纽约大学
生长在NYU基因组研究中心屋顶的NYU·罗斯·索恩·泽加温室里的玉米；amp。系统生物学
学分:NYU·科鲁齐实验室 根据发表在《自然通讯》上的一项新研究，机器学习可以精确定位“重要基因”，帮助作物在少施肥的情况下生长
它还可以预测植物的其他性状和动物的疾病结果，说明了它在农业以外的应用
使用基因组数据来预测农业和医学的结果对系统生物学来说既是一个希望也是一个挑战
研究人员一直在努力确定如何最好地利用大量可用的基因组数据来预测生物如何应对坚果营养、毒素和病原体暴露的变化，进而为作物改良、疾病预测、流行病学和公共健康提供信息
然而，根据基因组规模的信息准确预测农业和医学中如此复杂的结果仍然是一个重大挑战
在《自然通讯》的研究中，美国的NYU研究人员和合作者
S
台湾利用机器学习来应对这一挑战，机器学习是一种用于检测数据模式的人工智能
NYU生物系和基因组学与系统生物学中心的卡罗尔&米尔顿·佩特里教授和该论文的资深作者格洛丽亚·科鲁齐解释说:“我们表明，关注那些表达模式在物种间进化上保守的基因，可以增强我们学习和预测‘重要基因’的能力，这些‘重要基因’对主要作物的生长表现以及动物的疾病结果都很重要。”
“我们的方法利用了物种内或跨物种的全基因组表达和相关表型的自然变异，”这项研究的主要作者、NYU基因组学和系统生物学中心和国立台湾大学的Chia-程颐补充道
“我们表明，将我们的基因组输入减少到表达模式在物种内和物种间保守的基因，是降低基因组数据维度的生物学原则方法，这显著提高了我们的机器学习模型识别哪些基因对某个性状很重要的能力
" 生长在NYU基因组研究中心屋顶的NYU·罗斯·索恩·泽加温室里的玉米；amp。系统生物学
学分:NYU·科鲁齐实验室 作为一个概念证明，研究人员证明了对氮的反应在两种不同的植物物种之间是进化上保守的基因——拟南芥(一种小型开花植物，被广泛用作植物生物学中的模式生物)和美国最大的作物玉米品种——显著提高了机器学习模型预测对植物如何有效利用氮具有重要意义的基因的能力
氮是植物的重要养分，也是肥料的主要成分；更有效利用氮的作物生长更好，需要的肥料更少，具有经济和环境效益
研究人员进行了实验，验证了八个主转录因子是对氮利用效率重要的基因
他们表明，改变拟南芥或玉米的基因表达可以增加低氮土壤中的植物生长，他们在NYU的实验室和伊利诺伊大学的玉米地进行了测试
“现在我们可以更准确地预测哪些玉米杂交种更擅长在田间使用氮肥，我们可以迅速改善这一性状
伊利诺伊大学厄巴纳-香槟分校作物科学教授斯蒂芬·穆斯(Stephen Moose)说:“提高玉米和其他作物的氮利用效率，通过降低农民成本、减少环境污染和减少农业温室气体排放，带来了三个关键好处。”
此外，研究人员证明了这种基于进化的机器学习方法可以通过预测植物的其他性状，包括拟南芥和玉米的生物量和产量，应用于其他性状和物种
他们还表明，这种方法可以预测另一种主要作物水稻的抗旱基因，以及通过研究小鼠模型预测动物的疾病结果
科鲁齐说:“因为我们表明，我们的进化信息管道也可以应用于动物，这强调了它在生物学、农业或医学领域发现任何重要生理或临床特征的基因的潜力。”
“许多重要的农艺或临床性状在遗传上很复杂，因此很难确定它们的控制和遗传
我们的成功证明了大数据和系统层面的思考可以使这些众所周知的困难挑战变得容易处理，”研究作者李颖说，他是普渡大学园艺和风景园林系的教员
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
