人工智能与遗传学技术可助力农民减少玉米种植的化肥用量

"通过识别对氮利用至关重要的基因，我们可以选育甚至改造特定基因，以提高玉米等美国主要作物的氮利用效率，"纽约大学生物学系及基因组学与系统生物学中心卡罗尔与米尔顿·皮特里讲席教授、本研究资深作者格洛丽亚·科鲁齐表示。该研究发表于期刊《植物细胞》。

过去50年间，得益于植物育种与肥料的重大改进（包括作物吸收利用氮素这一肥料关键成分的效率提升），农民已能实现更高的作物产量。

尽管如此，多数作物仅能利用农田施用肥料中约55%的氮素，其余则残留于周边土壤。当氮素渗入地下水，会污染饮用水并引发湖泊、河流、水库及温暖海域的有害藻华。此外，土壤中未被利用的氮素经细菌作用会转化成一氧化二氮——这种强温室效应气体在百年尺度上的吸热效果是二氧化碳的265倍。

作为全球最大的玉米生产国，美国种植的这种主要经济作物需消耗大量氮肥，但施用于玉米的肥料大部分未被吸收利用。鉴于化肥（主要依赖进口）成本持续上涨，玉米的低氮利用效率不仅给农民带来经济压力，更存在危害土壤、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出一种整合植物遗传学与机器学习的新型方案——机器学习作为人工智能分支，可通过数据模式识别（此处即关联基因与氮利用效率性状）来提升氮利用效率。

采用从模型到作物的研究路径，研究人员追溯了玉米与拟南芥共有基因的进化历程。拟南芥作为小型开花杂草，因便于通过分子遗传学手段在实验室开展研究，常被用作植物生物学模式生物。科鲁齐团队在先前发表于《自然·通讯》的研究中，鉴定了玉米与拟南芥间氮响应性保守的基因，并验证了其在植物中的功能。

在《植物细胞》这项最新研究中，纽约大学团队基于玉米与拟南芥的研究成果，揭示了氮利用效率如何受基因群（即"调控子"）支配——这些基因群由相同转录因子（调控蛋白）激活或抑制。

"氮利用效率或光合作用等性状绝非由单一基因控制。机器学习的美妙之处在于它能识别共同决定性状的基因集合，并找出控制这些基因集的转录因子，"科鲁齐解释道。

研究者首先利用RNA测序技术检测玉米与拟南芥基因对氮处理的响应。基于这些数据训练机器学习模型，识别出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"（即转录因子及其调控的NUE基因集合），研究人员计算出综合机器学习评分，并根据组合表达水平预测田间玉米品种氮利用效率的准确性进行排名。

针对排名靠前的NUE调控子，团队在玉米和拟南芥中开展细胞实验，验证机器学习对每个转录因子所调控基因组基因集的预测。实验证实了玉米两个转录因子（ZmMYB34/R3）的NUE调控子——它们调控24个支配氮利用的基因；同时验证了拟南芥中同源转录因子（AtDIV1）的NUE调控子——它调控23个与玉米存在遗传关联且同样控制氮利用的靶基因。当将这些模型-作物间保守的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显著增强。

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

"通过在幼苗阶段检测玉米杂交种是否高表达氮利用效率关键基因集，而非种植于田间后再测量其氮利用情况，我们可利用分子标记在苗期筛选出氮效率最高的杂交种进行种植，"科鲁齐指出，"这不仅为农民节省成本，还将减少地下水氮污染及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。其他研究作者包括纽约大学的黄吉、蒂姆·杰弗斯、内森·唐纳、施宏瑞、萨曼莎·弗朗戈斯和马普里特·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局的马修·布鲁克斯。研究获美国国家科学基金会植物基因组研究计划（IOS-1339362）及美国国立卫生研究院（R01-GM121753, F32GM116347）资助。