人工智能与基因技术助力玉米高效施肥

人工智能与遗传学可帮助农民用更少的肥料种植玉米

某中心的研究人员正在利用人工智能来确定哪些基因共同决定了玉米等植物的氮利用效率，其目标是帮助农民提高作物产量并最大限度地降低氮肥成本。

“通过识别对氮利用至关重要的基因，我们可以选择甚至修饰某些基因，以提高玉米等美国主要作物的氮利用效率，”该研究的高级作者、某中心生物学系与基因组学和系统生物学中心的教授表示。该研究发表在期刊《植物细胞》上。

过去50年里，得益于植物育种和肥料的重大改进，包括作物吸收和利用氮（肥料的关键成分）的效率提高，农民已经能够获得更大的作物产量。

然而，大多数作物仅利用了农民施用到田间的肥料中约55%的氮，其余部分则残留在周围的土壤中。当氮渗入地下水时，会污染饮用水，并在湖泊、河流、水库和温暖的海洋水域引发有害的藻类大量繁殖。此外，残留在土壤中未使用的氮会被细菌转化为一氧化二氮，这是一种强效温室气体，在100年的时间里，其捕获热量的效率是二氧化碳的265倍。

美国是世界上主要的玉米生产国。这种主要的经济作物需要大量的氮来生长，但施用于玉米的大部分肥料未被吸收或利用。考虑到日益增长的肥料成本（大部分依赖进口），玉米的低氮利用效率给农民带来了经济挑战，同时也存在损害土壤、水、空气和气候的风险。

为了解决玉米和其他作物的这一挑战，某中心的研究人员开发了一种新颖的流程来提高氮利用效率，该流程将植物遗传学与机器学习相结合。机器学习是一种人工智能，可检测数据中的模式——在本例中，用于将基因与性状（氮利用效率）关联起来。

采用从模式植物到作物的研究方法，研究人员追踪了玉米基因的进化历史，这些基因与拟南芥共享。拟南芥是一种小型开花杂草，由于便于在实验室中使用分子遗传学方法进行研究，常被用作植物生物学中的模式生物。在之前发表在《自然通讯》上的一项研究中，该团队确定了玉米和拟南芥中对氮的响应性具有保守性的基因，并验证了它们在植物中的作用。

在《植物细胞》这项关于该主题的最新研究中，研究人员以他们在玉米和拟南芥中的工作为基础，确定了氮利用效率是如何被基因群（也称为“调控子”）所控制的，这些基因群由相同的转录因子（一种调节蛋白）激活或抑制。

“像氮利用效率或光合作用这样的性状从来不是由单一基因控制的。机器学习过程的美妙之处在于，它能学习共同负责某一性状的基因集合，并能识别控制这些基因集合的转录因子，”教授解释道。

研究人员首先使用RNA测序来测量玉米和拟南芥中的基因对氮处理的反应。利用这些数据，他们训练机器学习模型来识别在玉米和拟南芥品种中保守的氮响应基因，以及调节对氮利用效率（NUE）重要基因的转录因子。对于每个“NUE调控子”——即转录因子及其对应的受调控NUE基因集合——研究人员计算了一个集体的机器学习评分，然后根据组合表达水平准确预测田间种植玉米品种氮利用效率的能力对表现最佳者进行排名。

对于排名靠前的NUE调控子，研究人员在玉米和拟南芥中进行了基于细胞的研究，以验证机器学习对每个转录因子在基因组中调控的基因集合的预测。这些实验证实了两个玉米转录因子（ZmMYB34/R3）的NUE调控子，它们调控着24个控制氮利用的基因；同时也证实了拟南芥中一个密切相关的转录因子（AtDIV1）的NUE调控子，它调控着23个与玉米共享遗传历史、同样控制氮利用的目标基因。当将这些从模式植物到作物保守的NUE调控子反馈到机器学习模型中时，它们显著增强了人工智能预测不同田间玉米品种氮利用效率的能力。

识别控制氮利用的集体基因NUE调控子及相关转录因子，将使作物科学家能够培育或设计需要更少肥料的玉米。

“通过在幼苗阶段观察玉米杂交种，看已识别的对氮利用效率重要的基因表达是否高，而不是将它们种在田里测量氮利用情况，我们可以使用分子标记在幼苗阶段选择氮利用效率最高的杂交种，然后种植这些品种，”教授说。“这不仅将为农民节省成本，还能减少氮污染地下水和一氧化二氮温室气体排放的有害影响。”

某中心已就本文所述的研究和发现提交了专利申请。该研究的其他作者包括某中心的几位研究人员、某中心的另一位研究员兼某大学的合作者，以及某机构农业研究局的研究员。这项研究得到了某基金会植物基因组研究计划和某卫生研究院的支持。
更多精彩内容 请关注我的个人公众号 公众号（办公AI智能小助手）或者 我的个人博客 https://blog.qife122.com/
对网络安全、黑客技术感兴趣的朋友可以关注我的安全公众号（网络安全技术点滴分享）

公众号二维码

公众号二维码