Verinomics
AI population genomics ဖြင့် သီးနှံ၏ ရှုပ်ထွေးသောလက္ခဏာများကို ဖတ်ရှု၊ transgene-free editing platform ပါ
ရိုးရာသီးနှံမျိုးရွေးချယ်ရေးသည် ဆယ်နှစ်၊ နှစ်ဆယ်ကြာသည်။ စိုက်၊ ရိတ်ချိန်စောင့်၊ ရွေးချယ်၊ ပြန်မျိုးစပ်ဆိုကာ တစ်ကြိမ်ပြီးတစ်ကြိမ် လုပ်ရသည်။ Verinomics သည် အမေရိကန် Connecticut ပြည်နယ် New Haven တွင်ရှိသော စိုက်ပျိုးရေး genomics နှင့် gene editing ကုမ္ပဏီဖြစ်ပြီး၊ specialty crops ကို အဓိကထားကာ ဤအချိန်ဇယားကို ချုံ့ရန် ရည်ရွယ်သည်။
နည်းပညာ သုံးပိုင်းရှိသည်။ ပထမမှာ website က "AI မောင်းနှင်သော population genomics platform" ဟု ရှင်းလင်းစွာခေါ်သော လက္ခဏာရှာဖွေရေးစနစ်ဖြစ်ပြီး၊ ရှုပ်ထွေးသော မျိုးရိုးလိုက်လက္ခဏာများကို ဖတ်ရှုကာ လက္ခဏာ gene အသစ်များ ရှာဖွေရန်သုံးသည်။ ဒုတိယမှာ Genova ဖြစ်ပြီး၊ genomic selection နှင့် prediction model ကို ပေါင်းစပ်သော အရှိန်မြှင့်မျိုးရွေးချယ်ရေးဖြစ်ကာ၊ မျိုးရွေးချယ်သူကို ပျိုးပင်အဆင့်တွင်ပင် အပင်ကြီး၏ စွမ်းဆောင်ရည်ကို ခန့်မှန်းစေပြီး ရိတ်ချိန်စောင့်စရာမလိုပါ။ တတိယမှာ Genesis ဖြစ်ပြီး၊ transgene-free gene editing platform ဖြစ်ကာ၊ asexual reproduction သီးနှံများအတွက် အထူးဒီဇိုင်းထုတ်ထားသည်။ အာလူး၊ စတော်ဘယ်ရီကဲ့သို့ ဥ သို့မဟုတ် ကြိုးဖြင့် မျိုးပွားသီးနှံများသည် ရိုးရာမျိုးရွေးချယ်ရေးဖြင့် အထူးခက်ခဲသည်။
လုပ်ဆောင်ချက်နှင့် သင့်လျော်သည့်အခြေအနေ။ ဝန်ဆောင်မှုပေးသူများတွင် မျိုးရွေးချယ်သူ၊ စိုက်ပျိုးရေးဆန်းသစ်သူ၊ စိုက်ပျိုးသူ၊ စားနပ်ရိက္ခာ brand နှင့် စားသုံးကုန်ကုမ္ပဏီတို့ ပါဝင်သည်။ website အရ ၂၀၂၅ မတ်လတွင် platform ကို ကြေညာ၊ ထိုနှစ် မေလတွင် Pinnacle Seed နှင့် အရွက်စားဟင်းသီးဟင်းရွက်ဆန်းသစ်မှုအတွက် ပူးပေါင်းမှုရရှိသည်။ မြန်မာဖတ်သူများအတွက် ဤကုမ္ပဏီ၏ အဓိပ္ပာယ်သည် လုပ်ငန်းလေ့လာမှုဘက်စားသည်။ မြန်မာ့ စိုက်ပျိုးရေးစမ်းသပ်ဌာနနှင့် မျိုးစေ့လုပ်ငန်းရှင်များ (အထူးသဖြင့် သစ်ခွ၊ သစ်သီး၊ ဟင်းသီးဟင်းရွက်မျိုးစေ့ ပို့ကုန်လုပ်ငန်းရှင်များ) သည် မျိုးရွေးချယ်ရေးကို ကာလကြာ လုပ်ဆောင်နေကြသော်လည်း၊ genomic selection နှင့် AI ခန့်မှန်း ထည့်သွင်းမှုသည် အကန့်အသတ်ရှိသည်။ transgene-free editing လမ်းကြောင်းသည် ဥပဒေအရ GMO ထက် များစွာ ပိုဖော်ရွေသဖြင့်၊ ပို့ကုန်ဦးတည်သော မြန်မာ့ မျိုးစေ့လုပ်ငန်းအတွက် အာရုံစိုက်ထိုက်သော နည်းပညာလမ်းကြောင်းဖြစ်သည်။
အဓိက အင်္ဂါရပ်များ
- AI မောင်းနှင်သော population genomics လက္ခဏာရှာဖွေ
- Genova genomic selection နှင့် ခန့်မှန်းမျိုးရွေးချယ်ရေး
- Genesis transgene-free editing platform
- asexual reproduction specialty crops အထူးပြု
- ပျိုးပင်အဆင့်တွင် အပင်ကြီးလက္ခဏာ ခန့်မှန်း
- မျိုးစေ့ကုမ္ပဏီနှင့် ပူးပေါင်းဖွံ့ဖြိုးရေးပုံစံ
အားသာချက်များ
- transgene-free လမ်းကြောင်းသည် ဥပဒေအရ GMO ထက် ပိုဖော်ရွေ
- specialty crops နှင့် asexual reproduction အထူးပြု၊ niche ရှင်းလင်း
- AI ခန့်မှန်းက မျိုးရွေးချယ်ရေးသက်တမ်းကို များစွာချုံ့နိုင်
- လက်တွေ့ commercial ပူးပေါင်းမှုဥပမာ ရှိ
အားနည်းချက်များ
- ကိုယ်တိုင်ဝယ်သုံးနိုင်သော software မဟုတ်၊ B2B ပူးပေါင်းမှုပုံစံဖြစ်
- ကုမ္ပဏီအရွယ်အစားနှင့် commercialization အဆင့် အစောပိုင်းတွင်ရှိ
- gene editing သီးနှံအပေါ် နိုင်ငံအသီးသီး၏ ဥပဒေသဘောထား အလွန်ကွာ
- မြန်မာတွင် ပူးပေါင်းမှုလမ်းကြောင်းမရှိ၊ သာမန်ဖတ်သူအတွက် ကိုးကားတန်ဖိုးသာရှိ
အသုံးပြုမှုများ
- specialty crops ၏ ရောဂါခံနိုင်ရည်လက္ခဏာ ရှာဖွေ
- asexual reproduction သီးနှံ၏ မျိုးကောင်းမွန်စေခြင်း
- မျိုးရွေးချယ်ရေးမျိုးဆက်သက်တမ်း ချုံ့ခြင်း
- စားနပ်ရိက္ခာ brand ၏ သီးခြားအရသာ သို့မဟုတ် အာဟာရလက္ခဏာ ဖွံ့ဖြိုးရေး
- မျိုးစေ့ကုမ္ပဏီ၏ မျိုးရွေးချယ်ရေးသုတေသနပူးပေါင်းမှု
အယ်ဒီတာမှတ်ချက်
စိုက်ပျိုးရေး AI ကို "sensor တစ်ခုတပ်၍ မြေစိုထိုင်းကြည့်" သည့်ပုံစံ ပေးလေ့ရှိသော်လည်း၊ မျိုးရွေးချယ်ရေးအပိုင်းသည် တကယ့် leverage မြင့်သောနေရာဖြစ်သည်။ မျိုးမှန်တစ်ခုရွေးလျှင် နောင် နှစ်ဆယ်ကို သက်ရောက်သည်။ မြန်မာ့ မျိုးစေ့ပို့ကုန်စွမ်းရည် တော်တော်ကောင်းသော်လည်း၊ data ဖြစ်စေမှုအဆင့်သည် AI မျိုးရွေးချယ်ရေးနှင့် ဝေးဆဲဖြစ်သည်။ ၎င်းသည် software တစ်ခုဝယ်၍ ဖြေရှင်းနိုင်သောကိစ္စမဟုတ်ဘဲ၊ ဆယ်နှစ်ကြာ အခြေခံလုပ်ငန်းဖြစ်သည်။
မေးလေ့ရှိသောမေးခွန်းများ
transgene-free editing နှင့် GMO ဘာကွာလဲ?
အဓိကကွာဟချက်မှာ နောက်ဆုံးထုတ်ကုန်တွင် အခြားမျိုးစိတ်၏ gene ကျန်ရှိမရှိဖြစ်သည်။ ရိုးရာ GMO သည် အခြားသက်ရှိ၏ gene ကို ထည့်သွင်းခြင်း (ဥပမာ ဘက်တီးရီးယား၏ ပိုးမွှားခံနိုင်ရည် gene ကို ပြောင်းဖူးတွင်ထည့်) ဖြစ်သည်။ transgene-free editing သည် သီးနှံကိုယ်ပိုင် gene sequence ကိုသာ ပြင်ဆင်ကာ ပြင်ပ DNA မကျန်စေ၊ သဘာဝ mutation သို့မဟုတ် ရိုးရာမျိုးရွေးချယ်ရေးရလဒ်နှင့် ခွဲခြားရ ခက်သည်။ ထို့ကြောင့် အမေရိကအပါအဝင် အချို့နိုင်ငံများက ဤသီးနှံမျိုးအပေါ် ကြီးကြပ်မှု ပိုလွတ်လပ်သော်လည်း၊ EU စသည့်နေရာများ၏ သဘောထားက ပိုသတိထားဆဲဖြစ်သည်။
AI က မျိုးရွေးချယ်ရေးတွင် တကယ်ဘာလုပ်သလဲ?
အဓိကမှာ "ခန့်မှန်းခြင်း" ဖြစ်သည်။ သီးနှံ၏ အရေးကြီးလက္ခဏာ (အထွက်နှုန်း၊ ရောဂါခံနိုင်ရည်၊ မိုးခေါင်ခံနိုင်ရည်၊ အရသာ) သည် gene ဆယ်ဂဏန်း၊ ရာဂဏန်းက အတူဆုံးဖြတ်လေ့ရှိ၊ လူ့ဦးနှောက်တွက်၍မရလောက်အောင် ရှုပ်ထွေးသည်။ AI ၏အလုပ်မှာ genotype နှင့် phenotype data များစွာမှ ဆက်စပ်မှုကို သင်ယူ၍၊ မျိုးရွေးချယ်သူကို မျိုးစေ့ သို့မဟုတ် ပျိုးပင်အဆင့်တွင်ပင် ဤအပင်ကြီးလာလျှင် ဘယ်လိုစွမ်းဆောင်မည်ကို ခန့်မှန်းစေ၍၊ အလားအလာရှိသောပင်ကိုသာ ချန်ထားခြင်းဖြစ်သည်။ ချွေတာသည်မှာ လယ်ကွင်းစမ်းသပ်ချိန်နှင့် မြေများစွာဖြစ်သည်။
မြန်မာ့ မျိုးစေ့လုပ်ငန်းရှင်များ ဤနည်းပညာ သုံးခွင့်ရှိပါသလား?
နည်းပညာအရ အတားအဆီးမရှိ၊ genomic selection သည် နိုင်ငံတကာ မျိုးစေ့လုပ်ငန်းတွင် စံနည်းဖြစ်နှင့်ပြီ။ မြန်မာ့ ကန့်သတ်ချက်မှာ နှစ်ပိုင်းရှိသည် - ပထမမှာ gene sequencing နှင့် phenotype data စုဆောင်းမှုအရွယ်အစား မလုံလောက်ခြင်း၊ AI model က data များစွာမှသာ တိကျစွာသင်ယူနိုင်ခြင်း၊ ဒုတိယမှာ gene editing သီးနှံ၏ ဥပဒေအနေအထားသည် မြန်မာတွင် ဆွေးနွေးစရာ ရှိဆဲဖြစ်ခြင်းတို့ဖြစ်သည်။ ဖြစ်နိုင်ချေရှိသောစတင်မှုမှာ ရှိပြီးသား မျိုးရွေးချယ်ရေး data ကို digitize လုပ်၍ phenotype database တည်ဆောက်ခြင်းဖြစ်ပြီး၊ ၎င်းသည် AI မျိုးရွေးချယ်ရေးအားလုံး၏ ကြိုတင်လိုအပ်ချက်ဖြစ်သည်။
သက်ဆိုင်ရာ AI ကိရိယာများ
Motobook
တိုင်ဝမ်နိုင်ငံ၏ ပထမဆုံးသော တစ်ပတ်ရစ်ဆိုင်ကယ် တန်ဖိုးမှန်လမ်းညွှန် ဝက်ဘ်ဆိုက်ဖြစ်ပြီး ရောင်းချရန်ရှိသည့် ဆိုင်ကယ် ၃.၇ သောင်းကျော်နှင့် မော်ဒယ် ၈၁၂ မျိုး၏ ဈေးနှုန်းပေါက်စေးများကို ဖော်ပြပေးနေပါသည်။
Carbook
ထိုင်ဝမ် ဒုတိယလက်စွန်း ကားဈေးနှုန်း မှတ်တမ်းစနစ် - တကယ့်ဈေးကွက်ပေါက်ဈေး၊ အရေအတွက်နှင့် တန်ဖိုးထိန်းသိမ်းနိုင်မှုကို တစ်မျက်နှာတည်းဖြင့် ကြည့်ရှုနိုင်သည်
實價雷達 HouseTW
တရားဝင် အရောင်းအဝယ်မှတ်တမ်း သန်း 3.49 သန်းကို မြေအရည်ပျော်ခြင်း၊ ပြတ်ရွေ့ကြောများနှင့် ရေကြီးအန္တရာယ် မြေပုံများနှင့် ထပ်ပိုးပြသည့် တိုင်ဝမ် အခမဲ့ အိမ်ခြံမြေ ပလပ်ဖောင်း
Perplexity
ကိုးကားချက်ရင်းမြစ်များနှင့်အတူ ဖြေကြားပေးသော AI ရှာဖွေရေးနှင့် မေးခွန်းဖြေဆိုသည့် ကိရိယာ။
ListenField
ဂျပန်-ထိုင်း team ဖွဲ့ဆောက်သော farm data platform၊ crop model နှင့် machine learning ပေါင်းစပ်၍ အထွက်နှုန်းခန့်မှန်း
Rainbow Crops
VIB-UGent မှ ဆင်းသက်လာသည့် ဘယ်လ်ဂျီယံ startup — AI အပေါင်း multiplex gene editing ဖြင့် မိုးခေါင်/အပူဒဏ်ခံ စသည့် ရှုပ်ထွေးဂုဏ်သတ္တိများကို ကိုင်တွယ်