New York University scientists are using artificial intelligence to determine which genes collectively govern nitrogen use efficiency in plants such as corn, with the goal of helping farmers improve their crop yields and minimize the cost of nitrogen fert
纽约大学的科学家们正在使用人工智能来确定哪些基因共同控制玉米等植物的氮利用效率，目的是帮助农民提高作物产量，并最大限度地降低氮肥成本。
“通过识别对氮利用重要的基因，我们可以选择甚至修改某些基因，以提高玉米等美国主要作物的氮利用效率，”纽约大学生物学系和基因组学与系统生物学中心的Carroll&Milton Petrie教授、该研究的资深作者Gloria Coruzzi说，该研究发表在《植物细胞》杂志上。
在过去的50年里，由于植物育种和肥料的重大改进，包括作物对肥料关键成分氮的吸收和利用效率，农民能够种植更高的作物产量。
尽管如此，大多数作物只使用了农民在田里施用的肥料中约55%的氮，而其余的氮最终会进入周围的土壤。当氮渗入地下水时，它会污染饮用水，并在湖泊、河流、水库和温暖的海水中造成有害的藻类大量繁殖。此外，土壤中残留的未使用的氮被细菌转化为一氧化二氮，这是一种强效的温室气体，在100年内捕获热量的效率是二氧化碳的265倍。
美国是世界上最大的玉米生产国。这种主要的经济作物需要大量的氮才能生长，但玉米的大部分肥料都没有被吸收或使用。玉米的低氮利用效率给农民带来了财务挑战，因为化肥成本不断增加，其中大部分是进口的，而且还可能损害土壤、水、空气和气候。
为了应对玉米和其他作物的这一挑战，纽约大学的研究人员开发了一种提高氮利用效率的新方法，该方法将植物遗传学与机器学习相结合，机器学习是一种检测数据模式的人工智能——在这种情况下，将基因与性状（氮利用效率）相关联。
纽约大学的研究人员使用模型到作物的方法追踪了与拟南芥共享的玉米基因的进化历史，拟南芥是一种小型开花杂草，由于在实验室中使用分子遗传学方法很容易研究，因此经常被用作植物生物学的模型生物。在之前发表在《自然通讯》上的一项研究中，Coruzzi的团队鉴定了玉米和拟南芥之间对氮的反应性保守的基因，并验证了它们在植物中的作用。
与超过100000名依赖Phys.org获取日常见解的订阅者一起探索科学、技术和太空的最新进展。注册我们的免费时事通讯，每天或每周获取重要突破、创新和研究的最新进展。
在目前的研究中，纽约大学的研究人员在玉米和拟南芥的研究基础上，确定了氮利用效率是如何由同一转录因子（一种调节蛋白）激活或抑制的基因组（也称为“调节子”）控制的。
“氮利用效率或光合作用等性状永远不会由一个基因控制。机器学习过程的美妙之处在于，它学习了共同负责一个性状的基因集，还可以识别控制这些基因集的转录因子，”Coruzzi说。
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，他们训练了机器学习模型来识别玉米和拟南芥品种中保守的氮响应基因，以及调节氮利用效率（NUE）重要基因的转录因子。
对于每一个“NUE Regulon”——转录因子和相应的一组受调节的NUE基因——研究人员计算了一个集体机器学习得分，然后根据组合表达水平能够准确预测田间种植的玉米品种中氮的使用效率来对表现最佳的玉米进行排名。
对于排名靠前的NUE Regulans，研究人员在玉米和拟南芥中使用了基于细胞的研究来验证机器学习对基因组中由每个转录因子调节的基因集的预测。这些实验证实了两种玉米转录因子（ZmMYB34/R3）的NUE调节子，它们调节24个控制氮使用的基因，以及拟南芥中一个密切相关的转录因子（AtDIV1）的NUE调节子，AtDIV1调节23个与玉米共享遗传史的靶基因，这些基因也控制氮使用。
当反馈到机器学习模型中时，这些模型对作物的NUE调节显著增强了人工智能预测田间种植玉米品种氮利用效率的能力。
确定控制氮肥使用的集体基因和相关转录因子的NUE调控将使作物科学家能够培育或改造需要较少肥料的玉米。Coruzzi说：“通过在苗期观察玉米杂交种，看看对氮利用效率重要的已鉴定基因的表达是否很高，而不是在田间种植并测量它们的氮利用率，我们可以在苗期使用分子标记选择氮利用效率最高的杂交种，然后种植这些品种。”。
“这不仅可以为农民节省成本，还可以减少地下水氮污染和一氧化二氮温室气体排放的有害影响。”
纽约大学已提交专利申请，涵盖本文所述的研究和发现；临时专利还描述了使用CRISPR基因编辑技术在作物中改造NUE调节子以提高氮利用效率。p