纽约大学的研究团队正在使用人工智能技术来识别玉米等作物中控制氮利用效率的关键基因组合，以帮助农民提高产量并减少化肥成本。研究由NYU生物学系及基因组与系统生物学中心的资深作者Gloria Coruzzi教授领导，相关成果发表于《植物细胞》杂志。 近50年来，由于植物育种和化肥技术的重大改进，农民能够大幅提高作物产量，但多数作物只能吸收施用氮肥中的约55%，其余氮肥渗入地下水，导致饮用水污染和有害藻类爆发，同时土壤中的未利用氮也被细菌转化为一氧化二氮，这种温室气体的增温效果比二氧化碳强265倍。作为美国最大的玉米生产国，玉米种植面临着低氮利用效率带来的财务挑战和环境风险。 为了解决这一问题，NYU研究人员开发了一种结合植物遗传学和机器学习的新方法，通过模型植物（如拟南芥）的基因信息预测玉米的氮利用效率。拟南芥因其在实验室研究中的便利性而常被用作植物生物学的模式生物。Coruzzi团队此前在《自然通讯》杂志上发表的研究已经确定了玉米和拟南芥之间共享的氮响应基因，并验证了它们在植物中的作用。 在最新的研究中，研究人员进一步探究了控制氮利用效率的基因调控网络（称为“氮利用效率调控子”或NUE调控子）如何由相同的转录因子（一种调节基因表达的蛋白质）激活或抑制。他们首先使用RNA测序技术测量玉米和拟南芥在施用氮肥后的基因反应，然后训练机器学习模型来识别在多个玉米和拟南芥品种中普遍存在的氮响应基因及其对应的转录因子。基于这些数据，研究人员计算了每个NUE调控子的综合机器学习评分，并根据其预测准确性对顶级调控子进行了排名。 研究人员随后进行了细胞水平的实验，验证了在玉米和拟南芥中机器学习预测的基因集。实验确认了两个玉米转录因子（ZmMYB34/R3）调控的24个基因，以及拟南芥中一个与其紧密相关的转录因子（AtDIV1）调控的23个基因，这些基因均与玉米氮利用相关的同源基因有关。重新纳入机器学习模型后，这些保守的NUE调控子显著提升了AI预测田间玉米氮利用效率的能力。 通过识别和理解这些调控氮利用的基因及其转录因子，作物科学家可以培育或工程改造出需要更少氮肥的玉米品种。Coruzzi教授表示：“在幼苗阶段通过分子标记筛选高效氮利用的玉米杂交种，可以节省农民的成本，同时减少氮污染和一氧化二氮排放。” 纽约大学已针对这项研究申请了临时专利，该专利还涵盖了使用CRISPR基因编辑技术在作物中优化NUE调控子以提高其氮利用效率的方法。