Os cientistas da Universidade de Nova York estão usando inteligência artificial para determinar os rendimentos dos agricultores para melhorar seus rendimentos de colheita e reduzir o custo dos fertilizantes de nitrogênio.
“Podemos selecionar ou até modificar genes específicos para melhorar o uso de nitrogênio em grandes culturas dos EUA, como o milho, identificando orgulho significativo no uso de nitrogênio”, estão presentes a professora de Carol e Milton Petry Gloria Koruzi da NYU para a genômica e a biologia do sistema para a genômica e a biologia de sistemas. Células vegetais.
Nos últimos 3 anos, os agricultores conseguiram aumentar o rendimento de maiores culturas para a criação e fertilizante da planta, incluindo como o principal ingrediente do fertilizante é colher e usar o nitrogênio com eficiência.
No entanto, a maioria das culturas usa apenas cerca de 55 % do nitrogênio da fertilidade que os agricultores se aplicam aos seus campos, quando o restante da peça termina no terreno circundante. Quando o nitrogênio entra na água subterrânea, ele pode contaminar água potável e danificar algas em lagos, rios, reservatórios e água do mar quenteO Além disso, as bactérias de nitrogênio não utilizadas no solo são convertidas em óxido nitroso, um poderoso gás de efeito estufa 265 vezes mais eficaz na retenção de calor durante 100 anos de dióxido de carbono.
Os Estados Unidos são o principal produtor mundial. Esta principal colheita de dinheiro requer uma grande quantidade de crescimento de nitrogênio, mas a maioria dos fertilizantes de milho não é tomada ou usada. O baixo uso de nitrogênio do milho apresenta um desafio financeiro para os agricultores, com foco no custo crescente de fertilizantes – a maioria é importada – e também há o risco de danificar o solo, a água, o ar e o clima.
Para enfrentar esses desafios no milho e em outras culturas, os pesquisadores da NYU criaram um processo sofisticado para melhorar a eficiência do uso de nitrogênio que integra a genética ao aprendizado de máquina, um tipo de inteligência artificial que detecta padrões nos dados – neste caso, para anexar um gene (habilidades de uso de nitrogênio).
Utilizando um método de modelo para colher, os pesquisadores da NYU buscaram a história evolutiva do gene do milho compartilhado com Arbidopsis, uma pequena erva daninha de flor é frequentemente usada como modelo de biologia vegetal, porque é facilidade estudar a energia dos métodos genéticos moleculares no laboratório. Publicado em um estudo anterior ComunicaçãoO grupo de Kuruji identificou os genes cuja reatividade ao nitrogênio foi armazenada em milho e arbidopsis e legalizou seu papel nas plantas.
Em Célula vegetal Estudo, seus pesquisadores mais recentes da NYU sobre esse tópico, criaram seu trabalho nos cantos e em Arabidopsis para identificar como as habilidades de uso de nitrogênio foram operadas pelo grupo – também era conhecido como “regulamentos” – o mesmo fator de transcrição (uma proteína reguladora).
“O uso de nitrogênio ou a eficiência ou recursos como a fotossíntese nunca são controlados por um único gene. A beleza do processo de aprendizado de máquina é o conjunto de genes responsáveis por quaisquer recursos e pode detectar o fator de transcrição ou causar que controlam esses conjuntos de genes.
Os pesquisadores usaram o sequenciamento de RNA pela primeira vez para medir como os genes no milho e arbidopsis reagem ao tratamento com nitrogênio. Usando esses dados, eles treinaram modelos de aprendizado de máquina para detectar genes reativos a nitrogênio armazenados em variedades de milho e arbidopsis, bem como a transcrição causa que controlam os importos gene-off-off do uso de nitrogênio (NEU). Cada fator de transcrição “Neu Regulaon” e os pesquisadores de conjuntos de genes neu controlados calcularam uma pontuação combinada de aprendizado de máquina e, em seguida, colocou os melhores desempenhos com base em quão bem os níveis de expressão combinados poderiam ser estimados para serem usados no campo do milho.
Para controlar a NEU superior, os pesquisadores usaram estudos baseados em células em milho e arbidopsis para validar previsões de aprendizado de máquina para conjuntos de genes controlados por cada fator de transcrição. Esses testes confirmaram os regulamentos da NEU para dois fatores de transcrição do milho (ZMMYB 34/R3), que controla o uso de nitrogênio que controla 24 genes, que controla o fator de transcrição de Arbidopsis (ATDIV 1), que controla o jegista com vários zonas, que controla o gene. Quando a máquina é reembolsada nos modelos de aprendizagem, esse modelo de regulamentos de NEU armazenado de modelo aumenta significativamente a capacidade da IA de prever o uso de nitrogênio nas variedades de milho que crescem em campo.
Os controles NEU de genes combinados e causas de transcrição relacionadas que gerenciam nitrogênio permitirão a identificação dos cientistas da colheita a reproduzir ou engenheiro, o que requer menos fertilizante.
“A expressão dos Imports Gene-Off identificados para habilidades de uso de nitrogênio no nível das mudas é maior, mas, em vez de plantar o uso de seu nitrogênio, podemos usar marcadores moleculares que podem usar nitrogênio, o que é mais eficiente para usar o nitrogênio.” Isso não economizará apenas custos, mas também reduzirá os efeitos nitrogenados.
A Universidade de Nova York apresentou um pedido de patente cobrindo a pesquisa e a pesquisa descritas neste estudo. Os escritores de estudos adicionais incluem G Huang, Tim Jeffers, Nathan Donor, Hang-Jui Shih, Samantha Fregos e Nyu Maneret Singh Qatari; Chia-ye, da NYU e da Universidade Nacional de Taiwan, e Matthew Broks, do Departamento de Pesquisa Agrícola do Departamento de Agricultura dos EUA. O estudo foi apoiado pelo Programa Nacional de Pesquisa em Genoma de Plantas da Fundação Science (iOS -1339362) e Institutos Nacionais de Saúde (R01 -GM121753, F32GM116347).
