小麦の時間経過の認識を通して収穫を特徴づける:マルチオミックスの植物時間歪曲アプローチ

科学分野:

• 農業科学 農業科学とは
• 植物生物学 植物生物学
• コンピュータ生物学 コンピュータ生物学

背景:

• 気候変動によって食糧安全保障が脅かされ,作物のパフォーマンスの予測を改善する必要がある.
• 環境の変化に対する作物の反応を理解することは,適応戦略にとって極めて重要です.

研究 の 目的:

• 小麦の収穫量を予測するためのディープラーニングモデルを開発し,検証する.
• 予測の精度を高めるために,高通量フェノタイプ化,ゲノム,環境データを統合する.

主な方法:

• 画像タイムシリーズ,遺伝子マーカー,環境共変数を用いたディープラーニングモデルであるプラントタイムワーピング (PTW) を開発した.
• 訓練されたPTWは,温度と蒸気圧の赤字に対する遺伝子型特有の生理学的反応を学ぶ.
• 欧州の48年の場所でのPTWのパフォーマンスを検証し,ゲノム予測モデルと比較した.

主要な成果:

• PTWは,目に見えない環境で小麦の収穫量を予測するゲノム予測モデルを大幅に上回りました.
• このモデルは,非線形成長反応を捉え,収穫の安定に関連した主要な環境感受性 (VPD,温度) を特定しました.
• 特定の生理学的反応パターンを特定し,高収量安定と関連付けました.

結論:

• PTWは,様々な環境条件下で作物の収穫量と安定性を予測するための堅牢な枠組みを提供します.
• このモデルは,場所特有の品種推奨と,気候の回復力のための標的の育種を促進します.
• 現象,ゲノム,環境データを統合することで,農業における気候適応の研究が進んでいます.