سفر با دیدگاه های منحصر به فرد در علم و زبان. نمایه کامل →