Исследователи использовали модели машинного обучения, чтобы точнее прогнозировать реакцию генов сельскохозяйственных культур на окружающую среду. Новый подход проверили на 13 признаках у четырёх видов растений, а также применили для виртуального проектирования улучшенных сортов хлопчатника.
Основная проблема традиционной геномной селекции – взаимодействие генотипа и среды. Из-за него сорт, который отлично плодоносит в одном регионе или сезоне, может показать плохие результаты в другом. Это снижает стабильность урожая и мешает адаптировать сельское хозяйство к изменениям климата. Новый метод решает эту проблему, так как учитывает генетические маркеры, отвечающие за пластичность растений и их реакцию на внешние условия.
Модели научились с большей точностью оценивать, как поведёт себя тот или иной генотип в разных климатических зонах, в том числе в тех, где его ранее не испытывали. Самыми эффективными алгоритмами оказались LightGBM и случайный лес (random forest), причём LightGBM показал наиболее стабильные результаты.
Наиболее показательным стало компьютерное моделирование для элитных сортов хлопка. В одном из экспериментов модель предсказала, что изменение от 23 до 36 маркеров у шести сортов увеличит вес коробочки на 3,5–7,2% и долю волокна на 2,3–3,5%. Для другой группы из 11 сортов прогнозируется рост длины волокна до 3,7% и прочности до 3,9%. Дополнительный прирост показателей достигался за счёт оптимизации именно тех маркеров, которые связаны с адаптацией к среде.
Авторы подчёркивают, что это лишь результаты моделирования, а не подтверждённые генетические улучшения. Ни одного из «улучшенных» сортов хлопка пока не существует в реальности – цифры описывают прогноз алгоритмов. Теперь эти гипотезы предстоит проверить в ходе селекционной работы.
Исследователи отмечают, что от 78% до 85% маркеров, специфичных для конкретной среды, вносят весомый вклад в прогнозы моделей. При этом они лишь частично пересекаются с генами, которые традиционно связывают с урожайностью. Это говорит о том, что новый подход выявляет скрытые генетические механизмы адаптации, важные для выведения не просто урожайных, а климатически устойчивых сортов.
Предложенная методология закладывает основу для селекции сразу по нескольким признакам: урожайности, качеству продукции и приспособляемости к внешним условиям. Теперь предстоит проверить, подтвердят ли модели свои прогнозы в реальных полевых условиях.