Kiedy Xiaoxi Meng i Zhikai Liang po raz pierwszy zaproponowali ten pomysł kilka lat temu, James Schnable był sceptyczny. Delikatnie mówiąc.
„'Cóż, możesz spróbować, ale nie sądzę, że to zadziała'” – wspomina profesor agronomii i ogrodnictwa Meng i Liang, a następnie badacze z tytułem doktora w laboratorium Schnable na Uniwersytecie Nebraska-Lincoln.
Mylił się i z perspektywy czasu nigdy nie był szczęśliwszy. Jednak w tamtym czasie Schnable miał dobry powód, by unieść brew. Pomysł duetu — że sekwencje DNA upraw wrażliwych na zimno, które poddają się silnemu mrozowi, mogą pomóc przewidzieć, jak dzikie, bardziej odporne rośliny znoszą mrozy — wydawał się śmiały. Delikatnie mówiąc. Mimo to była to propozycja niskiego ryzyka i wysokiej nagrody. Bo gdyby Meng i Liang mogli sprawić, by to zadziałało, mogłoby to po prostu przyspieszyć wysiłki, aby rośliny wrażliwe na zimno były trochę lub nawet bardziej podobne do ich odpornych na zimno odpowiedników.
Niektóre z najważniejszych upraw na świecie zostały udomowione w regionach tropikalnych — kukurydza w południowym Meksyku, sorgo we wschodniej Afryce — które nie wywierały na nie selektywnej presji, aby wykształciły mechanizmy obronne przed zimnem lub zamarzaniem. Kiedy te rośliny są uprawiane w surowym klimacie, ich wrażliwość na zimno ogranicza to, jak wcześnie można je sadzić i jak późno można je zebrać. Krótsze sezony wegetacyjne oznaczają mniej czasu na fotosyntezę, co skutkuje mniejszymi plonami i mniejszą ilością żywności dla światowej populacji, która do 10 r. zbliży się do 2050 miliardów ludzi.
Zimne klimaty
W międzyczasie gatunki roślin, które już rosną w chłodniejszym klimacie, wypracowały sztuczki, aby przetrwać zimno. Mogą rekonfigurować swoje błony komórkowe, aby zachować płynność w niższych temperaturach, zapobiegając zamarzaniu i pękaniu błon. Mogą dodawać krople cukrów do płynów wi wokół tych błon, obniżając ich temperaturę zamarzania w podobny sposób, w jaki sól robi chodniki. Mogą nawet wytwarzać białka, które tłumią maleńkie kryształki lodu, zanim te kryształki urosną do niszczącej komórki masy.
Wszystkie te mechanizmy obronne mają swój początek na poziomie genetycznym, ale nie tylko w sekwencjach samego DNA. Kiedy rośliny zaczynają zamarzać, mogą zareagować, wyłączając lub włączając niektóre geny – zapobiegając lub zezwalając na transkrypcję i wykonanie instrukcji instrukcji genetycznych. Wiedza o tym, które geny odporne na zimno rośliny wyłączają się i włączają w obliczu niskich temperatur, może pomóc naukowcom zrozumieć podstawy ich fortyfikacji i ostatecznie opracować podobne mechanizmy obronne w uprawach wrażliwych na zimno.
Ale Schnable wiedział również, tak jak Meng i Liang, że nawet identyczny gen często różnie reaguje na zimno u różnych gatunków roślin, nawet blisko spokrewnionych. Co oznacza, co jest frustrujące, że zrozumienie, w jaki sposób gen reaguje na zimno u jednego gatunku, nie mówi naukowcom zajmującym się roślinami prawie niczego rozstrzygającego o zachowaniu genu u innego. Ta nieprzewidywalność z kolei utrudniała wysiłki w nauce zasad określających, co dezaktywuje lub aktywuje geny.
„Nadal nie jesteśmy w stanie zrozumieć, dlaczego geny wyłączają się i włączają” – powiedział Schnable.
Rośliny kukurydzy
Z braku podręcznika naukowcy zwrócili się ku uczeniu maszynowemu, formie sztucznej inteligencji, która może zasadniczo pisać własne. Specjalnie opracowali nadzorowany model klasyfikacji — taki, który po przedstawieniu wystarczającej ilości oznakowanych wizerunków, powiedzmy, kotów i nie-kotów, może w końcu nauczyć się odróżniać te pierwsze od tych drugich. Zespół początkowo zaprezentował swój własny model z ogromnym stosem zsekwencjonowanych genów z kukurydzy, wraz ze średnimi poziomami aktywności tych genów, gdy roślina została poddana ujemnym temperaturom. Schnable powiedział, że model był również karmiony „każdą cechą, o jakiej moglibyśmy pomyśleć” dla każdego genu kukurydzy, w tym jego długością, stabilnością i wszelkimi różnicami między nim a innymi wersjami znalezionymi w innych roślinach kukurydzy.
Później naukowcy przetestowali swój model, ukrywając przed nim tylko jedną informację w podzbiorze tych genów: czy zareagowały na pojawienie się mrozów, czy nie. Analizując cechy genów, o których powiedziano, że są responsywne lub niereagujące, model rozpoznał, które kombinacje tych cech są istotne dla każdej z nich — a następnie z powodzeniem umieścił większość pozostałych genów tajemniczych pudełek w ich poprawnych kategoriach.
Bez wątpienia był to obiecujący początek. Ale prawdziwy test pozostał: czy model może wykorzystać szkolenie, które otrzymał u jednego gatunku, i zastosować go do innego?
Odpowiedź była definitywna tak. Po przeszkoleniu z danymi DNA tylko jednego z sześciu gatunków — kukurydzy, sorgo, prosa perłowego, proso proso, proso wyczyńca lub proso rózgowego — model był w stanie przewidzieć, które geny w każdym z pozostałych pięciu zareagują na zamrożenie. Ku zaskoczeniu Schnable'a model sprawdzał się nawet wtedy, gdy był szkolony na gatunkach wrażliwych na zimno – kukurydzy, sorgo, perłowej lub proso – ale miał za zadanie przewidywać odpowiedzi genów u odpornego na zimno wyczyńca lub prosa rózgowego.
Model
„Modele, które wyszkoliliśmy, działały prawie tak dobrze w różnych gatunkach, jak gdybyś rzeczywiście miał dane dotyczące jednego gatunku i wykorzystywał dane wewnętrzne do prognozowania dla tego samego gatunku” – powiedział, a po kilku miesiącach w jego głosie pojawiła się nuta zdumienia. „Naprawdę bym tego nie przewidział”.
„Pomysł, że możemy po prostu przesłać wszystkie te informacje do komputera, który może wymyślić przynajmniej niektóre zasady, aby przewidywania, które działają, wciąż jest dla mnie niesamowity”.
Prognozy te mogą okazać się szczególnie przydatne przy rozważaniu alternatywy. Przez mniej więcej dziesięć lat biolodzy roślin byli w stanie zmierzyć liczbę cząsteczek RNA – odpowiedzialnych za transkrypcję i transport instrukcji DNA – wytwarzanych przez każdy gen w żywej roślinie. Ale porównanie, w jaki sposób ekspresja genów reaguje na zimno u żywych okazów i u wielu gatunków, jest żmudnym przedsięwzięciem, powiedział Schnable. Dotyczy to zwłaszcza roślin dziko rosnących, których nasiona mogą być trudne nawet do zdobycia. Nasiona te mogą nie kiełkować zgodnie z oczekiwaniami, jeśli w ogóle, a ich wzrost może zająć lata. Nawet jeśli tak, każda powstała roślina musi być uprawiana w identycznym, kontrolowanym środowisku i badana na tym samym etapie rozwoju.
Więcej gatunków
Wszystko to stanowi ogromne wyzwanie dla wyhodowania wystarczającej liczby dzikich okazów z wystarczającej liczby dzikich gatunków, aby replikować i statystycznie oceniać reakcje ich genów na zimno.
„Jeśli naprawdę chcemy dowiedzieć się, jakie geny są ważne – które faktycznie odgrywają rolę w tym, jak roślina przystosowuje się do zimna – musimy przyjrzeć się więcej niż dwóm gatunkom” – powiedział Schnable. „Chcemy przyjrzeć się grupie gatunków, które tolerują zimno i grupie, która jest wrażliwa, i przyjrzeć się wzorom: „Ten sam gen zawsze reaguje w jednym i zawsze nie reaguje w drugim”.
„To zaczyna być naprawdę dużym i kosztownym eksperymentem. Byłoby naprawdę miło, gdybyśmy mogli po prostu przewidzieć na podstawie sekwencji DNA tych gatunków, zamiast, powiedzmy, wziąć 20 gatunków i spróbować je wszystkie na tym samym etapie, poddać je dokładnie tym samym terapiom stresowym, i zmierzyć ilość RNA wytworzonego dla każdego genu u każdego gatunku.”
Na szczęście dla modelu naukowcy zsekwencjonowali już genomy ponad 300 gatunków roślin. Trwający międzynarodowy wysiłek może zwiększyć tę liczbę nawet do 10,000 XNUMX w ciągu najbliższych kilku lat.
Chociaż model już znacznie przekroczył jego skromne oczekiwania, Schnable powiedział, że następnym krokiem będzie „przekonanie zarówno siebie, jak i innych ludzi”, że działa tak dobrze, jak do tej pory. W każdym przypadku testowym do tej pory naukowcy prosili model, aby powiedział im to, co już wiedzieli. Powiedział, że ostateczny test nastąpi, gdy zarówno ludzie, jak i maszyna zaczną od zera.
„Następnym dużym eksperymentem, który myślę, że musimy zrobić, jest przewidywanie gatunku, dla którego nie mamy w ogóle żadnych danych” – powiedział. „Aby przekonać ludzi, że to naprawdę działa w przypadkach, w których nawet my nie znamy odpowiedzi”.
Zespół poinformował o swoich odkryciach w czasopiśmie Proceedings of the National Academy of Sciences. Meng, Liang i Schnable są autorami badania z Rebeccą Roston z Nebraski, Yang Zhang, Samirą Mahboub i studentem Danielem Ngu, wraz z Xiuru Dai, naukowcem wizytującym z Uniwersytetu Rolniczego w Shandong.
Aby uzyskać więcej informacji:
Uniwersytet Nebraski w Lincoln
www.unl.edu