corentino

Je n'ecris pas ces immondes critiques de cinéma

L’apprentissage automatique révèle des «gènes d’intérêt» dans l’agriculture et la médecine

Maïs (maïs) poussant dans la serre de NYU Rose Sohn Zegar sur le toit du NYU Center for Genomics & Genomics Biologie des systèmes. Crédit : New York University Coruzzi مختبر Lab

L’apprentissage automatique peut identifier les «gènes d’intérêt» qui aident les cultures à pousser en utilisant moins d’engrais, selon une nouvelle étude publiée dans Connexions naturelles. Il peut également prédire des traits supplémentaires chez les plantes et les résultats des maladies chez les animaux, illustrant leurs applications au-delà de l’agriculture.


Utilisation données génomiques Prédire les résultats en agriculture et en médecine est à la fois prometteur et difficile Biologie des systèmes. Les chercheurs s’efforcent de déterminer la meilleure façon d’utiliser la vaste quantité de données génomiques disponibles pour prédire comment les organismes réagiront aux changements dans la nutrition, les toxines et l’exposition aux agents pathogènes, ce qui à son tour améliorera les rendements, le diagnostic des maladies, l’épidémiologie et la santé publique. Cependant, la prédiction précise de ces résultats complexes en agriculture et en médecine à partir d’informations à l’échelle du génome reste un défi majeur.

dans le Connexions naturelles Dans l’étude, des chercheurs et des collaborateurs de l’Université de New York aux États-Unis et à Taïwan ont relevé ce défi en utilisant l’apprentissage automatique, un type d’intelligence artificielle utilisé pour détecter des modèles dans les données.

“Nous montrons que se concentrer sur les gènes dont les modèles d’expression sont conservés de manière évolutive à travers les espèces améliore notre capacité à apprendre et à prédire les” gènes d’intérêt “pour les performances de croissance des cultures essentielles, ainsi que les résultats des maladies chez les animaux”, a expliqué Gloria Corozzi, Carroll, et Melton. Petrie est professeur au Département de biologie de l’Université de New York et au Centre de génomique et de biologie des systèmes et auteur principal de l’article.

“Notre approche exploite la variation naturelle de l’expression à l’échelle du génome et des phénotypes associés au sein ou entre les espèces”, a ajouté Chia Yi-cheng du Centre de génomique et de biologie des systèmes de l’Université de New York et de l’Université nationale de Taiwan, auteur principal de cette étude. “Nous montrons que la réduction de notre contribution génomique aux gènes dont les modèles d’expression sont conservés au sein et entre les espèces est un moyen biologiquement fondé de réduire la dimensionnalité des données génomiques, améliorant considérablement la capacité de nos modèles d’apprentissage automatique à identifier les gènes d’un trait important. “

L'apprentissage automatique détecte

Maïs (maïs) poussant dans la serre de NYU Rose Sohn Zegar sur le toit du NYU Center for Genomics & Genomics Biologie des systèmes. Crédit : New York University Coruzzi مختبر Lab

Comme preuve de concept, les chercheurs ont démontré que les gènes dont la réponse à l’azote est conservée au cours de l’évolution entre deux espèces végétales diverses – Arabidopsis, une petite plante à fleurs largement utilisée. objet modèle En biologie végétale, les espèces de maïs, la plus grande culture d’Amérique, ont considérablement amélioré la capacité des modèles d’apprentissage automatique à prédire les gènes importants pour l’efficacité avec laquelle les plantes utilisent l’azote. L’azote est un nutriment essentiel pour les plantes et le principal composant des engrais; Les cultures qui utilisent plus efficacement l’azote poussent mieux et nécessitent moins d’engrais, ce qui présente des avantages économiques et environnementaux.

Les chercheurs ont mené des expériences validant huit facteurs de transcription majeurs en tant que gènes importants pour une utilisation efficace de l’azote. Ils ont montré qu’une expression génétique altérée chez Arabidopsis ou le maïs peut augmenter la croissance des plantes dans les sols pauvres en azote, ce qu’ils ont testé dans un laboratoire de l’Université de New York et dans les champs de maïs de l’Université de l’Illinois.

« Maintenant que nous pouvons prédire avec plus de précision quels hybrides de maïs sont les meilleurs pour l’application d’engrais azotés au champ, nous pouvons rapidement améliorer ce caractère. Efficacité d’utilisation de l’azote “Dans le maïs et d’autres cultures, il offre trois avantages majeurs en réduisant les coûts des agriculteurs, en réduisant la pollution de l’environnement et en atténuant les émissions de gaz à effet de serre provenant de l’agriculture”, a déclaré l’auteur de l’étude Stephen Moss, professeur de sciences végétales à l’Université de l’Illinois à Urbana-Champaign.

De plus, les chercheurs ont démontré qu’il s’agit d’une science évolutive apprentissage automatique L’approche peut être appliquée à d’autres caractères et espèces en prédisant des caractères supplémentaires chez les plantes, notamment la biomasse et le rendement d’Arabidopsis et de maïs. Ils montrent également que cette approche peut prédire les gènes importants pour la résistance à la sécheresse dans une autre culture de base, le riz, ainsi que les conséquences des maladies chez les animaux en étudiant des modèles murins.

« Parce que nous avons montré que le pipeline informé de l’évolution peut également être appliqué aux animaux, cela confirme sa détectabilité. gènes Intéressant pour toutes les caractéristiques physiologiques ou cliniques importantes en biologie, en agriculture ou en médecine », a déclaré Korozi.

“De nombreux traits clés d’importance agricole ou clinique sont génétiquement complexes, et donc difficiles à déterminer, à contrôler et à hériter. Notre succès démontre que les mégadonnées et la réflexion au niveau des systèmes peuvent rendre ces défis notoirement difficiles traçables”, a déclaré l’auteur de l’étude, Ying Li, MD , membre de la faculté. au Département d’horticulture et d’architecture paysagère de l’Université Purdue.


Comment augmenter la biomasse végétale : les biologistes découvrent le lien moléculaire entre la disponibilité des nutriments et la croissance


Plus d’information:
L’apprentissage automatique basé sur l’évolution améliore la force des relations prédictives entre le gène et le phénotype, Connexions naturelles (2021). DOI : 10.1038 / s41467-021-25893-w

la citation: L’apprentissage automatique révèle des «gènes d’intérêt» dans l’agriculture et la médecine (2021, 24 septembre) Récupéré le 24 septembre 2021 sur https://phys.org/news/2021-09-machine-uncovers-genes-importance-agriculture.html

Ce document est soumis au droit d’auteur. Nonobstant toute utilisation équitable à des fins d’étude ou de recherche privée, aucune partie ne peut être reproduite sans autorisation écrite. Le contenu est fourni à titre informatif seulement.

READ  Percez le mystère des trous noirs massifs et des quasars avec une simulation de superordinateur