人工智能和遗传学可以帮助农民用更少化肥种植玉米

"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某些基因，以提高美国主要作物（如玉米）的氮利用效率，" 纽约大学生物学系和基因组学与系统生物学中心的卡罗尔与米尔顿·皮特里讲座教授、该研究的资深作者格洛丽亚·科鲁齐说道。该研究发表在期刊《植物细胞》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）的效率提高，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入田地肥料中大约55%的氮，而剩余的氮最终会留在周围土壤中。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中引发有害藻华。 此外，残留在土壤中的未利用氮会被细菌转化成一氧化二氮，这是一种强效温室气体，在100年期间捕获热量的效力比二氧化碳高出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的氮来生长，但施给玉米的大部分肥料未被吸收或利用。鉴于肥料（其中大部分依赖进口）成本不断上涨，玉米的低氮利用效率给农民带来了财务挑战，同时也存在损害土壤、水、空气和气候的风险。

为了应对玉米及其他作物中的这一挑战，纽约大学的研究人员开发了一种提升氮利用效率的新方法，该方法将植物遗传学与机器学习（一种人工智能，能在数据中检测模式——在此情况下，将基因与氮利用效率这一性状关联起来）相结合。

采用从模式植物到作物（model-to-crop）的研究策略，纽约大学的研究人员追踪了玉米中与拟南芥共享基因的进化史。拟南芥是一种小型开花杂草，因其易于在实验室利用分子遗传学方法进行研究，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》的研究中，科鲁齐的团队识别出了玉米和拟南芥中对氮响应一致的基因，并在植物中验证了它们的作用。

在《植物细胞》的这项研究中，即他们关于该主题的最新研究，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“调控子群”或“调控子”）的调控，这些基因群受同一转录因子（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从来不是由单一基因控制的。机器学习过程的精妙之处在于，它能学习到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。

研究人员首先利用RNA测序技术测量玉米和拟南芥中的基因如何响应氮处理。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）至关重要的基因的转录因子。对于每个“氮利用效率调控子群”（NUE Regulon）——即转录因子及其对应的受调控氮利用效率基因集合——研究人员计算出一个综合机器学习评分，然后根据组合表达水平能在多大程度上准确预测田间种植玉米品种的氮利用效率，对表现最佳者进行排名。

对于排名最高的氮利用效率调控子群，研究人员在玉米和拟南芥中进行了基于细胞的研究，以验证机器学习模型对每个转录因子调控的基因组中基因集合的预测。这些实验确证了两个玉米转录因子（ZmMYB34/R3）的氮利用效率调控子群，它们调控着24个控制氮利用的基因；同时也确证了一个密切相关的拟南芥转录因子（AtDIV1）的调控子群，它调控着23个与玉米共享遗传历史、同样控制氮利用的靶基因。当将这些从模式植物到作物研究中得到的保守氮利用效率调控子群反馈回机器学习模型时，人工智能预测田间种植玉米品种氮利用效率的能力得到了显著提升。

识别出支配氮利用的基因集合（调控子群）及相关转录因子，将使作物科学家能够培育或改造出需要较少肥料的玉米。

"通过在玉米杂交种的苗期观察已识别出的氮利用效率关键基因的表达是否旺盛，而不是将它们种在田间再测量其氮利用情况，我们就可以在苗期利用分子标记选择那些氮利用效率最高的杂交种，然后种植这些品种，" 科鲁齐说。"这不仅将为农民节省成本，还将减少氮污染地下水的有害影响和一氧化二氮温室气体的排放。"

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吉（Ji Huang）、蒂姆·杰弗斯（Tim Jeffers）、内森·多纳（Nathan Doner）、史鸿瑞（Hung-Jui Shih）、萨曼莎·弗朗戈斯（Samantha Frangos）和马努普雷特·辛格·卡塔里（Manpreet Singh Katari）；纽约大学和台湾大学的郑嘉怡（Chia-Yi Cheng）；美国农业部农业研究署的马修·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）的支持。