Искусственный интеллект помогает предсказать урожайность сахарного тростника

Исследование из Бразилии, опубликованное в Scientific Reports, показывает, что искусственный интеллект (ИИ) можно использовать для создания эффективных моделей геномной селекции сортов сахарного тростника и кормовых трав и предсказания их полевых характеристик на основе их ДНК.

По точности по сравнению с традиционными методами селекции предложенная методология улучшила прогностическую силу более чем на 50%. Это первый случай, когда для полиплоидных растений (клетки которых имеют более двух полных наборов хромосом), включая изученные травы, предложен высокоэффективный метод геномной селекции на основе машинного обучения.

Машинное обучение — это раздел ИИ и компьютерных наук, использующий статистику и оптимизацию. Его можно применять для прогнозирования характеристик растения, включая устойчивость к биотическим стрессам (вредители и болезни) или абиотическим (холод, засуха, засоление, недостаток питательных веществ).

Преимущества нового подхода

В традиционной селекции скрещивание и оценка полученных генотипов в поле занимает много времени и очень дорого. "Метод, который мы предлагаем, может предсказать характеристики этих растений ещё до того, как они вырастут. Мы смогли предсказать урожайность на основе генетического материала. Это экономит многие годы оценки", — объяснил первый автор статьи, исследователь CBMEG-UNICAMP Александра Хиль Аоно.

Для сахарного тростника традиционные методы занимают от 9 до 12 лет. "Один из крайних примеров — селекция каучуковых деревьев, которая может занимать до 30 лет", — отметила профессор генетики растений UNICAMP Анет Перейра де Соуза. Преодолеть эти трудности помогает "селекция растений 4.0", интенсивно использующая анализ данных и вычислительные инструменты.

Сложность работы с полиплоидами

Главное препятствие в селекции таких полиплоидных растений, как сахарный тростник и кормовые травы, — сложность их геномов. В то время как люди — диплоиды (два набора хромосом), сахарный тростник может иметь до 12 копий каждой хромосомы. Его генетика настолько сложна, что селекционеры работают с ним, как если бы он был диплоидом.

Метод геномной селекции

В 2001 году Теодорус Мёвиссен предложил геномную селекцию для предсказания сложных признаков у животных и растений на основе их фенотипов. Преимущество подхода — связь между интересующими фенотипическими признаками (урожайность, уровень сахара) и однонуклеотидными полиморфизмами (SNP). SNP — это различие в одном нуклеотиде (например, A или G) в ДНК разных особей.

"Когда вы находите ассоциацию с тем, что вы ищете, например, с высоким уровнем производства сахара, и конкретными SNP в разных местах генома, вы можете секвенировать только ту популяцию, на которой сосредоточена ваша селекционная работа", — пояснила Соуза.

Предложенные Аоно и коллегами достижения устраняют необходимость высаживать растения и проводить фенотипирование на протяжении всего цикла селекции. Проводятся полевые эксперименты на начальных этапах для получения интересующего фенотипа каждого клона. Параллельно проводится частичное секвенирование (genotyping-by-sequencing) всех клонов в селекционной популяции для поиска различий и сходств в парах оснований.

Установив ассоциацию между фенотипом и геномом, можно идентифицировать клоны с большой долей SNP, способствующих более высокой продуктивности, и получить самый продуктивный сорт быстрее и дешевле.