人工智能和遗传学可帮助农民减少玉米种植的肥料用量

"通过识别对氮利用至关重要的基因，我们可以选择甚至修改特定基因来提高美国主要作物（如玉米）的氮利用效率，"纽约大学生物学系和基因组学与系统生物学中心的卡罗尔与米尔顿·皮特里教授、该研究的资深作者格洛丽亚·科鲁兹说道。该研究发表在期刊《植物细胞》上。

过去50年里，由于植物育种和肥料的重大改进，包括作物吸收和利用氮的效率提高（氮是肥料的关键成分），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用到田间的肥料中约55%的氮，其余部分则残留在周围土壤中。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藻类大量繁殖。此外，残留在土壤中的未利用氮会被细菌转化为一氧化二氮，这种强效温室气体在100年时间尺度上的温室效应是二氧化碳的265倍。

美国是全球最大的玉米生产国。这种主要经济作物需要大量氮肥生长，但施用于玉米的肥料大部分未被吸收或利用。鉴于肥料成本不断上涨（其中大部分依赖进口），玉米的低氮利用效率给农民带来了经济压力，同时也对土壤、水体、空气和气候构成危害。

为解决玉米及其他作物的这一难题，纽约大学研究人员开发了一种创新方法，将植物遗传学与机器学习相结合以提高氮利用效率。这种人工智能技术能识别数据模式——在此研究中用于关联基因与特定性状（氮利用效率）。

采用"模式植物到作物"的研究路径，纽约大学团队追踪了玉米与拟南芥共有的基因演化史。拟南芥是一种小型开花杂草，因其便于在实验室通过分子遗传学方法进行研究，常被用作植物生物学模式生物。科鲁兹团队早前发表在《自然·通讯》的研究中，已鉴定出玉米与拟南芥中氮响应机制保守的基因，并验证了这些基因在植物中的作用。

在《植物细胞》期刊的最新研究中，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基因群组（即"调控子"）控制——这些基因群组由相同的转录因子（调控蛋白）激活或抑制。

"氮利用效率或光合作用等性状从来不是由单一基因控制的。机器学习的美妙之处在于它能识别共同决定某个性状的基因集合，还能找出控制这些基因集合的转录因子，"科鲁兹解释道。

研究人员首先通过RNA测序技术测量玉米和拟南芥基因对氮处理的响应。利用这些数据训练机器学习模型，识别玉米与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。针对每个"NUE调控子"（包含转录因子及其调控的NUE基因集合），研究人员计算综合机器学习评分，并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进行排名。

对于排名靠前的NUE调控子，研究团队在玉米和拟南芥中开展细胞实验，验证机器学习预测的基因集合与各转录因子的调控关系。实验证实了两个玉米转录因子（ZmMYB34/R3）调控24个氮利用相关基因的NUE调控子，以及拟南芥中一个同源转录因子（AtDIV1）调控23个与玉米共享遗传背景且控制氮利用的靶基因。当这些"模式植物到作物"保守的NUE调控子反馈至机器学习模型时，显著提升了人工智能预测不同田间玉米品种氮利用效率的准确性。

鉴定控制氮利用的基因集合及相关转录因子的NUE调控子，将使作物科学家能够培育或改造需肥量更低的玉米品种。

"通过在幼苗阶段检测玉米杂交种中氮利用效率关键基因的表达水平，而非等到田间种植后再测量其氮利用情况，我们可以使用分子标记筛选出氮利用效率最高的幼苗期杂交种进行种植，"科鲁兹表示，"这不仅为农民节省成本，还能减少地下水氮污染和一氧化二氮温室气体排放的危害。"

纽约大学已就本论文所述研究成果提交专利申请。其他合作作者包括纽约大学的黄吉、蒂姆·杰弗斯、内森·唐纳、施宏儒、萨曼莎·弗兰戈斯和马恩普雷特·辛格·卡塔里；纽约大学与台湾大学的郑家宜；美国农业部农业研究服务局的马修·布鲁克斯。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）资助。