Çilek Islahında Kromatografik Analizler ve Makine Öğrenmesi Üzerine bir araştırma

Özet

Son yıllarda üzümsü meyvelerin biyokimyasal özelliklerinin belirlenmesinde baş döndürücü önemli gelişmeler kaydedilmiştir. Meyve ıslahında GWAS ve QTL haritalama çalışmaları, meyve kalite parametrelerinden özellikle lezzet ve beslenme kalitesini etkileyen aday genleri belirlemek için kullanılan temel istatistiksel yöntemlerdir. Bilindiği üzere kültür çileği (Fragaria × ananassa), oktoploid yapıya (2n=8x=56) sahip olduğundan genetik yapısı oldukça karmaşık bir bitkidir. Bu nedenle çilek ıslahı çalışmalarında makine öğrenmesi algoritmaları, özellikle yapay sinir ağları, genotip ve fenotip arasındaki karmaşık, doğrusal olmayan ilişkileri modellemek için oldukça önemli kolaylıklar sağlamaktadır. Bununla birlikte yapay zeka teknikleri model tahminlerin yorumlanmasında, genomik, transkriptomik, proteomik ve metabolomik verilerinin entegrasyonu ve lezzet mekanizmalarının daha doğru tespitinde zaman ve doğru hedefe ulaşmada önemli yararlar sağlamaktadır. Örneğin; çilek meyveleri üzerinde biyokimyasal ve genetik temellerin önceden ve hızlı ve doğru tespiti ıslah açısından da hayati derecede önemlidir. Ayrıca her meyvenin kendine özgü lezzet profili olarak; şekerler (glikoz, fruktoz, sakkaroz), organik asitler (sitrik, malik, askorbik) ve uçucu aroma bileşenleri gibi metabolit profilleri özellikle çileklerde en ayırt edici meyve kalite parametreleridir. Bununla birlikte çilek ıslahında genotip ve fenotip arasındaki karmaşık, doğrusal olmayan ilişkileri modellemek için yapay sinir ağları (ANN)’nın kullanılması da ıslah çalışmalarında son yıllarda önem kazanmaktadır. Ayrıca konvolüsyonel sinir ağları (CNN - Convolutional Neural Networks) özellikle görsel verileri (görüntü ve videoları) işlemek, analiz etmek çilek ıslahında doğru ve başarılı sonuçların elde edilmesinde devrim niteliğinde kolaylıklar sağlamaktadır. İşte bu çalışmanın amacı çilek ıslahında çilek meyvelerinin lezzet, aroma, fonksiyonel bileşenler ve raf ömrü gibi kritik kalite parametrelerini yapay zekâ desteğiyle optimize ederek, geleneksel ıslah süreçlerinde uzun zaman alan, maliyetli ve insan hatasına açık olan fenotipleme (kalite ölçüm) aşamalarını makine öğrenimi algoritmalarıyla dijitalleştirerek ıslah çalışmalarının nasıl hızlandırılabileceğini açıklamaktır. Böylece, bu çalışmada çilek ıslahında meyve kalitesi yüksek, üstün çilek hatlarının ve ebeveyn kombinasyonlarının erken dönemde, yüksek doğrulukla seçilmesi (seleksiyonu) ve ıslah programının başarı oranın nasıl arttıracağı konusunda pratik bilgi verilmektedir.

Anahtar Kelimeler: Çilek, meyve kalitesi, çilek ıslahı, makine öğrenimi