Amikor Xiaoxi Meng és Zhikai Liang néhány évvel ezelőtt először javasolták az ötletet, James Schnable szkeptikus volt. Enyhén szólva.
„Nos, megpróbálhatja, de nem hiszem, hogy sikerül” - emlékezett vissza az agronómia és kertészet docense Mengre és Liangra, majd a Nebraskai – Lincolni Egyetem Schnable laboratóriumának posztdoktori kutatóira.
Tévedett, és utólag visszatekintve soha nem volt boldogabb annak, hogy lenni. Mégis, akkor Schnable-nek méltányos oka volt felvonni a szemöldökét. A duó ötlete-hogy a hidegérzékeny növények DNS-szekvenciái, amelyek átadják magukat a kemény fagynak, segíthetnek megjósolni, hogy a vadabb, strapabíróbb növények hogyan tolerálják a fagyos körülményeket-merésznek tűnt. Enyhén szólva. Ennek ellenére alacsony kockázatú, magas jutalommal járó ajánlat volt. Mert ha Meng és Liang működésbe hoznák, lehet, hogy csak gyorsított erőfeszítéseket tesznek arra, hogy a hidegérzékeny növényeket kicsit vagy akár sokkal jobban hasonlítsák a hidegálló társaikhoz.
A világ néhány legfontosabb terményét trópusi régiókban háziasították - Mexikó déli részén kukoricát, Kelet -Afrikában pedig cirokot -, amelyek nem gyakoroltak szelektív nyomást rájuk, hogy fejlesszék a védelmet a hideg vagy fagy ellen. Amikor ezeket a növényeket keményebb éghajlaton termesztik, a hideg iránti érzékenységük korlátozza, hogy milyen korán lehet ültetni és milyen későn lehet betakarítani. A rövidebb tenyészidőszak kevesebb időt biztosít a fotoszintézishez, ami kisebb hozamot és kevesebb táplálékot eredményez a globális lakosság számára, amely 10 -re várhatóan megközelíti a 2050 milliárd embert.
Hideg éghajlat
A már hidegebb éghajlaton növő növényfajok trükköket fejlesztettek ki a hideg elviselésére. Átállíthatják sejtmembránjaikat, hogy alacsonyabb hőmérsékleten is fenntartsák a likviditást, megakadályozzák a membránok fagyását és törését. Cseppeket adhatnak hozzá a membránokban és azok környékén lévő folyadékokhoz, és ugyanúgy csökkenthetik fagyáspontjukat, mint a só a járdát. Még olyan fehérjéket is előállíthatnak, amelyek elfojtják a minimális jégkristályokat, mielőtt ezek a kristályok sejtbontó tömegekké nőnének.
Mindezek a védekezések genetikai szinten keletkeznek, bár nem csak a DNS szekvenciáiban. Amikor a növények fagyni kezdenek, reagálhatnak azzal, hogy lényegében ki- vagy bekapcsolnak bizonyos géneket - megakadályozzák vagy engedélyezik genetikai használati utasításuk átírását és végrehajtását. Annak ismerete, hogy a hidegtűrő növények mely génjei kapcsolnak be és be a fagyos hőmérséklet hatására, segíthet a kutatóknak, hogy felfogják erődítményeik alapjait, és végül hasonló védekezést alakítsanak ki hidegérzékeny növényekbe.
De Schnable azt is tudta, mint Meng és Liang, hogy még egy azonos gén is gyakran másképp reagál a hidegre a növényfajták között, még a közeli rokonok esetében is. Ami elkeserítően azt jelenti, hogy annak megértése, hogy egy gén hogyan reagál a hidegre az egyik fajban, szinte semmit nem mond meg a növénytudósoknak a gén viselkedéséről egy másikban. Ez a kiszámíthatatlanság viszont akadályozta az erőfeszítéseket, hogy megtanulják azokat a szabályokat, amelyek meghatározzák, hogy mi fogja inaktiválni vagy aktiválni a géneket.
"Még mindig nagyon -nagyon rosszul értjük, miért kapcsolnak ki és be a gének" - mondta Schnable.
Kukorica növények
A szabálykönyv hiányában a kutatók a gépi tanulás, a mesterséges intelligencia egy olyan formája felé fordultak, amely lényegében képes saját maga írására. Kifejezetten kifejlesztettek egy felügyelt osztályozási modellt-azt a fajtát, amely, ha elegendő címkézett képet mutat be mondjuk macskákról és nem macskákról, végül megtanulja megkülönböztetni az előbbit az utóbbitól. A csapat kezdetben bemutatta saját modelljét, amely hatalmas halom szekvenált gént tartalmazott kukoricából, valamint ezen gének átlagos aktivitási szintjét, amikor a növény fagypontnak volt kitéve. Schnable elmondta, hogy a modellt minden kukorica génre „minden olyan tulajdonságra el tudtuk képzelni”, amelyre gondolni tudtunk, beleértve a hosszát, a stabilitását és a köztük lévő különbségeket, valamint a többi kukoricanövényben található más változatokat.
Később a kutatók tesztelték modelljüket azzal, hogy e gének egy részhalmazában csak egy információt rejtenek el előle: reagáltak -e a fagypont kezdetére, vagy nem. A gének tulajdonságainak elemzésével, amelyekről azt mondták, hogy reagálóak vagy nem reagálóak, a modell felismerte, hogy ezeknek a tulajdonságoknak a kombinációi mindegyikre relevánsak-, majd sikeresen szétválasztották a fennmaradó, rejtélyes dobozban lévő gének nagy részét a megfelelő kategóriákba.
Ígéretes kezdés volt, kétségtelen. De az igazi próba megmaradt: a modell elvégezheti az egyik fajnál kapott képzést, és alkalmazhatja egy másik fajnál?
A válasz határozott igen volt. Miután a hat faj közül csak egy - a kukorica, a cirok, a gyöngyköles, a proszaköles, a rókafarkú köles vagy a cserjésfű - DNS -adataival képezték ki, a modell általában képes volt megjósolni, hogy a többi öt közül melyik gén reagál a fagyasztásra. Schnable meglepetésére a modell még akkor is kitartott, amikor hidegérzékeny fajra-kukorica, cirok, gyöngy vagy proso köles-képezték ki, de feladata volt a génválaszok előrejelzése a hidegtűrő rókafarkú kölesben vagy kapcsos fűben.
Modell
„Az általunk képzett modellek majdnem olyan jól működtek a fajok között, mintha ténylegesen rendelkeznétek egy fajra vonatkozó adatokkal, és a belső adatok alapján jósolhatnátok ugyanazt a fajt” - mondta, és néhány hónappal később a csoda egy csipetnyi hangja hallatszott. - Ezt valóban nem jósoltam volna meg.
"Az az elképzelés, hogy ezeket az információkat egyszerűen betáplálhatjuk egy számítógépbe, és legalább néhány szabályt ki tud találni a jóslatok megalkotásához, számomra még mindig elképesztő."
Ezek az előrejelzések különösen hasznosak lehetnek az alternatíva mérlegelésekor. Nagyjából egy évtizede a növénybiológusok képesek voltak mérni az élő növény minden génje által termelt RNS -molekulák számát - azokat, amelyek felelősek a DNS -utasítások átírásáért és szállításáért. De összehasonlítani, hogy ez a génexpresszió hogyan reagál a hidegre az élő példányokban és több fajban, fáradságos vállalkozás, mondta Schnable. Ez különösen igaz a vadon élő növényekre, amelyek magjait nehéz lehet megszerezni. Ezek a magvak nem csírázhatnak, ha várhatóak, ha egyáltalán, és évekig is eltarthatnak. Még ha igen is, minden keletkezett növényt azonos, ellenőrzött környezetben kell művelni, és ugyanabban a fejlődési szakaszban kell tanulmányozni.
Több faj
Mindez óriási kihívást jelent ahhoz, hogy elegendő vadon élő példányt termesszünk elegendő vadfajból, hogy megismételhessük és statisztikailag értékelhessük génjeik hidegre adott válaszát.
"Ha valóban meg akarjuk vizsgálni, hogy milyen gének fontosak - amelyek valójában szerepet játszanak a növény hideghez való alkalmazkodásában -, akkor több mint két fajt kell vizsgálnunk" - mondta Schnable. „Meg akarunk nézni egy fajták csoportját, amelyek tolerálják a hideget, és egy csoportot, amely érzékeny, és meg kell vizsgálnunk a mintákat:„ Ugyanaz a gén mindig az egyikben reagál, a másikban pedig nem. ”
„Ez egy igazán nagy és drága kísérlet lesz. Nagyon jó lenne, ha csak előrejelzéseket készíthetnénk e fajok DNS -szekvenciáiból, ahelyett, hogy mondjuk 20 fajt vesznénk, és megpróbálnánk mindegyiket ugyanabban a szakaszban elérni, és ugyanazt a stresszkezelést végeznénk, és mérje meg az egyes génekben előállított RNS mennyiségét az egyes fajokban. ”
A modell szerencséjére a kutatók már több mint 300 növényfaj genomját szekvenálták. Egy folyamatos nemzetközi erőfeszítés ezt a számot akár 10,000 XNUMX -re is elérheti a következő néhány évben.
Bár a modell már vadul felülmúlta szerény várakozásait, Schnable szerint a következő lépés ennek ellenére „magunkat és más embereket is meg kell győznie” arról, hogy jól működik, mint eddig. A kutatók minden eddigi tesztesetben felkérték a modellt, hogy mondja el nekik, amit már tudtak. A végső teszt szerinte akkor jön, amikor mind az ember, mind a gép a nulláról indul.
"A következő nagy kísérlet, amelyet szerintem meg kell tennünk, az, hogy előrejelzéseket tegyünk egy olyan fajra vonatkozóan, ahol egyáltalán nincs adatunk" - mondta. "Meggyőzni az embereket arról, hogy valóban működik azokban az esetekben, amikor még mi sem tudjuk a válaszokat."
A csapat a Proceedings of the National Academy of Sciences folyóiratban számolt be eredményeiről. Meng, Liang és Schnable a nebraskai Rebecca Roston, Yang Zhang, Samira Mahboub és Daniel Ngu egyetemi hallgató, valamint Xiuru Dai, a Shandong Agráregyetem vendégkutatójának a szerzőjét írták.
További információért:
Nebraskai Egyetem Lincoln
www.unl.edu