人工智能与遗传学能帮助农民使用更少的肥料种植玉米

"通过识别对氮利用至关重要的基因，我们可以选择甚至修改某些基因来提高美国主要作物（如玉米）的氮利用效率，" 纽约大学生物系与基因组学及系统生物学中心卡罗尔和米尔顿·皮特里教授、该研究的资深作者格洛丽亚·科鲁齐（Gloria Coruzzi）说道。该研究发表在期刊《植物细胞》（The Plant Cell）上。

在过去的50年里，由于植物育种和肥料的重大改进，包括作物吸收和利用氮（肥料的关键成分）效率的提高，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于田间的肥料中约55%的氮，其余部分则残留于周围土壤中。当氮渗入地下水时，会污染饮用水，并在湖泊、河流、水库和温暖海域引发有害藻华。此外，残留在土壤中未被利用的氮会被细菌转化为一氧化二氮，这是一种强效温室气体，其在一百年期间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氮才能生长，但供给玉米的大部分肥料并未被吸收或利用。鉴于化肥成本不断上升（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挑战，同时还存在危害土壤、水、空气和气候的风险。

为解决玉米及其他作物的这一难题，纽约大学的研究人员开发了一种整合植物遗传学与机器学习的新方法以提高氮利用效率。机器学习是一种人工智能，可在数据中检测模式——在此案例中，用于将基因与某一性状（氮利用效率）关联起来。

采用从模式植物到作物的研究方法，纽约大学的研究人员追踪了玉米基因的进化史，这些基因与拟南芥共享。拟南芥是一种小型开花杂草，由于易于在实验室中利用分子遗传学方法进行研究，常被用作植物生物学中的模式生物。在先前发表于《自然通讯》（Nature Communications）的研究中，科鲁齐的团队鉴定出玉米和拟南芥中响应氮的保守基因，并验证了它们在植物中的作用。

在《植物细胞》的这项关于该主题的最新研究中，纽约大学的研究人员基于他们在玉米和拟南芥中的工作，进一步揭示了氮利用效率如何受基因群（也称为“调控子”）的调控，这些基因群由相同的转录因子（一种调控蛋白）激活或抑制。

"像氮利用效率或光合作用这样的性状绝不是由单一基因控制的。机器学习过程的精妙之处在于，它能识别出共同决定某一性状的基因集合，并能识别控制这些基因集合的转录因子，"科鲁齐说道。

研究人员首先使用RNA测序技术测量了玉米和拟南芥中的基因对氮处理的反应。利用这些数据，他们训练机器学习模型，以识别在玉米和拟南芥品种间保守的氮响应基因，以及调控对氮利用效率（NUE）重要基因的转录因子。对于每个"NUE调控子"——即一个转录因子及其调控的相应NUE基因集合——研究人员计算了一个集体机器学习评分，然后根据组合表达水平能多准确地预测大田种植玉米品种的氮利用效率，对表现最佳者进行排序。

对于排名最高的NUE调控子，研究人员在玉米和拟南芥中进行了基于细胞的研究，以验证机器学习对每个转录因子调控基因组中基因集合的预测。这些实验证实了玉米的两个转录因子（ZmMYB34/R3）的NUE调控子，它们调控着24个控制氮利用的基因；同时也证实了拟南芥中一个密切相关的转录因子（AtDIV1）的NUE调控子，它调控着23个与玉米具有共同遗传历史、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调控子反馈回机器学习模型时，人工智能预测大田种植玉米品种氮利用效率的能力显著增强。

鉴定出支配氮利用的集体基因NUE调控子及相关转录因子，将使作物科学家能够培育或设计出所需肥料更少的玉米。

"通过在苗期观察玉米杂交种是否高表达已鉴定的对氮利用效率至关重要的基因，而不是将它们种在田间并测量其氮利用情况，我们可以利用分子标记筛选出苗期氮利用效率最高的杂交种，然后种植这些品种，"科鲁齐说道。"这不仅将为农民节省成本，还能减少氮污染地下水和一氧化二氮温室气体排放的有害影响。"

纽约大学已就本文所述的研究和发现提交了专利申请。其他研究作者包括纽约大学的黄骥（Ji Huang）、蒂姆·杰弗斯（Tim Jeffers）、内森·多纳（Nathan Doner）、施泓儒（Hung-Jui Shih）、萨曼莎·弗兰戈斯（Samantha Frangos）和马普里特·辛格·卡塔里（Manpreet Singh Katari）；纽约大学和国立台湾大学的郑家宜（Chia-Yi Cheng）；以及美国农业部农业研究局的马修·布鲁克斯（Matthew Brooks）。该研究得到了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）的资助。