摘要：科学家正在使用人工智能来确定哪些基因在玉米等植物中共同控制氮的利用效率，目的是帮助农民提高农作物的产量并最大程度地减少氮肥的成本。...

纽约大学的科学家正在使用人工智能来确定哪些基因在玉米等植物中统称哪些基因，目的是帮助农民提高农作物的产量并最大程度地减少氮肥的成本。

纽约州生物学和基因组和系统生物学中心和高级作者的纽约州Carroll＆Milton Petrie教授Gloria Coruzzi说：“通过确定利用氮的物质对氮的利用率，我们可以选择甚至修改某些基因，以提高美国主要农作物的氮利用效率。”植物细胞。

在过去的50年中，由于植物育种和肥料的重大改善，包括如何有效地摄取和使用氮，这是肥料的关键组成部分，农民能够增加农作物的产量。

尽管如此，大多数农作物在肥料中仅使用大约55％的氮，而农民适用于田间，而其余的则最终在周围的土壤中。当氮渗入地下水时，它会污染饮用水并在湖泊，河流，水库和温暖的海水中引起有害的藻类开花。此外，残留在土壤中的未使用的氮被细菌转化为一氧化二氮，这是一种有效的温室气体，在100年期间，在捕获热量的有效性比二氧化碳高265倍。

美国是世界领先的玉米生产国。这种主要的现金作物需要大量的氮才能生长，但是喂入玉米的大部分肥料都没有被占用或使用。鉴于肥料的成本增加（其中大多数是进口），玉米的低氮使用效率对农民带来了财务挑战，并冒着损害土壤，水，空气和气候的风险。

为了应对玉米和其他农作物中的这一挑战，纽约大学研究人员开发了一个新的过程，以提高氮的使用效率，将植物遗传学与机器学习（一种人工智能（一种检测数据中的模式）相结合 - 在这种情况下，将基因与性状相关联（氮利用效率）。

纽约大学研究人员使用模型到工艺方法，了与拟南芥共享的玉米基因的进化史，玉米基因是一种小型开花杂草，通常是在植物生物学中用作模型生物的，因为使用分子遗传学方法的实验室在实验室中易于研究。在以前发表的研究中自然通讯Coruzzi的团队确定了对氮的反应性在玉米和拟南芥之间保存的基因，并验证了其在植物中的作用。

在植物细胞研究，他们在这个主题上的最新研究，纽约大学的研究人员建立了他们在玉米和拟南芥中的工作，以确定氮的使用效率如何受基因组（也称为“调节剂”）的控制，这些基因被同一转录因子（调节蛋白）激活或抑制。

“诸如氮的使用效率或光合作用之类的特征永远不会受到一个基因的控制。机器学习过程的美丽在于它学习了一组集体负责特征的基因，并且还可以识别控制这些基因集的转录因子或因素，” Coruzzi说。

研究人员首先使用RNA测序来测量玉米和拟南芥中的基因如何应对氮治疗。使用这些数据，他们训练了机器学习模型，以鉴定在玉米和拟南芥品种中保守的氮响应基因，以及调节对氮的使用效率（NUE）的重要性基因的转录因子。对于每个“ NUE Regulon”（转录因子和相应的调节基因基因组），研究人员计算了一个集体机器学习评分，然后根据组合表达水平能够准确预测在玉米的田间种植品种中如何有效地使用了如何有效地使用氮。

对于排名最高的NUE规范，研究人员都使用基于细胞的玉米和拟南芥的细胞研究来验证每个转录因子调节基因组中基因组集的机器学习预测。这些实验证实了两个玉米转录因子（Zmmyb34/r3）的NUE调节，它们调节了控制氮的使用以及拟南芥密切相关的转录因子（ATDIV1）的24个基因（ATDIV1），该基因调节了23个靶基因，这些靶基因与玉米具有控制氮的使用，这些基因共享nInitrogen的遗传史。当回到机器学习模型中时，这些模型守恒的NUE调节子显着提高了AI预测跨田间生长玉米品种的氮使用效率的能力。

识别使用使用氮的集体基因和相关转录因子的NUE调节，将使作物科学家能够繁殖或工程玉米，而玉米需要更少的肥料。

通过在幼苗阶段查看玉米杂种，查看确定的对氮的使用效率的表达是否很高，而不是将它们种植在现场并测量其氮的使用，我们可以使用分子标记来在氮气中选择杂种阶段，在氮气中最有效，然后将这些杂种植物植入了这些杂种。 “这不仅会节省农民的成本，还可以减少地下水和一氧化二氮温室气体排放的氮污染的有害影响。”

纽约大学提出了一项专利申请，其中涵盖了本文所述的研究和发现。其他研究作者包括Ji Huang，Tim Jeffers，Nathan Doner，Hung Jui Shih，Samantha Frangos和Nyu的Manpreet Singh Katari；纽约大学和台湾国家大学的Chia-Yi Cheng，以及美国农业部农业研究服务的Matthew Brooks。该研究得到了国家科学基金会植物基因组研究计划（IOS-139362）和美国国立卫生研究院（R01-GM121753，F32GM116347）的支持。