人工智能与遗传学可帮助农民用更少的化肥种植玉米

"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特定基因，以提高美国主要作物（如玉米）的氮利用效率，"纽约大学生物学系、基因组学与系统生物学中心Carroll & Milton Petrie冠名教授、本研究的高级作者Gloria Coruzzi说道。该研究发表在期刊《植物细胞》(The Plant Cell)上。

在过去50年中，由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）的效率提升，农民得以实现更高的作物产量。

然而，大多数作物仅能利用农民施入农田肥料中约55%的氮，其余部分则残留在周边土壤中。当氮渗入地下水时，可能污染饮用水，并在湖泊、河流、水库及温暖海域引发有害藻华。此外，残留土壤中的未利用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年尺度上，其捕热效能比二氧化碳高出265倍。

美国是世界领先的玉米生产国。这种主要经济作物需要大量氮元素生长，但施用于玉米的大部分肥料未被吸收或利用。考虑到肥料（大部分依赖进口）成本日益攀升，玉米的低氮利用效率给农民带来经济负担，同时还存在损害土壤、水源、空气及气候的风险。

为应对玉米及其他作物的这一挑战，纽约大学研究人员开发了一种创新流程，通过整合植物遗传学与机器学习（一种能检测数据模式的人工智能技术，此处用于关联基因与特定性状——氮利用效率）来提升氮利用效率。

采用从模式植物到作物的研究策略，纽约大学研究人员追踪了玉米基因的进化史，这些基因与拟南芥（一种小型开花杂草）共享。凭借分子遗传学方法在实验室研究的便利性，拟南芥常被用作植物生物学研究的模式生物。在先前发表于《自然·通讯》(Nature Communications)的研究中，Coruzzi团队鉴定了玉米与拟南芥之间氮响应性保守的基因，并验证了它们在植物中的功能。

在《植物细胞》这项关于该主题的最新研究中，纽约大学研究人员基于玉米和拟南芥的研究成果，揭示了氮利用效率如何受到基因簇（亦称"调控子/regulons"）的调控——这些基因簇由相同的转录因子（一种调节蛋白）激活或抑制。

"氮利用效率或光合作用等性状永远不会由单一基因控制。机器学习过程的精妙之处在于，它能识别共同决定某一性状的基因集合，并能定位控制这些基因集合的转录因子，"Coruzzi解释道。

研究人员首先利用RNA测序技术检测玉米和拟南芥基因对氮处理的响应。基于这些数据，他们训练机器学习模型以识别玉米和拟南芥品种间保守的氮响应基因，以及调控氮利用效率（NUE）关键基因的转录因子。对于每个"NUE调控子"（包含转录因子及其调控的对应NUE基因集合），研究人员计算了综合机器学习评分，并根据组合表达水平预测田间种植玉米品种氮利用效率的准确性对顶级调控子进行排序。

针对排名最高的NUE调控子，研究人员在玉米和拟南芥中进行细胞水平研究，验证机器学习对每个转录因子调控基因组内基因集合的预测。这些实验证实了两个玉米转录因子（ZmMYB34/R3）构成的NUE调控子——调控24个控制氮利用的基因；同时也验证了拟南芥中一个密切相关的转录因子（AtDIV1）的NUE调控子——调控23个与玉米存在遗传同源性且同样控制氮利用的靶基因。当将这些从模式植物到作物保守的NUE调控子反馈至机器学习模型时，人工智能预测田间玉米品种氮利用效率的能力获得显著提升。

鉴定控制氮利用的基因集合NUE调控子及相关转录因子，将使作物科学家能够选育或设计需肥量更低的玉米品种。

"通过在苗期检测玉米杂交种中已识别的氮利用效率关键基因是否高表达，而非必须种植田间测量其氮利用情况，我们可以利用分子标记在苗期筛选出氮利用效率最高的杂交种进行种植，"Coruzzi表示，"这不仅能为农民节省成本，还可减少地下水氮污染和一氧化二氮温室气体排放的危害。"

纽约大学已就本文所述的研究成果提交专利申请。其他研究作者包括：纽约大学的Ji Huang、Tim Jeffers、Nathan Doner、Hung-Jui Shih、Samantha Frangos和Manpreet Singh Katari；纽约大学与台湾大学的Chia-Yi Cheng；以及美国农业部农业研究局的Matthew Brooks。本研究获得美国国家科学基金会植物基因组研究计划（IOS-1339362）和美国国立卫生研究院（R01-GM121753, F32GM116347）的支持。