_ Echipa de cercetare se dezvoltă rapid -urmărirea procesului pentru îmbunătățirea genetică a trăsăturilor plantelor

Cercetătorii interesați de îmbunătățirea unei anumite trăsături la plante pot identifica acum genele care reglează expresia trăsăturii fără a face niciun experiment.

Kranthi de la Universitatea Purdue. Varala și 10 coautori au publicat detaliile noului instrument de descoperire a genelor de reglementare bazat pe web în Proceedings of the National Academy of Sciences. Varala are un brevet în așteptare privind rezultatele care se referă la biosinteza uleiului de semințe de importanță economică.

Echipa Purdue-USDA a căutat să construiască o resursă care să învețe, din cantități mari de date disponibile public, să identifice rapid ce special genele numite factori de transcripție reglează expresia unei anumite trăsături la diferite specii de plante.

„Fiecare studiu se concentrează pe o mână dintre ele”, a spus Varala, profesor asistent de horticultură și arhitectură peisagistică. „Premisa noastră a fost că, dacă le putem pune pe toate într-o singură analiză, atunci putem folosi aceste date pentru a construi ceva global.”

Arabidopsis a servit ca plantă model a studiului PNAS, „dar această abordare a nimic specific Arabidopsis”, a spus Varala. „Abordarea este suficient de generală încât ați putea începe cu un set de date despre porumb. O puteți face cu orez, cu roșii, indiferent de cultură la care lucrați, atâta timp cât aveți mii de măsurători ale expresiei genelor pe care le-au făcut oamenii. Și există peste o duzină de specii acum în care avem zeci de mii de studii de exprimare a genelor.”

Pentru a dovedi că sistemul funcționează, echipa sa concentrat pe o cale genetică care reglează modul în care plantele produc și stochează ulei în semințele lor. Echipa a ales această trăsătură din cauza importanței sale în producția de alimente și biocombustibili și pentru că mai mult de 300 dintre genele implicate sunt deja cunoscute.

Prin manipularea genetică a factorilor de transcripție ai unei plante, cercetătorii pot crește sau reduce cantitatea de ulei produs în semințele sale.

La fel ca alți cercetători, Varala a urmat multe proiecte de-a lungul anilor în care scopul său a fost să identifice genele și regulatorii implicați în rezolvarea unei probleme. Aceasta a însemnat efectuarea de experimente atente, care consumau timp. Dar datele generate nu au oferit toate răspunsurile pe care le căuta. El a comparat-o cu lucrul unei ecuații cunoscând doar trei dintre cei 10 factori implicați.

„Nu poți rezolva ecuația”, a spus el. La fel, Varala a vrut adesea sa puna mai multe intrebari decat puteau raspunde datele. Asta l-a motivat să construiască un cadru care să folosească toate datele posibile pentru a pune acele întrebări fără a fi nevoie să facă toate experimentele relevante pentru a obține o listă de candidați care au nevoie apoi de validare genetică.

„Încerc să scurtez. -circuitează faza inițială de colectare a datelor”, a spus Varala, astfel încât oamenii de știință să se poată concentra pe efectuarea validărilor genetice. Dar pentru a face acest lucru, echipa sa a trebuit să înceapă cu un set de date bazat pe 18.000 de studii individuale.

Varala și echipa sa au analizat acest set masiv de date utilizând Bell și supercalculatoarele Brown, acum pensionate, de la Rosen Center for Advanced din Purdue. Tehnica de calcul. Echipa a creat un cadru de învățare automată pentru a accelera procesul pentru alții.

Ar fi imposibil ca o persoană să facă acest lucru manual. O echipă ar putea face acest lucru, dar asta ar introduce părtiniri în modul în care membrii grupului procesează datele. Clasificatorul de învățare automată funcționează fără părtinire.

Noutatea abordării este că, în loc să extragă date referitoare la toate organele, se concentrează pe seturi de date specifice organelor. Rețele genetice independente reglează aceste organe — frunze, rădăcini, lăstari, flori și semințe.

„În loc să folosim toate organele, am spus, în experimentele cu semințe pe care oamenii le-au făcut de-a lungul anilor, putem folosi toate datele pentru a învăța ceva ce se întâmplă în sămânță și nu neapărat rădăcină sau frunză sau floare. Asta ne-a îmbunătățit foarte mult abordarea”, a spus Varala.

Echipa a folosit o metodă de calcul numită abordarea inferenței pentru a prezice factorii de transcripție care vor regla procesul de biosinteză a uleiului de semințe în Arabidopsis.

„Cele pe care îi cunoaștem ne ajută să validăm abordarea noastră. funcționează corect, cei pe care nu îi cunoaștem sunt buni candidați pentru a descoperi o nouă biologie”, a spus Varala. „Această abordare pur computațională nu știe nimic despre semințe sau ulei sau ceva asemănător. I-am dat o listă de gene și a reușit să le redescopere pe cele cunoscute fără a cunoaște vreun context biologic.”

Autorul principal, Rajeev Ranjan, cercetător postdoctoral în cadrul Departamentului de Horticultură și Arhitectură a Peisajului de la Purdue, a luat celelalte 12 din primele 20 și a întrebat dacă acele predicții sunt adevărate. „Am reușit să generăm linii mutante pentru unsprezece dintre cei doisprezece. Cinci dintre cei unsprezece schimbă conținutul de ulei de semințe”, a spus el. „În plus, am arătat că supraexprimarea unui factor crește uleiul de semințe cu până la douăsprezece procente.”

Cele opt gene de reglementare cunoscute, adăugate celor opt noi, au arătat că abordarea inferenței a identificat cu exactitate 13 dintre gene. primii 20 candidați. Punctul forte al abordării este că, lucrând numai dintr-o listă de gene, poate prezice cu mare precizie care dintre ele vor reglementa o trăsătură de interes.

„A fost nevoie de mult timp pentru că este un lucru lung, proces complicat și nu exista nicio garanție că va funcționa”, a spus Varala despre proiectul de patru ani. „Nimic de această scară nu a mai fost încercat înainte.”

(Fluierul)