Chiều thứ 2, ngày 16 tháng 10 năm 2023, nhóm NCM “Nghiên cứu và phát triển cây có củ tiềm năng” đã tổ chức seminar về các chủ đề: nghiên cứu sinh lý khoa lang chịu mặn và tiềm năng ứng dụng phương pháp học máy trong nghiên cứu cây có củ tại Việt Nam theo hình thức trực tiếp tại Hội trường Viện NC&PTCT kết hợp trực tuyến. Kết quả seminar cung cấp nhiều kiến thức mới về định hướng, phương pháp nghiên cứu không chỉ áp dụng trong các chương trình chọn tạo giống khoai lang mà còn có thể ứng dụng trên các đối tượng cây có củ khác.
    |
 |
| Toàn cảnh Seminar nhóm NCM “Nghiên cứu và phát triển cây có củ tiềm năng” |
Seminar có sự tham dự đông đủ của các thầy cô giáo, cán bộ nghiên cứu đến từ nhóm NCM Nghiên cứu và phát triển cây có củ tiềm năng, Viện NC&PTCT, Khoa Nông học, Viện SHNN. Ngoài ra, một số khách mời cùng tham dự gồm TS. Vũ Duy Hoàng - PGĐ phụ trách Trung tâm Nông nghiệp hữu cơ, các cán bộ tham dự trực tuyến tại Viện Nghiên cứu Nông nghiệp Bangladesh (BARI), và một số nghiên cứu sinh tại Đại học Kyushu, Nhật Bản.
Bài trình bày đầu tiên, TS. Shimul Modal - Đại học Hohenheim - Công hòa Liên bang Đức, hiện đang công tác tại Viện Nghiên cứu Nông nghiệp Bangladesh trình bày về chủ đề cơ chế sinh lý và phản ứng sinh trưởng của khoai lang chịu mặn: “Physiological mechanisms and growth responses of sweet potato subjected to salinity”. Khoai lang (Ipomoea batatas L.) được trồng chủ yếu ở châu Á, chiếm 86% sản lượng toàn cầu. Tuy nhiên, sản lượng của nó đang bị đe dọa bởi sự xâm nhập mặn. Người ta biết rất ít về phản ứng kiểu gen đối với độ mặn ở khoai lang. Các phản ứng kiểu hình hoặc các quá trình sinh lý liên quan đến khả năng chịu mặn có thể được phát triển thành một công cụ sàng lọc đáng tin cậy để hỗ trợ chọn giống vẫn chưa được phát triển cho khoai lang. Mondal et al. (2022) đã đánh giá 12 kiểu gen khoai lang tương phản chịu độ mặn vùng rễ với các mức 0, 50, 100 và 150 mM (RZS) trên hệ thống canh tác thủy canh. Dựa trên khả năng kiểu gen duy trì mức kali trong mô cao khi tăng RZS, một công cụ sàng lọc dựa trên những dữ liệu thực nghiệm đã được đề xuất để có thể phân biệt giữa các kiểu gen chịu mặn và nhạy cảm trong điều kiện mặn. Ngoài ra, các nghiên cứu mới đây trong năm 2023 của TS. Mondal đã cung cấp bức tranh khá tổng thể về cơ chế chịu mặn của khoai lang ở giai đoạn cây con (Mondal et al., 2023a; Mondal et al., 2023b).
|
 |
| TS. Shimul Modal trình về các nghiên cứu sinh lý khoai lang chịu mặn |
|
 |
| Cơ chế chịu mặn của khoai lang ở giai đoạn cây con |
Giới thiệu các phương pháp mới trong nghiên cứu, chọn tạo cây có củ, ThS. Nguyễn Trung Đức – Trưởng nhóm NCM đã trình bày về chủ đề: “Machine learning application in plant breeding: case study in corn and potential application in tuber crops”. Trong những thập kỷ gần đây, kiến thức thu được từ nghiên cứu cơ bản về sinh học thực vật đã thúc đẩy đáng kể tiến độ chọn giống, cải tiến tăng năng suất và khả năng chịu stress tốt hơn trên cây trồng. Tuy nhiên, những khoảng cách hiện có giữa nghiên cứu cơ bản và ứng dụng trong chọn giống cây trồng vẫn phải được khắc phục để đạt được mục tiêu chọn giống chính xác. Là một tập con của công nghệ trí tuệ nhân tạo, học máy (machine learning) có nhiều hứa hẹn vì khả năng vượt trội và tính linh hoạt trong việc tích hợp các dạng kiến thức và dữ liệu sinh học đa chiều (Yan & Wang, 2023). Học máy có thể chuyển kiến thức và dữ liệu sinh học sang chọn tạo giống chính xác, chủ yếu thông qua hai con đường: Một là con đường kết hợp dữ liệu khoa học đa ngành, đa miền trong sinh học thực vật qua đó đẩy nhanh việc phát hiện các gen và đột biến có thể sử dụng về mặt nông học để ứng dụng chọn giống có hỗ trợ chỉ thị phân tử; Hai là áp dụng trực tiếp các kỹ thuật học máy trong các chương trình chọn giống để xây dựng nhiều mô hình dự đoán khác nhau nhằm đạt được mục tiêu chọn lọc giống dựa trên bộ gen. Phương pháp học máy đã được ThS. Nguyễn Trung Đức và các cộng sự áp dụng dựa đoán khối lượng hạt trên đậu tương (Nguyen Trung Duc et al., 2023), sinh khối lúa nước (Allimuthu Elangovan et al., 2023) và sinh khối lúa mì (Biswabiplab Singh et al., 2023).
|
 |
| Tiềm năng ứng dụng phương pháp học máy kết hợp đánh giá kiểu hình qua ảnh trên các đối tượng cây có củ |
Seminar đã diễn ra thành công, tốt đẹp với sự thảo luận rất sôi nổi từ các thầy cô giáo, các nhà nghiên cứu tham dự. Nhiều kiến thức mới được cập nhật về định hướng nghiên cứu, phương pháp nghiên cứu không chỉ áp dụng trong các chương trình chọn tạo giống khoai lang mà còn có thể ứng dụng trong các đối tượng cây có củ khác. Kết thúc buổi seminar, các thầycô giáo, nhà nghiên cứu đã thăm khu chọn tạo cây có củ và đánh giá một số mẫu giống mới.
|
 |
| Thăm khu chọn tạo cây có củ và đánh giá một số mẫu giống mới |
Một số công bố khoa học liên quan của các diễn giả
Mondal S., Rahaman E. H. M. S. & Asch F. (2022). Potassium content is the main driver for salinity tolerance in sweet potato before tuber formation. Journal of Agronomy and Crop Science. 208(5): 645-661. DOI: 10.1111/jac.12599
Mondal S., Burgert S., Asch J., Rahaman E. H. M. S. & Asch F. (2023a). Salinity effects on the activities of ROS scavenging enzymes in leaves of two sweet potato clones. Journal of Agronomy and Crop Science. DOI: 10.1111/jac.12657
Mondal S., Rahaman E. H. M. S. & Asch F. (2023b). Ion uptake and distribution in sweet potato genotypes subjected to salt stress is not driven by transpiration. Journal of Agronomy and Crop Science. n/a(n/a). DOI: 10.1111/jac.12673
Nguyen Trung Duc, Ayyagari Ramlal, Ambika Rajendran, Dhandapani Raju, Sanjay Kumar Lal, Sudhir Kumar, Rabi Narayan Sahoo & Viswanathan Chinnusamy (2023). Image-based phenotyping of seed architecture traits and seed weight prediction using machine learning models in soybean. Frontiers in Plant Science. 14. 1206357. DOI: 10.3389/fpls.2023.1206357
Elangovan A., Duc N. T., Raju D., Kumar S., Singh B., Vishwakarma C., Gopala Krishnan S., Ellur R. K., Dalal M., Swain P., Dash S. K., Singh M. P., Sahoo R. N., Dinesh G. K., Gupta P. & Chinnusamy V. (2023). Imaging sensor-based high-throughput measurement of biomass using machine learning models in rice. Agriculture. 13(4): 1-22. DOI: 10.3390/agriculture13040852
Biswabiplab Singh, Sudhir Kumar, Allimuthu Elangovan, Devendra Vasht, Sunny Arya, Nguyen Trung Duc, Pooja Swami, Godavari Pawar, Dhandapani Raju, Hari Krishna, Lekshmy Sathee, Monika Dalal, Rabi Narayan Sahoo & Viswanathan Chinnusamy (2023). Phenomics based measurement of plant biomass and leaf area in wheat using machine learning approaches. Frontiers in Plant Science. 14. DOI: 10.3389/fpls.2023.1214801
Nhóm NCM Nghiên cứu và phát triển cây có củ tiềm năng