Sebagian besar sifat yang kita pedulikan di bidang pertanian bukanlah sifat gen tunggal, demikian pengamatan Avalo CSO Mariano Alvaro, PhD. Hal ini mungkin disebabkan oleh ratusan, atau bahkan ribuan gen yang bekerja bersama dengan cara yang tidak kita pahami. Jadi bagaimana para pemulia dapat mengatasi semua gangguan biologis untuk mengidentifikasi apa yang penting?
Di Avalo yang berbasis di Carolina Utara, yang menyebarkan pembelajaran mesin yang dapat ditafsirkan (IML) untuk mengembangkan varietas tanaman yang lebih tahan iklim seperti tebu dan kapas, kuncinya adalah merangkul kompleksitas, katanya. “Kami melihat hutannya, bukan pepohonannya.”
Melalui platform evolusinya yang cepat, Avalo memanfaatkan kumpulan gen yang lebih luas, varietas liar, dan penyerbukan alami untuk menghasilkan kumpulan data yang lebih kaya; menggunakan pemodelan berbasis komputer untuk mengenali sifat-sifat genetik yang menjanjikan dengan lebih cepat di banyak sampel; dan menerapkan pembelajaran mesin untuk memahami genom yang kompleks “untuk menemukan karakteristik yang mendasarinya, bukan hanya gen individu.”
Dalam tanaman yang terkenal menantang seperti tebu, yang memiliki genom yang besar dan kompleks serta siklus perkembangbiakan yang panjang, memperkenalkan varietas baru ke pasar dapat memakan waktu lebih dari satu dekade, katanya. Avalo—yang sedang dikerjakan Mitra Coca-Cola Europa-Pasifik (CCEP) untuk mengembangkan lebih banyak varietas yang tahan iklim di Australia—menganggap hal ini berpotensi mengurangi separuh jangka waktu tersebut.
Berita AgFunder (AFN) menyusul Alvarez (MA) baru-baru ini Acara Agri-Tech Dunia di London untuk mengetahui lebih lanjut…
AFN: Bagaimana para pemulia secara tradisional menghubungkan gen dengan sifat-sifat yang diinginkan?
MA: Ini sebenarnya merupakan proses yang sangat menantang, meskipun ini adalah sesuatu yang telah kami lakukan selama beberapa dekade. Pada titik ini, sebenarnya ada dua pendekatan, maju dan mundur. Jadi, Anda bisa melakukannya, gen demi gen, memecahkan sesuatu dan kemudian menguji tanaman tersebut untuk melihat bagaimana responsnya, apakah tanaman tersebut mempengaruhi atau tidak mempengaruhi sifat yang Anda minati.
Atau Anda dapat menantang tanaman dengan kondisi tertentu dan kemudian mengukur ekspresi gennya dan mencoba menemukannya dengan cara tersebut.
Kedua metode tersebut bisa sangat menantang.
Dalam kasus pertama, diperlukan banyak waktu, tenaga, dan uang untuk membuat pengeditan gen yang sangat tepat yang benar-benar Anda inginkan jika Anda ingin menemukan gen untuk sifat yang kompleks, sedangkan metode asosiatif hanya memiliki banyak gangguan di dalamnya. Biologi itu rumit; Ada banyak sekali gen yang merespons satu sama lain dan terhadap lingkungannya, sehingga sulit untuk menguraikannya.
Dalam proses penemuan normal, ribuan gen (mungkin) bertanggung jawab atas suatu sifat tertentu, jadi, menurut saya masa-masa penemuan yang mudah sudah berakhir.
AFN: Bagaimana cara kerja proses Avalo?
MA: Kami menggunakan metode asosiatif, namun kami mengembangkannya menggunakan teknik pembelajaran mesin. Daripada melihat setiap gen satu per satu, kami menggunakan pembelajaran mesin untuk melihat keseluruhan genom secara bersamaan, melihat respon tanaman di lingkungan berbeda, dan kemudian mengidentifikasi gen mana yang bertanggung jawab.
Dan tentu saja, kita masih melihat sejumlah besar gen yang bertanggung jawab, namun kita dapat mempersempitnya lebih dari yang mungkin dilakukan saat ini dan menghilangkan banyak gangguan biologis semacam itu dan hanya fokus pada konstelasi target utama untuk bagian selanjutnya dari proses kita.
AFN: Bagaimana cara kerja platform pemodelan prediktif Anda?
MA: Saat kami menemukan dasar genetik dari suatu sifat kompleks, kami kemudian mengubahnya menjadi algoritma prediktif. Jadi bayangkan jika Anda bernavigasi berdasarkan bintang, Anda tidak akan melihat setiap bintang di langit. Anda akan fokus pada beberapa konstelasi tertentu untuk memandu Anda. Dan pada dasarnya itulah yang kami lakukan.
Kami merancang pengujian yang hanya melihat pada gen yang kami minati dan memungkinkan kami membuat model yang lebih prediktif, karena model tersebut tidak dikacaukan oleh gangguan biologis yang mendasarinya.
AFN: Apa model bisnis Anda?
MA: Kami benar-benar menganggap diri kami sebagai perusahaan pengembangan tanaman terpadu, yang berarti kami menjalankan program pemuliaan kami sendiri.
Kami menggunakan model kami dalam program kami sendiri, dan kami menggunakannya untuk menurunkan biaya pengembangan. Ya, jenis perkembangan. Kami kemudian bekerja sama dengan para petani untuk mendapatkan benih kami dan memberi mereka serangkaian rekomendasi agronomi yang sejalan dengan benih tersebut.
Dan kemudian, dalam beberapa kasus, kami benar-benar membantu kemudian menjual produk akhir di pos pertanian. Dalam hal tebu, kami bekerja sama dengan Coca-Cola Europacific Partners (CCEP). Mereka mendapatkan seluruh gula dalam rantai pasokan mereka di Pasifik dari tebu yang berasal dari Queensland, Australia.
AFN: Seberapa menantangkah pengolahan tebu? Dan apa yang secara spesifik Anda cari dari kemitraan ini? Apakah ini tentang menanamnya di tempat yang airnya lebih sedikit? Apakah ini tentang penggunaan lebih sedikit pupuk?
MA: Tebu merupakan tanaman yang sangat menantang untuk dikerjakan. Ia memiliki genom yang sangat kompleks, berkali-kali lebih kompleks daripada genom manusia. Ini adalah tanaman tahunan, sehingga memiliki siklus perkembangbiakan yang sangat panjang. Namun jenis proyek itulah yang ingin kami kerjakan di Avalo, karena berdampak besar pada rantai pasokan.
Bagi CCEP, jumlah tersebut mencapai 16% dari total emisi Lingkup tiga mereka, dan ini merupakan jumlah yang sangat besar. Jadi jika kita mampu membuat perbedaan di sini, kita sebenarnya bisa memberikan dampak yang besar dari perspektif keberlanjutan.
AFN: Apa status pekerjaan Anda dengan Coca-Cola Europacific Partners?
MA: Jadi tahun ini adalah tahun pembelajaran bagi kita, memasuki rantai pasokan, bekerja sama dengan sekelompok kecil petani inti, dan mencari tahu bagaimana kita dapat menggunakan teknologi, model, dan akhirnya genetika kita, untuk membuat perbedaan dalam sistem.
AFN: Tanaman apa lagi yang kamu lihat?
MA: Sejumlah besar pekerjaan dan sumber daya kami digunakan untuk kapas. Kami menanam kapas terutama di wilayah Texas, dan kami bekerja sama dengan elemen lain dalam rantai pasokan, pabrik tekstil, merek, untuk dapat memasarkan produk tersebut.
Tahun ini, kami berproduksi di lahan seluas 2.000 hektar di Texas. Tahun depan, kami berharap dapat mencapai lebih dari dua kali lipatnya.
Brokoli karya kami sedang dalam proses dikomersialkan dengan mitra di New York. Pekerjaan karet kami sedang berlangsung. Sayangnya, hal ini merupakan kerja sama dengan pemerintah, jadi saya tidak dapat membicarakannya, namun melihat sumber karet dalam negeri merupakan pekerjaan yang sangat menarik.
Di bidang beras, kami memiliki banyak keahlian. Kami telah melakukan pekerjaan yang didanai hibah selama pengembangan kami sebagai sebuah perusahaan. Namun hal penting bagi kami di Avalo adalah bahwa peningkatan kami benar-benar dipimpin oleh elemen-elemen dalam industri dan rantai pasokan yang melihat adanya kebutuhan yang sangat besar. Kami meningkatkan skala gula dan kapas karena kami mempunyai mitra komersial yang sangat baik.
AFN: Setelah Anda mengidentifikasi gen yang terkait dengan sifat-sifat yang diinginkan, apakah langkah selanjutnya adalah penyuntingan gen, rekayasa genetika, atau pemuliaan tanaman tradisional?
MA: Kami benar-benar fokus pada pembiakan tradisional karena menurut kami ini memiliki profil biaya terendah dan proses regulasi yang lebih singkat. Artinya, kita bisa memasarkan produk lebih cepat dan menghabiskan lebih sedikit uang untuk penelitian dan pengembangan.
AFN: Apakah tidak biasa jika perusahaan CPG seperti Coca Cola melibatkan hal ini dalam rantai pasokan untuk bahan utama?
MA: CCEP telah menjadi mitra yang sangat suportif. Dan menurut saya sebagian besar minat mereka mencerminkan perubahan dalam industri secara keseluruhan, di mana jika Anda ingin mampu mengatasi permasalahan rantai pasok, masalah emisi atau kualitas Cakupan Tiga, Anda harus mampu melihat ke belakang melalui rantai pasok.
Coca Cola telah berinvestasi di perusahaan kami dan juga mendukung beberapa proses R&D, yang sangat membantu kami sebagai startup, karena memberikan kami waktu untuk memahami bagaimana membangun model bisnis yang berkelanjutan dan terukur di bidang ini yang pada akhirnya didukung tidak hanya oleh Coca Cola, namun juga oleh pabrik dan petani serta seluruh rantai pasokan.
👉 Tonton lebih banyak video dari Teknologi Pertanian Dunia dan Teknologi Pangan Masa Depan