亞洲健康互聯
優化產業的推手,生醫商機的GPS!

首頁產業資訊生技報導生技產業使用機器學習進化演算法揭示未來農業和醫學重要基因的「生產力」

使用機器學習進化演算法揭示未來農業和醫學重要基因的「生產力」

來源 : 亞洲健康互聯海外中心
update : 2021/09/30
根據9月24日發表在《自然通訊》上的一項新研究,機器學習可以確定重要基因的「生產力」,幫助作物以更少的肥料生長。它還可以預測植物的其他特徵和動物的疾病結果,說明其在農業之外的應用。

從基因組特徵推斷表型結果對系統生物學來說既是承諾也是挑戰。研究人員一直在努力確定如何最好地利用大量可用的基因體序列資料,來預測生物體如何對營養、毒素和病原體暴露的變化做出反應。反之又會為作物改良、疾病預後、流行病學和公共衛生提供相關資訊。然而,從基因體序列資料準確預測農業和醫學中的複雜結果仍然是一項重大挑戰。

紐約大學和台大生命科學系的研究人員應用了一種機器學習進化演算法,根據物種內和物種間共享的轉錄組反應來預測表型。結果證明,使用進化保守的氮響應基因是一種生物學原理方法,可以減少機器學習中的特徵維度,最終提高基因到性狀模型的預測能力。此外,研究團隊在功能上驗證了七種候選轉錄因子,它們對擬南芥和玉米中的氮肥利用率( NUE )  結果具有預測能力。研究團隊將進化知悉管道應用於其他物種,包括水稻和小鼠模型,強調了其發現影響生物學、農業或醫學中任何感興趣的生理或臨床特徵基因的潛力。
 
論文的資深作者、紐約大學生物學系暨基因組學與系統生物學中心的科魯齊教授 (Gloria M. Coruzzi) 說:「我們表明,關注表達模式在物種間進化保守的基因,可以增強我們學習和預測對主要作物生長性能,以及動物疾病結果的重要基因的能力。」
 
「我們的方法利用了物種內或物種間全基因組表達和相關表型的自然變異,」該研究的主要作者、台灣大學生命科學系助理教授鄭家宜補充道。「我們的研究表明,將我們的基因組輸入減少到表達模式在物種內和物種間保守的基因,是降低基因組數據維數的生物學原理方法,這顯著提高了我們的機器學習模型識別哪些基因對性狀很重要的能力。」
 
「現在我們可以更準確地預測哪種玉米雜交種更適合在田間施氮肥,我們可以迅速改善這一性狀。透過降低農民成本、減少環境污染和減少農業溫室氣體排放,提高玉米和其他作物的氮利用效率。」研究作者、伊利諾大學厄巴納-香檳分校作物科學系教授穆斯 (Stephen P. Moose) 說。

此外,研究結果還表明,這種方法可以透過研究小鼠模型來預測水稻的抗旱性,以及動物疾病結果具有重要意義的基因。
 
「因為我們證明了我們的進化資訊管道也可以應用於動物,這突顯了它有可能發現對生物學、農業或醫學感興趣的任何生理或臨床特徵具有重要意義的基因,」科魯齊教授說。