人工智能和遗传学可以帮助农民用更少的肥料种植玉米

纽约大学的科学家正在使用人工智能来确定哪些基因在玉米等植物中统称哪些基因，目的是帮助农民提高农作物的产量并最大程度地减少氮肥的成本。

“通过识别利用氮的重要性基因，我们可以选择甚至修改某些基因以增强某些基因氮的使用效率在美国主要农作物中玉米”，纽约大学生物学系和基因组学和系统生物学中心的Carroll＆Milton Petrie教授Gloria Coruzzi说，该研究的高级作者。出现在日记中植物细胞。

在过去的50年中，农民能够增长更大作物产量得益于重大改进植物育种和肥料，包括如何有效地摄取和使用氮，这是肥料的关键组成部分。

尽管如此，大多数农作物仅在肥料中使用大约55％的氮，而农民适用于田间，而其余的则最终在周围的土壤中。当氮渗入地下水时，它会污染饮用水并在湖泊，河流，水库和温暖的海水中引起有害的藻类。此外，残留在土壤中的未使用的氮被细菌转化为笑气这是一种有效的温室气体，在100年期间，在捕获热量时的效果比二氧化碳高265倍。

美国是世界领先的玉米生产国。这种主要的现金作物需要大量的氮才能生长，但是喂入玉米的大部分肥料都没有被占用或使用。鉴于肥料的成本不断增加，玉米的氮含量低效率对农民带来了财务挑战，其中大多数是进口的，并且有可能损害土壤，水，空气和气候。

为了应对玉米和其他农作物的这一挑战，纽约大学研究人员开发了一种新的过程，以提高氮的使用效率，将植物遗传学与机器学习，一种人工智能在这种情况下，它检测到数据中的模式将基因与性状（氮的使用效率）相关联。

纽约大学研究人员使用模型到杂乱的方法跟踪了与拟南芥共享的玉米基因的进化史，这是一种小型开花杂草通常用作模型生物在植物生物学中，由于使用分子遗传学方法的力量在实验室中易于研究。在先前的研究中出版在自然通讯Coruzzi的团队确定了对氮的反应性在玉米和拟南芥之间保存的基因，并验证了其在植物中的作用。

在当前的研究中，他们对该主题的最新研究，纽约大学的研究人员建立了他们在玉米和拟南芥中的工作，以确定氮的使用效率如何受到基因组的控制，也称为“调节”，这些基因被同一转录因子（一种调节蛋白）激活或抑制。

“诸如氮的使用效率或光合作用之类的特征永远不会受到一个基因的控制。机器学习过程的美丽在于它学习了一组集体负责特征的基因，并且还可以识别控制这些基因集的转录因子或因素，” Coruzzi说。

研究人员首先使用RNA测序来测量玉米和拟南芥中的基因如何应对氮治疗。使用这些数据，他们训练了机器学习模型，以识别跨玉米和拟南芥品种保守的氮响应基因，以及转录因子调节对氮的使用效率（NUE）的重要性基因。

对于每个“ NUE调节” - 研究人员计算了一个集体机器学习评分，然后根据组合表达水平如何准确预测在田地生长品种中如何有效地预测如何有效地使用氮。

对于排名最高的NUE调节，研究人员使用基于细胞的玉米和拟南芥的基于细胞的研究来验证每个转录因子调节基因组中基因组集的机器学习预测。这些实验证实了两个玉米转录因子（Zmmyb34/r3）的NUE调节，它们调节了控制氮的24个基因，以及拟南芥（ATDIV1）中紧密相关的转录因子（ATDIV1），该基因调节23个靶基因，该靶基因与玉米共享氮基因的遗传史，该基因还控制氮素的使用。

当回到机器学习模型中时，这些模型守恒的NUE调节子显着提高了AI预测跨田间生长玉米品种的氮使用效率的能力。

识别使用使用氮的集体基因和相关转录因子的NUE调节，将使作物科学家能够繁殖或工程玉米，而玉米需要更少的肥料。

通过在幼苗阶段查看玉米杂种，查看确定的对氮的使用效率的表达是否很高，而不是将它们种植在现场并测量其氮的使用，我们可以使用分子标记来在氮气中选择杂种阶段，在氮气中最有效，然后将这些杂种植物植入了这些杂种。

“这不仅会节省农民的成本，还可以减少地下水和一氧化二氮温室气体排放的氮污染的有害影响。”

纽约大学提出了专利申请涵盖本文所述的研究和发现；该临时专利还描述了使用CRISPR基因编辑技术来设计农作物中的NUE调节，以提高氮的使用效率。