Когда Сяоси Мэн и Чжикай Лян впервые предложили эту идею пару лет назад, Джеймс Шнабл был настроен скептически. По меньшей мере.
«Что ж, вы можете попробовать, но я не думаю, что это сработает», - вспоминает доцент агрономии и садоводства слова Мэн и Лян, тогда докторантам в лаборатории Шнабля в Университете Небраски-Линкольна.
Он был неправ и, оглядываясь назад, никогда не был счастливее. Тем не менее, в то время у Шнабля была веская причина приподнять бровь. Идея дуэта о том, что последовательности ДНК чувствительных к холоду культур, которые поддаются сильному морозу, могут помочь предсказать, насколько дикие и выносливые растения переносят морозные условия, казалась смелой. По меньшей мере. Тем не менее, это было предложение с низким риском и высокой наградой. Потому что, если бы Мэн и Лян смогли заставить его работать, это могло бы просто ускорить усилия по тому, чтобы сделать чувствительные к холоду культуры немного или даже намного больше похожими на их морозостойкие аналоги.
Некоторые из важнейших сельскохозяйственных культур в мире были одомашнены в тропических регионах - кукуруза на юге Мексики, сорго в восточной Африке, - что не оказывало на них никакого избирательного давления с целью выработки защиты от холода или замораживания. Когда эти культуры выращиваются в более суровом климате, их чувствительность к холоду ограничивает то, как рано их можно сажать, и как поздно можно собирать урожай. Более короткий вегетационный период означает меньше времени для фотосинтеза, что приводит к меньшим урожаям и меньшему количеству пищи для мирового населения, которое, как ожидается, к 10 году приблизится к 2050 миллиардам человек.
Холодный климат
Между тем виды растений, которые уже растут в более холодном климате, разработали уловки, чтобы выдерживать холод. Они могут реконфигурировать свои клеточные мембраны, чтобы поддерживать текучесть при более низких температурах, предотвращая замерзание и разрушение мембран. Они могут добавлять немного сахара в жидкости внутри и вокруг этих мембран, понижая их точку замерзания почти так же, как соль на тротуаре. Они могут даже производить белки, которые подавляют мельчайшие кристаллы льда, прежде чем эти кристаллы превратятся в массы, разрушающие клетки.
Все эти защиты возникают на генетическом уровне, но не только в последовательностях самой ДНК. Когда растения начинают замерзать, они могут отреагировать, по сути, выключением или включением определенных генов, предотвращая или позволяя транскрибировать и выполнять свои генетические инструкции. Знание того, какие гены устойчивых к холоду растений отключаются и включаются при низких температурах, может помочь исследователям понять саму основу их укреплений и, в конечном итоге, создать аналогичную защиту для чувствительных к холоду культур.
Но Шнабл также знал, как и Мэн и Лян, что даже идентичный ген часто по-разному реагирует на холод у разных видов растений, даже близкородственных. К сожалению, это означает, что понимание того, как ген реагирует на холод у одного вида, почти ничего не говорит ученым о поведении гена у другого. Эта непредсказуемость, в свою очередь, препятствует попыткам изучить правила, определяющие, что будет деактивировать или активировать гены.
«Мы все еще очень, очень плохо понимаем, почему гены включаются и выключаются», - сказал Шнабл.
Растения кукурузы
Не имея сводов правил, исследователи обратились к машинному обучению - форме искусственного интеллекта, которая, по сути, может писать свои собственные. Они специально разработали контролируемую модель классификации - такую, которая при наличии достаточного количества помеченных изображений, скажем, кошек и не кошек, в конечном итоге может научиться отличать первых от вторых. Команда первоначально представила свою собственную модель с огромной кучей секвенированных генов кукурузы, а также средние уровни активности этих генов, когда растение подвергалось отрицательным температурам. По словам Шнабла, в модель были добавлены «все особенности, которые мы могли придумать» для каждого гена кукурузы, включая его длину, стабильность и любые различия между ним и другими версиями, обнаруженными в других растениях кукурузы.
Позже исследователи проверили свою модель, скрывая от нее только одну часть информации о подмножестве этих генов: реагировали ли они на появление отрицательных температур или нет. Анализируя особенности генов, которые, как ей было сказано, были либо отзывчивыми, либо неотзывчивыми, модель определила, какие комбинации этих характеристик имеют отношение к каждой из них, а затем успешно распределила большинство оставшихся, загадочных генов, по их правильным категориям.
Без сомнения, это было многообещающее начало. Но реальная проверка оставалась: сможет ли модель перенести обучение, полученное на одном виде, и применить его к другому?
Ответ был однозначным: да. После обучения на данных ДНК только одного из шести видов - кукурузы, сорго, жемчужного проса, просо, просо лисохвоста или просо просо - модель в целом смогла предсказать, какие гены в любом из пяти других видов будут реагировать на замораживание. К удивлению Шнабля, модель работала даже тогда, когда ее обучали на чувствительных к холоду видах - кукурузе, сорго, жемчуге или просо, - но перед ней стояла задача прогнозировать генные реакции у холодоустойчивого проса лисохвоста или просо.
Модель
«Обученные нами модели работали почти так же хорошо для разных видов, как если бы у вас действительно были данные по одному виду и вы использовали внутренние данные, чтобы делать прогнозы для этого же вида», - сказал он, и через несколько месяцев в его голосе прозвучал намек на удивление. «Я действительно не ожидал этого».
«Идея о том, что мы можем просто передать всю эту информацию в компьютер, и он может выяснить, по крайней мере, некоторые правила, чтобы делать прогнозы, которые работают, все еще меня удивляет».
Эти прогнозы могут оказаться особенно полезными при рассмотрении альтернативы. Примерно за десять лет биологи растений смогли измерить количество молекул РНК - тех, которые отвечают за транскрипцию и транспортировку инструкций ДНК - производимых каждым геном в живом растении. Но сравнение того, как экспрессия этого гена реагирует на холод у живых особей и у разных видов, - кропотливая задача, сказал Шнабл. Это особенно верно в отношении диких растений, семена которых бывает сложно даже приобрести. Эти семена могут не прорасти, как ожидалось, если вообще прорастут, и на их прорастание могут уйти годы. Даже если они это сделают, каждое полученное растение необходимо выращивать в идентичной контролируемой среде и изучать на одной и той же стадии развития.
Больше видов
Все это представляет собой серьезную проблему для выращивания достаточного количества диких экземпляров из достаточного количества диких видов, чтобы воспроизвести и статистически оценить реакцию их генов на холод.
«Если мы действительно хотим понять, какие гены важны - которые на самом деле играют роль в том, как растение адаптируется к холоду, - нам нужно рассмотреть более двух видов», - сказал Шнабл. «Мы хотим посмотреть на группу видов, которые терпимы к холоду, и группу, которые чувствительны, и посмотреть на закономерности:« Один и тот же ген всегда отвечает в одном и всегда не отвечает в другом ».
«Это начинает превращаться в действительно большой и дорогостоящий эксперимент. Было бы очень хорошо, если бы мы могли просто делать прогнозы на основе последовательностей ДНК этих видов вместо того, чтобы, скажем, брать 20 видов и пытаться получить их всех на одной стадии, подвергать их всех одинаковым процедурам стресса и измерить количество РНК, продуцируемой каждым геном у каждого вида ».
К счастью для модели, исследователи уже секвенировали геномы более 300 видов растений. Постоянные международные усилия могут увеличить это число до 10,000 XNUMX в течение следующих нескольких лет.
Хотя модель уже значительно превзошла его скромные ожидания, Шнабл сказал, что следующий шаг, тем не менее, будет включать «убеждение как себя, так и других людей» в том, что она работает так же хорошо, как и раньше. На сегодняшний день в каждом тестовом случае исследователи просили модель рассказать им то, что они уже знали. По его словам, окончательное испытание наступит, когда и люди, и машины начнут с нуля.
«Следующий большой эксперимент, который, как мне кажется, нам нужно провести, - это сделать прогнозы для видов, по которым у нас вообще нет данных», - сказал он. «Чтобы убедить людей, что это действительно работает в тех случаях, когда даже мы не знаем ответов».
Команда сообщила о своих выводах в журнале Proceedings of the National Academy of Sciences. Мэн, Лян и Шнабл разработали исследование вместе с Ребеккой Ростон, Ян Чжан, Самирой Махбуб из Небраски и студентом Даниэлем Нгу, а также Сюру Дай, приглашенным ученым из Шаньдунского сельскохозяйственного университета.
Для получения дополнительной информации:
Университет Небраски Линкольн
www.unl.edu