Toen Xiaoxi Meng en Zhikai Liang het idee een paar jaar geleden voor het eerst voorstelden, was James Schnable sceptisch. Op zijn zachtst gezegd.
'' Nou, je kunt het proberen, maar ik denk niet dat het gaat werken '', herinnert de universitair hoofddocent landbouw en tuinbouw zich tegen Meng en Liang, vervolgens postdoctorale onderzoekers in het laboratorium van Schnable aan de Universiteit van Nebraska-Lincoln.
Hij had het mis en achteraf gezien nooit gelukkiger. Maar op dat moment had Schnable een goede reden om een wenkbrauw op te trekken. Het idee van het duo - dat de DNA-sequenties van koudegevoelige gewassen die zich overgeven aan strenge vorst zouden kunnen helpen voorspellen hoe wildere, sterkere planten vorst verdragen - leek gewaagd. Op zijn zachtst gezegd. Toch was het een voorstel met een laag risico en hoge opbrengsten. Want als Meng en Liang het aan het werk zouden kunnen krijgen, zou het de inspanningen kunnen versnellen om koudegevoelige gewassen een beetje of zelfs veel meer op hun koudebestendige tegenhangers te laten lijken.
Enkele van 's werelds belangrijkste gewassen werden gedomesticeerd in tropische gebieden - maïs in het zuiden van Mexico, sorghum in Oost-Afrika - die hen niet selectief onder druk zetten om afweer tegen kou of bevriezing te ontwikkelen. Wanneer die gewassen in een ruwer klimaat worden gekweekt, beperkt hun gevoeligheid voor kou hoe vroeg ze kunnen worden geplant en hoe laat ze kunnen worden geoogst. Kortere groeiseizoenen staan gelijk aan minder tijd voor fotosynthese, wat resulteert in kleinere opbrengsten en minder voedsel voor een wereldbevolking die naar verwachting in 10 de 2050 miljard mensen zal benaderen.
Koude klimaten
Plantensoorten die al in koudere klimaten groeien, hebben ondertussen trucs ontwikkeld om de kou te doorstaan. Ze kunnen hun celmembranen herconfigureren om de vloeibaarheid bij lagere temperaturen te behouden en te voorkomen dat de membranen bevriezen en breken. Ze kunnen streepjes suikers toevoegen aan de vloeistoffen in en rond die membranen, waardoor hun vriespunt op vrijwel dezelfde manier wordt verlaagd als zout op een trottoir. Ze kunnen zelfs eiwitten produceren die minuscule ijskristallen verstikken voordat die kristallen uitgroeien tot celvernietigende massa's.
Al die afweermechanismen vinden hun oorsprong op genetisch niveau, maar niet alleen in de sequenties van het DNA zelf. Wanneer planten beginnen te bevriezen, kunnen ze reageren door in wezen bepaalde genen uit of in te schakelen - waardoor wordt voorkomen of toegestaan dat hun genetische instructiehandleidingen worden getranscribeerd en uitgevoerd. Weten welke genen koudetolerante planten in- en uitschakelen bij vriestemperaturen, kan onderzoekers helpen de basis van hun vestingwerken te begrijpen en uiteindelijk soortgelijke afweermechanismen in koudegevoelige gewassen te bouwen.
Maar Schnable wist ook, net als Meng en Liang, dat zelfs een identiek gen vaak verschillend reageert op kou bij plantensoorten, zelfs bij nauw verwante soorten. Dat betekent, frustrerend, dat het begrijpen van hoe een gen reageert op kou bij de ene soort, plantwetenschappers bijna niets overtuigend vertelt over het gedrag van het gen bij een andere soort. Die onvoorspelbaarheid heeft op zijn beurt de inspanningen belemmerd om de regels te leren die dicteren wat genen zal deactiveren of activeren.
"We zijn nog steeds erg slecht in het begrijpen waarom genen in- en uitschakelen", zei Schnable.
Maïsplanten
Bij gebrek aan een rulebook wendden de onderzoekers zich tot machine learning, een vorm van kunstmatige intelligentie die in wezen zijn eigen kan schrijven. Ze ontwikkelden specifiek een gesuperviseerd classificatiemodel - het soort dat, indien gepresenteerd met voldoende gelabelde afbeeldingen van bijvoorbeeld katten en niet-katten, uiteindelijk kan leren de eerste van de laatste te onderscheiden. Het team presenteerde aanvankelijk zijn eigen model met een enorme stapel genen waarvan de sequentie werd bepaald uit maïs, samen met de gemiddelde activiteitsniveaus van die genen wanneer de plant werd blootgesteld aan temperaturen onder het vriespunt. Het model kreeg ook “elke eigenschap die we konden bedenken” voor elk maïsgen, zei Schnable, inclusief de lengte, de stabiliteit en eventuele verschillen tussen het en andere versies ervan die in andere maïsplanten worden aangetroffen.
Later testten de onderzoekers hun model door er slechts één stukje informatie voor te verbergen in een subset van die genen: of ze reageerden op het begin van vriestemperaturen, of niet. Door de kenmerken van genen te analyseren waarvan werd verteld dat ze ofwel responsief ofwel niet-responsief waren, onderscheidde het model welke combinaties van die kenmerken voor elk relevant waren - en plaatste het vervolgens met succes de meerderheid van de overgebleven, mystery-box-genen in hun juiste categorieën.
Het was ongetwijfeld een veelbelovende start. Maar de echte test bleef: kon het model de training die het bij de ene soort had ontvangen, toepassen op een andere?
Het antwoord was een definitief ja. Na te zijn getraind met DNA-gegevens van slechts één van de zes soorten - maïs, sorghum, parelgierst, proso-gierst, vossenstaartgierst of switchgrass - kon het model over het algemeen voorspellen welke genen in een van de andere vijf zouden reageren op bevriezing. Tot Schnable's verbazing hield het model stand, zelfs als het was getraind op een koudegevoelige soort - maïs, sorghum, parel- of proso-gierst - maar belast met het voorspellen van genresponsen in de koudetolerante vossenstaartgierst of switchgrass.
Model
"De modellen die we hebben getraind, werkten bijna net zo goed over soorten heen alsof je feitelijk gegevens over één soort had en de interne gegevens gebruikte om de voorspellingen voor diezelfde soort te doen," zei hij, maanden later een zweem van verwondering in zijn stem. "Ik had dat echt niet voorspeld."
"Het idee dat we al deze informatie gewoon in een computer kunnen invoeren en op zijn minst enkele regels kan bedenken om voorspellingen te doen die werken, vind ik nog steeds een beetje verbazingwekkend."
Die voorspellingen kunnen vooral nuttig blijken bij het overwegen van het alternatief. Al ongeveer een decennium zijn plantenbiologen in staat geweest om het aantal RNA-moleculen te meten - degenen die verantwoordelijk zijn voor het transcriberen en transporteren van DNA-instructies - geproduceerd door elk gen in een levende plant. Maar vergelijken hoe die genexpressie reageert op kou in levende exemplaren en bij meerdere soorten, is een moeizame onderneming, zei Schnable. Dat geldt met name voor wilde planten, waarvan de zaden soms moeilijk te verkrijgen zijn. Die zaden ontkiemen mogelijk niet wanneer verwacht, of helemaal niet, en het kan jaren duren voordat ze groeien. Zelfs als ze dat doen, moet elke resulterende plant in een identieke, gecontroleerde omgeving worden gekweekt en in hetzelfde ontwikkelingsstadium worden bestudeerd.
Meer soorten
Dat alles vormt een enorme uitdaging voor het kweken van voldoende wilde exemplaren, van voldoende wilde soorten, om de reacties van hun genen op kou te repliceren en statistisch te evalueren.
"Als we echt willen weten welke genen belangrijk zijn - die eigenlijk een rol spelen in hoe de plant zich aanpast aan kou - moeten we naar meer dan twee soorten kijken," zei Schnable. "We willen kijken naar een groep soorten die tolerant zijn voor kou en een groep die gevoelig is, en kijken naar de patronen:" Ditzelfde gen reageert altijd in het ene en reageert altijd niet in het andere. "
“Dat begint een heel groot en duur experiment te worden. Het zou heel mooi zijn als we gewoon voorspellingen konden doen op basis van de DNA-sequenties van die soorten in plaats van bijvoorbeeld 20 soorten te nemen en te proberen ze allemaal in hetzelfde stadium te krijgen, ze allemaal exact dezelfde stressbehandelingen te laten ondergaan, en meet de hoeveelheid RNA die voor elk gen in elke soort wordt geproduceerd. "
Gelukkig voor het model hebben onderzoekers de genomen van meer dan 300 plantensoorten al gesequenced. Een voortdurende internationale inspanning zou dat aantal de komende jaren kunnen oplopen tot 10,000.
Hoewel het model zijn bescheiden verwachtingen al ruimschoots heeft overtroffen, zei Schnable dat de volgende stap er niettemin in bestaat "onszelf en andere mensen ervan te overtuigen" dat het net zo goed werkt als het tot dusver heeft gedaan. In elke testcase tot nu toe hebben de onderzoekers het model gevraagd om te vertellen wat ze al wisten. De ultieme test, zei hij, zal komen wanneer zowel de mens als de machine helemaal opnieuw beginnen.
"Het volgende grote experiment dat ik denk dat we moeten doen, is voorspellingen doen over een soort waarvoor we helemaal geen gegevens hebben", zei hij. "Om mensen ervan te overtuigen dat het echt werkt in gevallen waarin zelfs wij de antwoorden niet weten."
Het team rapporteerde zijn bevindingen in het tijdschrift Proceedings van de National Academy of Sciences. Meng, Liang en Schnable schreven de studie samen met Nebraska's Rebecca Roston, Yang Zhang, Samira Mahboub en student Daniel Ngu, samen met Xiuru Dai, een bezoekende wetenschapper van de Shandong Agricultural University.
Voor meer informatie:
Universiteit van Nebraska Lincoln
www.unl.edu