Memahami memori epigenetik melalui kecerdasan artifisial dan ilmu omik pada tanaman

Tanaman memiliki kemampuan luar biasa untuk belajar, berkomunikasi, mengingat, dan mengembangkan sirkuit pengambilan keputusan yang bergantung pada stimulus. Berbeda dengan hewan, memori tanaman secara unik berakar pada jaringan seluler, molekuler, dan biokimia, tanpa organ khusus untuk fungsi tersebut. Akibatnya, tanaman dapat secara efektif belajar dan merespons berbagai tantangan, menjadi terbiasa terhadap sinyal yang berulang. Mekanisme epigenetik berfungsi sebagai cetak biru dasar memori tanaman, mengatur adaptasi terhadap stimulus lingkungan dengan memodulasi struktur dan aksesibilitas kromatin, sehingga memengaruhi ekspresi gen. Dengan perubahan iklim yang memperkuat cekaman lingkungan, pemahaman atas mekanisme ini menjadi krusial untuk mengembangkan tanaman yang tangguh. Kecerdasan artifisial (AI) dan machine learning (ML) telah muncul sebagai frontier baru dalam ilmu biologi, menawarkan potensi untuk memprediksi perilaku tanaman di bawah cekaman dan mengintegrasikan data epigenetik yang kompleks.

Tinjauan ini menyintesis metode dan pendekatan baru dalam AI dan ML untuk menjelaskan memori tanaman sebagai respons terhadap stimulus lingkungan dan mekanisme priming. Tinjauan ini menelaah bagaimana teknik komputasional tersebut dapat mengintegrasikan dan menganalisis data epigenetik dari respons cekaman tanaman. Metodologi kunci mencakup algoritma machine learning untuk pengenalan pola pada data aksesibilitas kromatin, pemodelan prediktif regulasi ekspresi gen, dan optimalisasi protokol pelatihan untuk tanaman induk guna meningkatkan memori transgenerasional. Penulis juga mengeksplorasi strategi untuk memanfaatkan memori transgenerasional dalam pemuliaan tanaman, dengan memanfaatkan AI untuk mengidentifikasi penanda epigenetik yang terkait dengan ketahanan terhadap cekaman.