Los científicos de la Universidad de Nueva York están utilizando inteligencia artificial para determinar qué genes rigen colectivamente el uso de nitrógeno en plantas como las plantas, cuyo objetivo es ayudar a los agricultores a mejorar sus cultivos y minimizar el costo de los fertilizantes de nitrógeno.
“Al señalar la importancia del gen para el uso de nitrógeno, podemos elegir o editar algunos genes para mejorar el uso de nitrógeno en grandes cultivos estadounidenses como el maíz”, dijo Gloria Corozi, quien, para la genómica y los sistemas de biología, y artista senior de biología. Célula vegetal.
En los últimos 50 años, los agricultores han podido aumentar la producción de grandes cultivos gracias al crecimiento de las plantas y una gran mejora en los fertilizantes, incluida la forma en que el componente clave de los fertilizantes, cuán efectivamente es el nitrógeno óptico y uso.
Sin embargo, la mayoría de los cultivos usan solo el 55 % de nitrógeno en fertilizantes que los agricultores aplican en sus campos, mientras que el resto termina en el suelo contiguo. Cuando el nitrógeno ingresa al agua subterránea, puede contaminar agua potable y causar la apertura de los lagos, ríos, depósitos y aguas marinas calientes.. Además, el nitrógeno no utilizado que vive en el suelo se convierte en nitrosido por bacterias, un poderoso gas de efecto invernadero que es 265 veces más eficiente en el calor del período de 100 años que el dióxido de carbono.
Estados Unidos es el mayor productor de maíz del mundo. Este gran cultivo efectivo se necesita en grandes cantidades de nitrógeno, pero la mayoría de los fertilizantes no se usan ni se usan. Dados los crecientes costos de fertilizantes, el rendimiento del bajo uso de nitrógeno de maíz ofrece un desafío financiero para los agricultores.
Para superar este desafío en el maíz y otros cultivos, los investigadores de la NYU han desarrollado un proceso novedoso para mejorar el uso de nitrógeno, que conecta la genética de la planta con el aprendizaje automático, un tipo de inteligencia artificial que detecta muestras en los datos, en este caso.
Utilizando el enfoque de cultivos del modelo dos, los investigadores de la NYU rastrearon la historia evolutiva de los genes del maíz que se combinan con la árabe, una pequeña hierba de flores a menudo se usa como biología modelo en los organismos de las plantas, que se utiliza para usar la fuerza de la perspectiva genética en el enfoque genético. Apareció en el estudio anterior Comunicaciones de la naturalezaEl equipo de Korozi identificó genes, cuya reacción de nitrógeno estaba protegida entre el maíz y los árabes, y se confirmó su papel en las plantas.
I Foca Estudiar, sus investigadores más recientes de la NYU se basaron en su trabajo en maíz y árabe para identificar cómo opera el uso de nitrógeno a través de grupos de genes, también conocidos como “regulona”, que es el mismo elemento de transcripción (un regulador).
“El mismo gen nunca se controla con el mismo gen con el rendimiento del uso de nitrógeno o saturado fotográfico. La belleza del proceso de aprendizaje automático es que aprende conjuntos de genes que son colectivamente responsables de una característica, y también controlan el elemento o factores de transcripción”.
Los investigadores primero utilizaron el entorno de ARN para medir el tratamiento del nitrógeno génico en el maíz y la árabe. Utilizando estas figuras, entrena modelos de aprendizaje automático para identificar los genes de reacción de nitrógeno en los tipos de maíz y árabe, así como factores de transcripción que manejan la importancia de los genes en el uso de nitrógeno (NUE). Los mismos investigadores de ajuste del elemento de transición y los genes nue regulados calcularon una puntuación de aprendizaje automático colectivo para cada “nueva regulona” y luego se realizaron sobre la base de la medida en que el nivel de expresión combinado podría predecir la granja en el campo.
Reguladores avanzados de NUE, los investigadores utilizaron estudios basados en células en maíz y árabe para verificar las predicciones de aprendizaje automático para los genes establecidos en el genoma, que son regularmente a través de cada elemento de transcripción. Estos experimentos han confirmado a los reguladores de NUE para dos factores de copia de maíz (ZMMYB34/R3), que regular regularmente 24 genes que controlan el uso de nitrógeno, así como el factor de transcripción estrechamente relacionado en la árabe (ATDIV1), que también controla el uso de maíz con 23 genitales. Controles Cuando la máquina se devuelve a los modelos de aprendizaje, los reguladores de NUE protegidos de estos modelos han aumentado significativamente la capacidad de la IA para predecir el rendimiento del nitrógeno en los tipos de maíz preparados en el campo.
La identificación de genes colectivos y los factores de transcripción relacionados que gobiernan el uso de nitrógeno permitirá a los científicos del cultivo crear una raza de generación o maíz de ingeniero, lo cual es menos necesario.
“Mirando los híbridos del maíz en la etapa de pizca, para ver si la importancia de los genes identificados para el uso del uso de nitrógeno del uso de nitrógeno del nitrógeno y medir el uso de su nitrógeno, en lugar de medir el uso de la germinación, medir el uso del analógeno, utilizando el escala para medir el cueroch, en lugar de medir el escala de nitrógeno. Ahorre el costo para los agricultores, pero también reducirá los efectos nocivos de la contaminación de nitrógeno de las emisiones de los gases de efecto invernadero de aguas subterráneas y óxido nitroso “.
La Universidad de Nueva York ha presentado una solicitud de patente que cubre la investigación y los resultados descritos en este artículo. Los autores adicionales del estudio incluyen G. Huang, Tim Jeffers, Nathan Donor, Hangi Shiya, Samantha Francos y Manipreet Singh Katri de NYU. NYU y Cheng de la Universidad Nacional de Taiwán, y los Servicios de Investigación Agrícola del Departamento de Agricultura de los Estados Unidos, Matthew Brooks. Esta investigación fue respaldada por el Programa de Investigación del Genoma de Plantas de la Fundación Nacional de Ciencias (iOS-1339362) y el Instituto Nacional de Salud (R01-GM121753, F32GM116347).
