Kun Xiaoxi Meng ja Zhikai Liang ehdottivat ideaa pari vuotta sitten, James Schnable oli skeptinen. Liioittelematta.
"" No, voit kokeilla, mutta en usko, että se toimii ", maatalous- ja puutarhatalouden apulaisprofessori muistutti sanoen Mengille ja Liangille, jotka olivat silloisia tutkijatohtoria Schnablen laboratoriossa Nebraskan yliopistossa – Lincolnissa.
Hän oli väärässä eikä jälkikäteen koskaan onnellisempi olla. Silti tuolloin Schnableilla oli kohtuullinen syy nostaa kulmakarvat. Duon ajatus - että kovalle pakkaselle antautuvat kylmäherkkien viljelykasvien DNA-sekvenssit voisivat auttaa ennustamaan, kuinka villimät ja kovemmat kasvit sietävät jäätymisolosuhteet - tuntui rohkealta. Liioittelematta. Silti se oli matalan riskin ja korkean palkkion ehdotus. Koska jos Meng ja Liang saisivat sen toimimaan, se saattaa vain nopeuttaa ponnisteluja kylmäherkkien kasvien valmistamiseksi vähän tai jopa paljon enemmän kuin kylmänkestävät kollegansa.
Jotkut maailman tärkeimmistä viljelykasveista olivat kotieläimiä trooppisilla alueilla - maissi Etelä-Meksikossa, durra Itä-Afrikassa -, jotka eivät asettaneet heille valikoivaa painetta kehittää puolustusta kylmää tai jäätymistä vastaan. Kun näitä kasveja kasvatetaan ankarammassa ilmastossa, niiden herkkyys kylmälle rajoittaa kuinka aikaisin ne voidaan istuttaa ja kuinka myöhään ne voidaan korjata. Lyhyemmät kasvukaudet vastaavat vähemmän aikaa fotosynteesiin, mikä johtaa pienempiin satoihin ja vähemmän ruokaa maailman väestölle, jonka odotetaan lähestyvän 10 miljardia ihmistä vuoteen 2050 mennessä.
Kylmä ilmasto
Kasvilajit, jotka jo kasvavat kylmässä ilmastossa, ovat samalla kehittäneet temppuja kylmän sietämiseksi. He voivat konfiguroida solukalvonsa uudelleen pitääkseen likviditeetin alemmissa lämpötiloissa estäen kalvoja jäätymästä ja murtumasta. Ne voivat lisätä viivoja sokereita nesteisiin näissä kalvoissa ja niiden ympärillä alentaen niiden jäätymispistettä samalla tavalla kuin suola tekee jalkakäytävän. Ne voivat jopa tuottaa proteiineja, jotka tukahduttavat vähäiset jääkiteet ennen kuin nämä kiteet kasvavat soluja rikkoviksi maseiksi.
Kaikki nämä puolustukset ovat peräisin geneettiseltä tasolta, vaikkakaan eivät vain itse DNA: n sekvensseistä. Kun kasvit alkavat jäätyä, ne voivat reagoida olennaisesti sammuttamalla tai käynnistämällä tiettyjä geenejä - estämällä tai sallimalla niiden geneettisten ohjekirjojen kopioinnin ja suorittamisen. Silloin tietää, mitkä geenit kylmää sietävät kasvit sammuvat ja käynnistyvät pakkaslämpötiloissa, voi auttaa tutkijoita ymmärtämään linnoitustensa perustan ja lopulta suunnittelemaan samanlaiset puolustukset kylmälle herkille viljelykasveille.
Mutta Schnable tiesi myös, kuten Meng ja Liang, että jopa identtinen geeni reagoi usein eri tavoin kylmään kasvilajiin, jopa läheisiin sukulaisiin. Mikä tarkoittaa turhauttavaa, että ymmärtäminen, miten geeni reagoi kylmään yhdessä lajissa, kertoo kasvien tutkijoille melkein mitään lopullista geenin käyttäytymisestä toisessa. Tämä arvaamattomuus puolestaan on estänyt pyrkimyksiä oppia sääntöjä, jotka sanelevat geenien deaktivoinnin tai aktivoinnin.
"Olemme edelleen todella, todella huonoja ymmärtämään, miksi geenit sammuvat ja palaavat", Schnable sanoi.
Maissi kasveja
Sääntökirjan puuttuessa tutkijat kääntyivät koneoppimiseen, joka on tekoälyn muoto, joka voi olennaisesti kirjoittaa oman. He kehittivät erityisesti valvotun luokitusmallin - sellainen, joka voi lopulta oppia erottamaan jälkimmäisistä, kun niissä on riittävästi leimattuja kuvia esimerkiksi kissoista ja muista kissoista. Ryhmä esitteli alun perin oman mallinsa, jossa oli valtava kasa sekoitettuja maissista peräisin olevia geenejä, samoin kuin näiden geenien keskimääräiset aktiivisuustasot, kun kasvi altistettiin pakkaselle. Mallia syötettiin myös "jokaiselle ominaisuudelle, jonka voisimme ajatella" jokaiselle maissigeenille, Schnable sanoi, mukaan lukien sen pituus, stabiilisuus ja mahdolliset erot sen ja muiden maissikasvien muiden versioiden välillä.
Myöhemmin tutkijat testasivat malliaan kätkemällä siitä vain yhden osan näiden geenien osajoukosta: reagoivatko he jäätymislämpötilojen puhkeamiseen vai eivät. Analysoimalla geenien ominaisuuksia, joista sen oli kerrottu olevan joko reagoivia tai ei-reagoivia, malli havaitsi, mitkä näiden ominaisuuksien yhdistelmät olivat merkityksellisiä kullekin - ja sitten onnistuneesti jakanut suurimman osan jäljellä olevista mysteerilaatikon geeneistä oikeisiin luokkiinsa.
Se oli lupaava alku epäilemättä. Mutta todellinen testi säilyi: Voisiko malli suorittaa yhden lajin saaman koulutuksen ja soveltaa sitä toiseen?
Vastaus oli lopullinen kyllä. Sen jälkeen kun malli oli koulutettu vain yhdellä kuudesta lajista - maissi, durra, helmihirssi, prosohirssi, kettuhirsihirssi tai kytkinjuuri - DNA-tiedoilla, malli pystyi yleensä ennustamaan, mitkä geenit viidestä muusta reagoivat jäätymiseen. Schnablein yllätykseksi malli pysyi kiinni, vaikka se oli koulutettu kylmälle herkille lajeille - maissi, durra, helmi tai prosohirssi -, mutta sen tehtävänä oli ennustaa geenivasteet kylmää sietävässä kettuhirssissä tai ruohossa.
Malli
"Kouluttamamme mallit toimivat melkein yhtä hyvin eri lajeilla kuin jos sinulla olisi tosiasiallisesti tietoja yhdestä lajista ja käyttäisit sisäisiä tietoja ennusteiden tekemiseen samasta lajista", hän sanoi, kuukausia myöhemmin hänen äänessään viipymättä. "En todellakaan olisi ennustanut sitä."
"Ajatus siitä, että voimme vain syöttää kaikki nämä tiedot tietokoneeseen ja se voi selvittää ainakin joitain sääntöjä toimivien ennusteiden tekemiseksi, on minulle silti eräänlainen hämmästyttävä."
Nämä ennusteet saattavat osoittautua erityisen hyödyllisiksi harkittaessa vaihtoehtoa. Noin vuosikymmenen ajan kasvibiologit ovat pystyneet mittaamaan elävän kasvin jokaisen geenin tuottamien RNA-molekyylien lukumäärän - niiden, jotka vastaavat DNA-ohjeiden transkriptiosta ja siirtämisestä. Mutta verrata sitä, kuinka geeniekspressio reagoi kylmään elävissä yksilöissä ja useiden lajien välillä, on huolellinen yritys, Schnable sanoi. Tämä pätee erityisesti luonnonvaraisiin kasveihin, joiden siemeniä voi olla vaikea edes hankkia. Nämä siemenet eivät välttämättä itää odotetusti, jos ollenkaan, ja niiden kasvu voi viedä vuosia. Vaikka he tekevätkin, jokainen tuloksena oleva kasvi on viljeltävä identtisessä, kontrolloidussa ympäristössä ja tutkittava samalla kehitysvaiheella.
Lisää lajeja
Kaikki tämä asettaa valtavan haasteen tarpeeksi luonnonvaraisten yksilöiden kasvattamiselle tarpeeksi luonnonvaraisista lajeista toistamaan ja arvioimaan tilastollisesti geenien reaktiot kylmään.
"Jos haluamme todella selvittää, mitkä geenit ovat tärkeitä - joilla on todellinen merkitys kasvin sopeutumisessa kylmään, meidän on tarkasteltava enemmän kuin kahta lajia", Schnable sanoi. "Haluamme tarkastella ryhmää lajeja, jotka sietävät kylmää, ja ryhmää, jotka ovat herkkiä, ja tarkastella malleja:" Tämä sama geeni reagoi aina yhdessä ja ei aina vastaa toisessa. "
”Siitä alkaa tulla todella iso ja kallis kokeilu. Olisi todella mukavaa, jos voisimme vain tehdä ennusteita näiden lajien DNA-sekvensseistä sen sijaan, että otettaisiin esimerkiksi 20 lajia ja yritettäisiin saada ne kaikki samaan vaiheeseen, laittaa ne kaikki täsmälleen samoihin stressikäsittelyihin ja mittaa kullekin geenille tuotetun RNA: n määrä jokaisessa lajissa. "
Mallin onneksi tutkijat ovat jo sekvenssineet yli 300 kasvilajin genomit. Jatkuva kansainvälinen ponnistus voi nostaa tämän määrän jopa 10,000: ksi lähivuosina.
Vaikka malli on jo kiihkeästi ylittänyt vaatimattomat odotuksensa, Schnable sanoi, että seuraavaan vaiheeseen liittyy kuitenkin "vakuuttaa sekä itsellemme että muille ihmisille", että se toimii yhtä hyvin kuin toistaiseksi. Kaikissa tähänastisissa testitapauksissa tutkijat ovat pyytäneet mallia kertomaan heille, mitä he jo tiesivät. Lopullinen testi tulee hänen mukaansa, kun sekä ihmiset että kone ovat aloittamassa tyhjästä.
"Seuraava iso koe, jonka mielestäni meidän on tehtävä, on ennustaa lajia, josta meillä ei ole lainkaan tietoja", hän sanoi. "Vakuuttaa ihmiset, että se todella toimii tapauksissa, joissa edes emme tiedä vastauksia."
Ryhmä ilmoitti havainnoistaan Proceedings of the National Academy of Sciences -lehdessä. Meng, Liang ja Schnable ovat kirjoittaneet tutkimuksen Nebraskan Rebecca Rostonin, Yang Zhangin, Samira Mahboubin ja perustutkinto-opiskelijan Daniel Ngun sekä vierailevan tutkijan Xiuru Dain kanssa Shandongin maatalousyliopistosta.
Lisätietoja:
Nebraskan yliopisto, Lincoln
www.unl.edu