Штучний інтелект допомагає прогнозувати продуктивність цукрової тростини в полі
Бразильське дослідження, опубліковане в Scientific Reports, показує, що штучний інтелект (ШІ) можна використовувати для створення ефективних моделей геномної селекції сортів цукрової тростини та кормових трав та прогнозування їх ефективності в польових умовах на основі їх ДНК.
З точки зору точності, порівняно з традиційними методами селекції, запропонована методологія покращила передбачальну силу більш ніж на 50%. Вперше запропоновано високоефективний метод геномної селекції, заснований на машинному навчанні, для поліплоїдних рослин (у яких клітини мають більше двох повних наборів хромосом), у тому числі для злаків, що вивчаються.
Машинне навчання - це область штучного інтелекту та інформатики, що включає статистику та оптимізацію з безліччю додатків. Його основна мета - створення алгоритмів, що автоматично витягують шаблони з наборів даних. Його можна використовувати для прогнозування продуктивності рослини, у тому числі чи буде вона стійкою до біотичних стресів, таких як шкідники та хвороби, що викликаються комахами, нематодами, грибками або бактеріями, а також до абіотичних стресів, таких як холод, посуха, засоленість або недостатня кількість поживних речовин у ґрунті.
Схрещування є найбільш широко використовуваним методом традиційних програмах розведення.
«Ви створюєте популяції, схрещуючи цікаві рослини. У разі цукрової тростини ви схрещуєте сорт, що виробляє багато цукру, з іншим, наприклад, більш стійким. Ви схрещуєте їх, а потім оцінюєте продуктивність отриманих генотипів у полі», — сказав вчений комп'ютерник Олександр Хільд Аоно, перший автор статті про дослідження Аоно – науковий співробітник Центру молекулярної біології та генної інженерії Державного університету Кампінаса (CBMEG-UNICAMP). Закінчив Федеральний університет Сан-Паулу (UNIFESP).
«Але цей процес оцінки займає багато часу і дуже дорогий. Пропонований нами метод може передбачити продуктивність цих рослин ще до того, як вони зростуть. Нам вдалося спрогнозувати врожайність на основі генетичного матеріалу», - пояснив Аоно.
У випадку з цукровою тростиною завдання дуже складне. За словами Анете Перейра де Соуза, професора генетики рослин в Інституті біології UNICAMP та доктора філософії Аоно, традиційні методи селекції займають від 9 до 12 років та потребують великих витрат.
«Коли селекціонери ідентифікують цікаву рослину, вони розмножують її шляхом клонування, щоб генотип не загубився, але це потребує часу та великих витрат. Крайній приклад — розведення каучукових дерев, яке може піти до 30 років", - сказав Соуза. Одним із способів подолання цих труднощів є те, що вона назвала "селекцією рослин 4.0", в якій інтенсивно використовуються аналіз даних та високоефективні обчислювальні та статистичні інструменти. Кожен процес генотипування за допомогою секвенування може включати 1 мільярд послідовностей.
Головна перешкода, з якою стикаються вчені, намагаючись вивести найкращі сорти поліплоїдних рослин, таких як цукрова тростина та кормові трави, - це складність їх геномів.
"У цьому випадку ми навіть не знали, чи можлива геномна селекція, враховуючи обмежені ресурси та складність роботи з такою складністю", - сказав Аоно.
Методи
Дослідники розпочали процес геномної селекції з диплоїдних рослин (що містять клітини з двома наборами хромосом), оскільки у них простіші геноми.
"Проблема в тому, що цінні тропічні рослини, такі як цукрова тростина, є не диплоїдами, а поліплоїдами, що є ускладненням", - сказав Соуза.
У той час як люди і майже всі тварини диплоїдні, у цукрової тростини може бути до 12 копій кожної хромосоми. Будь-яка особина виду Homo sapiens може мати до двох варіантів кожного гена, один із яких успадкований від батька, а інший – від матері. Цукрова тростина більш складна, тому що теоретично будь-який ген може мати багато варіантів в однієї людини. Є ділянки його геному з шістьма наборами хромосом, інші з вісьмома, десятьма і навіть 12 наборами.
«Генетика настільки складна, що селекціонери працюють із цукровою тростиною, начебто вона була диплоїдною», — сказав Соуза.
У 2001 році Теодорус Меувіссен, голландський вчений, який в даний час є професором селекції тварин і генетики в Норвезькому університеті наук про життя (NMBU), запропонував геномну селекцію для передбачення складних ознак у тварин і рослин у зв'язку з їх фенотипами (наведені характеристики, що наводять від взаємодії їх генотипів з навколишнім середовищем). Перевагою цього підходу до селекції рослин є зв'язок між фенотиповими ознаками, що представляють інтерес, такими як врожайність, рівень цукру або скоростиглість, і однонуклеотидними поліморфізмами (SNP). "Відрізок" (як вимовляється SNP) - це геномний варіант в одному положенні основи в ДНК, пояснив Соуза.
"Це різниця у геномах будь-яких двох людей. Наприклад, в одного може бути A (відповідний нуклеотиду аденін), який виробляє трохи більше, ніж у іншого з G (гуанін) у тому самому місці в геномі. Коли ви знайдете зв'язок з тим, що шукаєте, наприклад, з високим рівнем виробництва цукру та конкретними SNP у різних місцях геному, ви зможете секвенувати тільки ту популяцію, на якій зосереджена ваша селекційна робота".
Досягнення, запропоновані Аоно та його колегами, позбавляють необхідності вирощувати та фенотипувати протягом усього циклу розмноження.
«Ми проводимо польові експерименти на початкових етапах програми, щоб отримати фенотип, що цікавить, для кожного клону», — сказав Соуза.
Паралельно ми досить просто секвенуємо всі клони в племінній популяції, без необхідності мати весь геном для кожного клону. Це те, що називається генотипуванням шляхом секвенування – часткове секвенування у пошуках відмінностей та подібностей у парах основ. Для клонів та їх зв'язок із продукцією кожного клону. Зв'язок між фенотипом та геномом показує, який виробляє більше і які SNP пов'язані з вищою продукцією. Таким чином, ми можемо ідентифікувати клони з великою часткою SNP, які роблять внесок у більш високу продуктивність, що спостерігається в початкових експериментах, та отримання найбільш продуктивного сорту швидше та дешевше».
Також читайте: