Khi Xiaoxi Meng và Zhikai Liang lần đầu tiên đề xuất ý tưởng cách đây vài năm, James Schnable đã tỏ ra nghi ngờ. Để nói rằng ít nhất.
“Chà, bạn có thể thử, nhưng tôi nghĩ nó không hiệu quả,” phó giáo sư nông học và làm vườn nhớ lại đã nói với Meng và Liang, sau đó là các nhà nghiên cứu sau tiến sĩ trong phòng thí nghiệm của Schnable tại Đại học Nebraska – Lincoln.
Anh ấy đã sai và, trong nhận thức muộn màng, không bao giờ hạnh phúc hơn khi được như vậy. Tuy nhiên, vào thời điểm đó, Schnable có lý do chính đáng để nhướng mày. Ý tưởng của bộ đôi - rằng chuỗi DNA của các loại cây trồng nhạy cảm với lạnh đầu hàng với sương giá cứng có thể giúp dự đoán cách các loài thực vật hoang dã hơn, cứng hơn chịu được điều kiện đóng băng - có vẻ táo bạo. Để nói rằng ít nhất. Tuy nhiên, đó là một đề xuất rủi ro thấp, phần thưởng cao. Bởi vì nếu Meng và Liang có thể làm cho nó hoạt động, nó có thể chỉ là những nỗ lực theo dõi nhanh chóng để làm cho cây trồng nhạy cảm với lạnh giống như những cây trồng chịu lạnh của họ một chút hoặc thậm chí nhiều hơn.
Một số loại cây trồng quan trọng nhất trên thế giới đã được thuần hóa ở các vùng nhiệt đới - ngô ở miền nam Mexico, lúa miến ở miền đông châu Phi - không gây áp lực chọn lọc lên chúng trong việc phát triển khả năng phòng thủ chống lại giá lạnh hoặc đóng băng. Khi những cây trồng này được trồng ở những vùng khí hậu khắc nghiệt hơn, độ nhạy cảm với lạnh của chúng sẽ hạn chế việc chúng có thể được trồng sớm và thu hoạch muộn như thế nào. Các mùa trồng trọt ngắn hơn tương đương với thời gian quang hợp ít hơn, dẫn đến sản lượng nhỏ hơn và ít lương thực hơn cho dân số toàn cầu dự kiến sẽ đạt 10 tỷ người vào năm 2050.
Khí hậu lạnh
Trong khi đó, các loài thực vật vốn đã phát triển ở vùng khí hậu lạnh hơn, đã phát triển các thủ thuật để chịu đựng cái lạnh. Chúng có thể cấu hình lại màng tế bào của mình để duy trì tính thanh khoản ở nhiệt độ thấp hơn, ngăn màng không bị đóng băng và đứt gãy. Họ có thể thêm một lượng đường vào chất lỏng trong và xung quanh các màng đó, làm giảm điểm đóng băng của chúng giống như cách muối làm ở vỉa hè. Chúng thậm chí có thể tạo ra các protein làm tan chảy các tinh thể băng cực nhỏ trước khi những tinh thể đó phát triển thành các khối phá hủy tế bào.
Tất cả những biện pháp bảo vệ đó đều bắt nguồn từ cấp độ di truyền, mặc dù không chỉ trong trình tự của chính DNA. Khi thực vật bắt đầu đóng băng, về cơ bản chúng có thể phản ứng bằng cách tắt hoặc bật một số gen nhất định - ngăn chặn hoặc cho phép phiên mã và thực hiện sổ tay hướng dẫn di truyền của chúng. Do đó, biết được gen nào của cây chịu lạnh sẽ tắt và bật khi đối mặt với nhiệt độ đóng băng, có thể giúp các nhà nghiên cứu nắm được nền tảng của các công sự của chúng và cuối cùng là thiết kế các biện pháp phòng thủ tương tự cho các loại cây trồng nhạy cảm với lạnh.
Nhưng Schnable cũng biết, như Meng và Liang đã làm, rằng ngay cả một gen giống hệt nhau cũng thường phản ứng khác nhau với cái lạnh ở các loài thực vật, thậm chí cả những gen có liên quan mật thiết với nhau. Điều đó có nghĩa là, thật thất vọng, việc hiểu được cách một gen phản ứng với giá lạnh ở một loài có xu hướng cho các nhà khoa học thực vật biết hầu như không có kết luận gì về hành vi của gen ở loài khác. Đến lượt mình, sự không thể đoán trước đó đã cản trở nỗ lực tìm hiểu các quy tắc quyết định những gì sẽ vô hiệu hóa hoặc kích hoạt các gen.
Schnable nói: “Chúng tôi vẫn thực sự rất tệ trong việc hiểu tại sao các gen lại tắt và bật.
Cây ngô
Thiếu sách quy tắc, các nhà nghiên cứu đã chuyển sang học máy, một dạng trí tuệ nhân tạo về cơ bản có thể tự viết. Họ đã đặc biệt phát triển một mô hình phân loại có giám sát - kiểu phân loại có thể, khi được hiển thị với đủ hình ảnh được dán nhãn, chẳng hạn như mèo và không phải mèo, cuối cùng học cách phân biệt cái trước với cái sau. Ban đầu, nhóm nghiên cứu đã trình bày mô hình của riêng mình với một đống khổng lồ các gen được sắp xếp theo trình tự từ ngô, cùng với mức độ hoạt động trung bình của các gen đó khi cây chịu nhiệt độ đóng băng. Schnable cho biết, mô hình này cũng được cung cấp “mọi đặc điểm mà chúng tôi có thể nghĩ đến” cho mỗi gen ngô, bao gồm chiều dài, độ ổn định của nó và bất kỳ sự khác biệt nào giữa nó và các phiên bản khác của nó được tìm thấy ở các cây ngô khác.
Sau đó, các nhà nghiên cứu đã thử nghiệm mô hình của họ bằng cách che giấu nó chỉ một phần thông tin trong một tập hợp con của những gen đó: liệu chúng có phản ứng với sự bắt đầu của nhiệt độ đóng băng hay không. Bằng cách phân tích các đặc điểm của các gen mà nó được cho là đáp ứng hoặc không đáp ứng, mô hình đã phân biệt tổ hợp các đặc điểm đó có liên quan đến từng gen nào - và sau đó thành công sắp xếp phần lớn các gen hộp bí ẩn còn lại vào các danh mục chính xác của chúng.
Đó là một khởi đầu đầy hứa hẹn, không nghi ngờ gì nữa. Nhưng thử nghiệm thực sự vẫn còn: Liệu mô hình có thể sử dụng quá trình đào tạo mà nó đã nhận được ở một loài và áp dụng nó cho loài khác không?
Câu trả lời là chắc chắn có. Sau khi được huấn luyện với dữ liệu DNA chỉ từ một trong sáu loài - ngô, lúa miến, kê ngọc trai, kê proso, kê đuôi chồn hoặc cỏ switchgrass - mô hình thường có thể dự đoán gen nào trong số năm loài còn lại sẽ phản ứng với việc đóng băng. Trước sự ngạc nhiên của Schnable, mô hình đã được tổ chức ngay cả khi nó được huấn luyện trên một loài nhạy cảm với lạnh - ngô, lúa miến, ngọc trai hoặc kê proso - nhưng được giao nhiệm vụ dự đoán phản ứng gen ở kê đuôi chồn chịu lạnh hoặc cỏ switchgrass.
Mô hình
“Các mô hình mà chúng tôi đào tạo hầu như hoạt động tốt trên các loài như thể bạn thực sự có dữ liệu về một loài và sử dụng dữ liệu nội bộ để đưa ra các dự đoán về cùng loài đó,” anh nói, một chút kinh ngạc đọng lại trong giọng nói của anh nhiều tháng sau đó. "Tôi thực sự sẽ không dự đoán được điều đó."
“Ý tưởng rằng chúng ta có thể đưa tất cả thông tin này vào một máy tính và nó có thể tìm ra ít nhất một số quy tắc để đưa ra các dự đoán hoạt động, vẫn còn rất thú vị đối với tôi.”
Những dự đoán đó có thể tỏ ra đặc biệt hữu ích khi xem xét giải pháp thay thế. Trong khoảng một thập kỷ, các nhà sinh học thực vật đã thực sự có thể đo lường số lượng phân tử RNA - những phân tử chịu trách nhiệm phiên mã và vận chuyển các chỉ thị DNA - được tạo ra bởi mọi gen trong cây sống. Nhưng so sánh cách biểu hiện gen đó phản ứng với lạnh trong các mẫu vật sống và trên nhiều loài, là một công việc khó khăn, Schnable nói. Điều đó đặc biệt đúng với các loại cây hoang dã, thậm chí khó có thể lấy được hạt giống của chúng. Những hạt giống đó có thể không nảy mầm nếu dự kiến, và có thể mất nhiều năm để phát triển. Ngay cả khi họ làm như vậy, mọi cây kết quả phải được trồng trong một môi trường giống hệt nhau, được kiểm soát và nghiên cứu ở cùng một giai đoạn phát triển.
Nhiều loài hơn
Tất cả những điều đó đặt ra một thách thức lớn đối với việc phát triển đủ các mẫu vật hoang dã, từ đủ các loài hoang dã, để tái tạo và đánh giá thống kê phản ứng của gen của chúng đối với giá lạnh.
Schnable nói: “Nếu chúng ta thực sự muốn tìm hiểu những gen nào là quan trọng - thực sự đóng một vai trò trong cách thực vật thích nghi với giá lạnh - thì chúng ta cần phải xem xét nhiều hơn hai loài. “Chúng tôi muốn xem xét một nhóm các loài có khả năng chịu lạnh và một nhóm nhạy cảm, và xem xét các mô hình:“ Cùng một gen này luôn đáp ứng ở một gen và luôn không đáp ứng ở gen kia ”.
“Điều đó bắt đầu trở thành một thử nghiệm thực sự lớn và tốn kém. Sẽ thực sự tuyệt vời nếu chúng ta chỉ có thể đưa ra dự đoán từ trình tự DNA của những loài đó thay vì lấy 20 loài và cố gắng đưa tất cả chúng vào cùng một giai đoạn, đưa tất cả chúng vào cùng một phương pháp điều trị căng thẳng, và đo lượng RNA được tạo ra cho mỗi gen ở mỗi loài ”.
May mắn thay cho mô hình, các nhà nghiên cứu đã giải mã trình tự bộ gen của hơn 300 loài thực vật. Một nỗ lực quốc tế đang diễn ra có thể đẩy con số đó lên tới 10,000 trong vài năm tới.
Mặc dù mô hình đã vượt quá mong đợi khiêm tốn của ông, Schnable cho biết bước tiếp theo sẽ liên quan đến việc “thuyết phục cả chính chúng ta và những người khác” rằng nó hoạt động tốt như cho đến nay. Trong mọi trường hợp thử nghiệm cho đến nay, các nhà nghiên cứu đã yêu cầu mô hình cho họ biết những gì họ đã biết. Ông nói, thử nghiệm cuối cùng sẽ đến khi cả con người và máy móc đều bắt đầu lại từ đầu.
Ông nói: “Thí nghiệm lớn tiếp theo mà tôi nghĩ chúng ta cần làm là đưa ra dự đoán về một loài mà chúng ta không có bất kỳ dữ liệu nào. “Để thuyết phục mọi người rằng nó thực sự hiệu quả trong những trường hợp mà ngay cả chúng tôi cũng không biết câu trả lời.”
Nhóm nghiên cứu đã báo cáo kết quả nghiên cứu của mình trên tạp chí Proceedings of the National Academy of Sciences. Meng, Liang và Schnable là tác giả của nghiên cứu cùng với Rebecca Roston, Yang Zhang, Samira Mahboub của Nebraska và sinh viên đại học Daniel Ngu, cùng với Xiuru Dai, một học giả thỉnh giảng từ Đại học Nông nghiệp Sơn Đông.
Để biết thêm thông tin:
Đại học Nebraska Lincoln
www.unl.edu