ИИ DeepWheat ускорит создание новых сортов пшеницы

Китайские исследователи разработали модель глубокого обучения, которая способна ускорить процесс интеллектуального проектирования новых сортов сельскохозяйственных культур. Инструмент под названием DeepWheat с высокой точностью предсказывает экспрессию генов в различных тканях и сортах, что дает селекционерам мощный новый инструмент в работе.

Модель была создана командой по инновациям генетических ресурсов пшеницы из Института растениеводства Китайской академии сельскохозяйственных наук. Результаты работы недавно были опубликованы в журнале Genome Biology.

Пшеница, обладающая тремя наборами геномов и имеющая огромный размер — примерно в 40 раз больше генома риса и даже в пять раз больше человеческого генома — давно представляет сложность для ученых, пытающихся понять, как генетические вариации влияют на экспрессию генов в различных тканях и на разных стадиях развития. Специалисты отмечают, что точное предсказание крайне важно для проектирования элитных сортов и раскрытия механизмов, стоящих за ключевыми агрономическими признаками.

Чтобы справиться со сложностью, исследовательская группа построила две взаимодополняющие основные модели и объединила их в единую систему глубокого обучения. DeepWheat может определять, как специфические регуляторные вариации изменяют экспрессию генов в разных тканях, и с высокой точностью прогнозировать тканеспецифичные паттерны.

Лу Цзэфу, ведущий ученый команды, отметил, что модель особенно ценна, поскольку многие важные гены культурных растений являются плейотропными, то есть влияют на несколько признаков одновременно и могут производить как положительные, так и отрицательные эффекты в зависимости от того, где, когда и насколько сильно они экспрессируются.

«Например, ген IPA1 в рисе способствует увеличению размера метелки при умеренной экспрессии в молодых метелках, но более высокая экспрессия в побегах, наоборот, сокращает их количество», — пояснил Лу.

Ученый добавил, что современные подходы к редактированию генома все еще сильно зависят от метода проб и ошибок, часто требуя от исследователей редактировать каждый возможный регуляторный сайт, чтобы увидеть, что сработает.

«Это трудоемко, делается вслепую и часто непредсказуемо», — сказал он.

DeepWheat предлагает более целенаправленную и эффективную альтернативу. Создавая тканеспецифичные модели и проводя виртуальный насыщающий мутагенез — компьютерное моделирование, тестирующее все возможные генетические варианты — исследователи могут определить, какие регуляторные изменения с наибольшей вероятностью приведут к желаемой картине экспрессии.

«И только после этого они переходят к реальному редактированию, значительно повышая точность и сокращая бесполезные усилия», — отметил Лу.

По словам команды, данная система может быть применена и за пределами работы с пшеницей — успешные тесты уже проведены на рисе и кукурузе. Ее способность точно определять ключевые регуляторные элементы, оптимизировать мишени для редактирования генома и предсказывать результаты тканевой экспрессии обеспечивает научную основу для перепроектирования генов.

Эта возможность может помочь преодолеть одно из основных препятствий в селекции растений — антагонизм признаков, когда улучшение одного признака непреднамеренно ослабляет другой из-за конфликтующих генетических контролей.

«Благодаря возможности тонкой реконструкции регуляторных сетей, DeepWheat может снизить такие компромиссы и ускорить комбинирование желаемых признаков», — заключил ученый.

Этот инструмент представляет собой практичное решение на основе ИИ для улучшения сельскохозяйственных культур, предоставляя ученым-растениеводам новый мощный способ ускорить разработку высокопродуктивных сортов.