Redes neuronales

Aplican la Inteligencia Artificial a la producción de tomates

Investigadores de la UNL y el Conicet idearon un software para analizar millones de datos obtenidos de análisis de variedades de frutos autóctonos. Con esa información se podrán lograr mejores cruzas para competir en el mercado.

(C) Fernando López - Comunicación Centífica UNL - El Litoral

Redondos, peritas, con formas de cerezas, rojos o amarillos, la variedad de tomates que existe parece interminable, aunque en el mercado se conocen más que nada las dos primeros de esta lista. Sin embargo, investigadores del Inta en Castelar y La Consulta estudian las propiedades de tomates autóctonos para producir cruzas que sean competitivas y sumar alternativas.

Pero analizar toda esa información, sobre todo la de origen genético, era un verdadero problema hasta que investigadores de la UNL y el Conicet aportaron la ayuda de la Inteligencia Artificial. “Son tomates que se cultivan en la zona de Cuyo y en el Noroeste de los que tratan de determinar qué propiedades interesantes tienen, y qué partes de los cromosomas están asociados a ellas, para hacer cruzas y obtener frutos que puedan llegar a ser de interés comercial en un futuro”, explicó Diego Milone, que trabaja en el Grupo de Investigación en Señales e Inteligencia Computacional de la Facultad de Ingeniería y Ciencias Hídricas de la Universidad Nacional del Litoral.

Según contó, el personal del Inta estudia unas 50 especies de tomates. De ellas obtienen, por un lado, la información genética por medio de equipos de análisis que producen gran cantidad de datos. Por otro, resultados de paneles de catación de los productos y de mediciones de características agronómicas, de los que consiguen información de las durezas, sabores, texturas, tamaños y colores, entre otras variables. Por último, examinan los metabolitos de los tomates: azúcares o ácidos, por ejemplo.

“Necesitaban algún tipo de herramienta informática que se meta en todos esos datos y que encuentre relaciones automáticamente, números vinculados entre sí, que los saquen a la luz, que los muestren, para luego darles la interpretación biológica y de interés agronómico que corresponda”, afirmó.

Redes neuronales

Milone apuntó que se trataba de integrar la información genética, los datos de los metabolitos, las mediciones agronómicas y los resultados de la catación para encontrar relaciones. Para ello desarrollaron nuevos modelos de redes neuronales, basados en trabajos originales de la década del ‘80 y que estaban inspirados en la retina humana, muy interconectadas entre sí. Esas neuronas descubren automáticamente relaciones entre la información que se les da.

“Había que integrar la gran cantidad de planillas que se obtenían, pero no teníamos idea de qué era lo que estábamos buscando allí. Sabíamos que eran cosas que se relacionaban entre sí, aunque de antemano no sabíamos que tal gen daba como resultado que el tomate fuera amarillo o más grande, por ejemplo. Eso era lo que queríamos que el algoritmo busque”, relató.

El sistema creado por el grupo se basaba en un “aprendizaje no supervisado”, porque no se le decía a la red neuronal qué salida era la esperada o correcta, sino que el modelo neuronal solo iba encontrando patrones de comportamiento común entre la información. De esa manera, los biólogos ahora podían encontrar datos cruzados y ver qué relación había entre, por ejemplo, un gen y los metabolitos agrupados en la red.

“Nosotros les dimos un software que entrena y muestra el mapa neuronal. Haciendo clic en alguna de esas neuronas se van obteniendo curvas con datos de genes y de metabolitos que se interrelacionan. Esto les sirve para encontrar qué parte de los cromosomas de los tomates tienen impacto en determinadas propiedades del fruto. Eventualmente podrán desarrollar nuevos tomates a partir de las especies autóctonas o lo que se les ocurra a los especialistas”, finalizó Milone.