Med en ny AI-metode har forskere fra Københavns Universitet genopdaget 51 gamle ærtesorter, som ikke længere bruges i landbruget, men som kan vise sig lovende til produktion af plantebaserede fødevarer. Metoden er en genvej til at finde nye ressourcer i de grønne skatkamre, som genbankers enorme frøsamlinger udgør.
Efterspørgslen på plantebaserede fødevarer er stigende verden over. Særligt ærter er en spirende kilde til et højt proteinindhold som erstatning for kød. Ærten er med sit lille klimaaftryk samtidig bæredygtig at dyrke og giver et højt udbytte. Men de ærtesorter vi dyrker i dag, kræver en intens forarbejdning i industrien.
”I dag bruger vi meget få ærtesorter i landbruget, som primært produceres på grund af deres egenskaber som grisefoder, men som ikke er tænkt som protein i en plantebøf. Ligesom et æble ikke bare er et æble, er en ært heller ikke bare er en ært, selvom det opleves sådan i supermarkedet,” siger lektor René Lametsch fra Institut for Fødevarevidenskab.
I jagten på at finde egnede ærtesorter har forskere fra Institut for Fødevarevidenskab på Københavns Universitet udviklet en ny AI-metode. Den har de har sluppet løs i den nordiske genbank NordGen, der bl.a. rummer næsten 2.000 forskellige typer ærter, for at udpege gamle ærtesorter, der egner sig godt som planteprotein til mennesker.
”Genbankerne rummer en enorm variation, som stort set ikke bliver udnyttet i dag. Vores metode gør det muligt at udnytte plante-ressourcerne i genbanken og finde de mest interessante typer hurtigt,” siger René Lametsch.
Glat eller rynket? 51 lovende ærtesorter fundet
Ved hjælp af den nye AI-metode har forskerne fundet 51 gamle ærtesorter, som ikke længere bruges i landbruget, men som ser ud til at have lovende egenskaber som plantemad med bl.a. højt stivelse- og proteinindhold.
Metoden kan automatisk måle frøenes form, farve, størrelse og overflade ud fra helt almindelige fotografier. Kombinationen af billeddata og information om proteinindhold gør det muligt at lade AI’en udvælge et lille, men repræsentativt udvalg af ærter, som derefter kan analyseres i dybden.
”Der er vidt forskellige funktioner fra sort til sort, særligt i stivelses- og proteinindhold, og derfor kan det give rigtigt god mening at genoplive nogle af de gamle sorter i vores jagt på gode ingredienser til nye typer plantebaserede fødevarer,” siger René Lametsch.
Studiet viser, at frøenes udseende i høj grad hænger sammen med deres kemiske sammensætning. Særligt ét træk – hvor glat eller rynket frøet er – er tæt koblet til, hvilken type stivelse ærten indeholder. Dermed kan forskerne for første gang delvist forudsige kemiske egenskaber ud fra billeder alene.
“Vi ser en overraskende stor variation i balancen mellem ærternes to nøgleproteiner, legumin og vicilin – langt større end i nutidens kommercielle sorter. Det gør genbankens gamle ærter til et uudnyttet guldkammer for udviklingen af fremtidens plantebaserede fødevarer,” slutter René Lametsch.
Mere om metoden
I stedet for at analysere hver enkelt ært kemisk – hvilket er tidskrævende og stort set umuligt, da der kun findes få frø af mange af sorterne – har forskerne udviklet en ny AI-metode, som bruger billedgenkendelse til at udpege interessante sorter.
Metoden måler automatisk frøenes form, farve, størrelse og overflade ud fra helt almindelige fotografier.
Metoden kan få betydning langt ud over ærter. Den kan bruges på tværs af andre bælgplanter og frøtyper og dermed gøre genbankerne til en aktiv ressource i udviklingen af fremtidens mere bæredygtige ingredienser.
