研究团队开发了植物性状遗传改良的快速流程

对改善植物特定性状感兴趣的研究人员现在可以在不做任何实验的情况下识别出调节该性状表达的基因

普渡大学的Kranthi Varala和10位合著者在《美国国家科学院院刊》上发表了新的基于网络的调控基因发现工具的详细信息。Varala有一项与经济上重要的籽油生物合成有关的结果的专利正在申请中

普渡大学美国农业部团队试图建立一种资源，从大量公开的数据中学习，以快速确定哪些被称为转录因子的特殊基因调节各种植物物种中特定性状的表达

“每项研究都集中在少数几个方面，”园艺和景观建筑助理教授瓦拉拉说。“我们的前提是，如果我们能把所有这些都放在一个单一的分析中，那么我们就可以利用这些数据来构建全球性的东西。”

拟南芥是PNAS研究的模式植物，“但这种方法对拟南芥没有特异性，”瓦拉拉说。“这种方法足够通用，你可以从玉米数据集开始。你可以用水稻、番茄，无论你正在研究什么作物，只要你有人们已经做过的数千次基因表达测量。现在有十几个物种，我们有数以万计的基因表达研究。”

为了证明该系统有效，该团队专注于调节植物如何在种子中制造和储存油的遗传途径。该团队之所以选择这种特性，是因为它在食品和生物燃料生产中的重要性，而且其中300多个基因已经为人所知

通过基因操纵植物的转录因子，研究人员可以增加或减少其种子中产生的油量

与其他研究人员一样，瓦拉拉多年来进行了许多项目，他的目标是确定解决一个问题所涉及的基因和调节因子。这意味着要进行仔细、耗时的实验。但所生成的数据并不能提供他所寻求的所有答案。他将其比作在只知道10个因素中的3个因素的情况下求解方程

“你解不出这个方程，”他说。同样，瓦拉拉经常想提出比数据所能回答的更多的问题。这促使他建立一个框架，使用所有可能的数据来提出这些问题，而不必进行所有相关实验来获得一份需要基因验证的候选名单

瓦拉拉说：“我正试图缩短最初的数据收集阶段。”这样科学家们就可以专注于进行基因验证。但要做到这一点，他的团队必须从基于18000项个人研究的数据集开始

Varala和他的团队使用贝尔和普渡大学罗森高级计算中心现已退役的布朗超级计算机分析了这个庞大的数据集。该团队构建了一个机器学习框架，以加快其他人的学习过程

一个人手动操作是不可能的。一个团队可以做到这一点，但这会在团队成员处理数据的方式上引入偏见。机器学习分类器的操作没有偏见

该方法的新颖之处在于，它没有提取与所有器官相关的数据，而是专注于器官特异性数据集。独立的基因网络调节这些器官&mdash；叶、根、芽、花和种子

“我们说，在人们多年来所做的种子实验中，我们可以使用所有的数据来了解种子中发生的事情，而不一定是根、叶或花吗？这大大改进了我们的方法，”瓦拉拉说

该团队使用一种称为推理方法的计算方法来预测哪些转录因子会调节拟南芥的籽油生物合成过程

瓦拉拉说：“我们知道的那些帮助我们验证我们的方法是正确的。我们不知道的那些是发现新生物学的好候选者。”。“这种纯粹的计算方法对种子、油或诸如此类的东西一无所知。我们给了它一份基因列表，它能够在不了解任何生物学背景的情况下重新发现已知的基因。”。他说：“我们能够为这12个品种中的11个品种产生突变系。这11个品种中有5个确实会改变种子的含油量。”。“此外，我们还表明，一个因子的过表达会使籽油增加12%。”

在8个新基因的基础上，添加8个已知的调控基因，表明推理方法准确地确定了前20个候选基因中的13个。这种方法的优势在于，它只从一系列基因中工作，就可以高精度地预测哪些基因会调节感兴趣的性状

“这花了很长时间，因为这是一个漫长而复杂的过程，无法保证它会奏效，”瓦拉拉在谈到这个为期四年的项目时说。“以前从未有过如此大规模的尝试。”