纽约大学的科学家正在利用人工智能来确定哪些基因共同控制玉米等植物的氮利用效率，目的是帮助农民提高作物产量并最大限度地降低氮肥成本。

“通过识别对氮利用至关重要的基因，我们可以选择甚至修改某些基因，以提高玉米等美国主要作物的氮利用效率，”纽约大学生物系和基因组学与系统生物学中心的卡罗尔和米尔顿皮特里教授格洛丽亚·科鲁齐 (Gloria Coruzzi) 说道，她也是这项研究的资深作者，该研究发表在《植物细胞》杂志上。

在过去的50年里，由于植物育种和肥料方面的重大改进，农民已经能够种植出更大的作物产量，包括作物吸收和利用肥料关键成分氮的效率。

然而，大多数作物仅利用了农民施用于田地的肥料中约55%的氮，其余的氮最终都进入了周围的土壤。当氮渗入地下水时，它会污染饮用水，并导致湖泊、河流、水库和温暖的海水中有害藻类的大量繁殖。此外，土壤中残留的未利用氮会被细菌转化为一氧化二氮，这是一种强效的温室气体，其在100年内吸热的效率是二氧化碳的265倍。

美国是世界最大的玉米生产国。这种重要的经济作物生长需要大量的氮，但施用在玉米上的肥料大部分都没有被吸收或利用。由于化肥成本不断上涨(其中大部分依赖进口)，玉米的氮利用效率低下给农民带来了经济挑战，同时也可能损害土壤、水、空气和气候。

为了解决玉米和其他作物面临的这一挑战，纽约大学的研究人员开发了一种提高氮利用效率的新方法，将植物遗传学与机器学习相结合，机器学习是一种检测数据模式的人工智能——在这种情况下，将基因与性状(氮利用效率)联系起来。

纽约大学的研究人员采用“模型到作物”的方法，追踪了玉米与拟南芥共享基因的进化历史。拟南芥是一种小型开花杂草，由于其易于利用分子遗传学方法在实验室中进行研究，常被用作植物生物学的模式生物。在此前发表于《自然通讯》的一项研究中，Coruzzi 团队鉴定出了一些在玉米和拟南芥之间对氮敏感的基因，并验证了它们在植物中的作用。

在目前的研究中，纽约大学的研究人员就这一主题进行了最新的研究，他们以玉米和拟南芥的研究为基础，确定了氮利用效率如何受一组基因(也称为“调节子”)的控制，这些基因由相同的转录因子(一种调节蛋白)激活或抑制。

氮利用效率或光合作用等性状从来不是由单一基因控制的。机器学习过程的美妙之处在于，它能够学习共同决定某一性状的一组基因，并识别出控制这些基因组的一个或多个转录因子，”科鲁齐说道。

研究人员首先利用RNA测序来测量玉米和拟南芥中基因对氮处理的反应。利用这些数据，他们训练了机器学习模型，以识别玉米和拟南芥品种间保守的氮响应基因，以及调控氮利用效率(NUE)重要基因的转录因子。

对于每个“NUE 调节子”(转录因子和相应的一组受调控的 NUE 基因)，研究人员计算了一个集体机器学习分数，然后根据组合表达水平对预测田间种植的玉米品种中氮的利用效率的准确程度对表现最好的进行排名。

对于排名靠前的NUE调控子，研究人员利用基于细胞的玉米和拟南芥研究，验证了机器学习对基因组中受每个转录因子调控的基因集的预测。这些实验证实了两种玉米转录因子(ZmMYB34/R3)的NUE调控子，这两种转录因子调控24个控制氮利用的基因;以及拟南芥中一个密切相关的转录因子(AtDIV1)，该转录因子调控23个与玉米具有共同遗传历史、同样控制氮利用的靶基因。

当反馈到机器学习模型中时，这些模型到作物保留的 NUE 调控子显著增强了人工智能预测田间种植玉米品种氮利用效率的能力。

识别控制氮利用的集体基因和相关转录因子的 NUE 调控子将使作物科学家能够培育或设计需要更少肥料的玉米。

“通过观察幼苗期的玉米杂交品种，看看已鉴定的对氮利用效率至关重要的基因的表达是否很高，而不是将它们种植在田间并测量它们的氮利用率，我们可以使用分子标记来选择幼苗期氮利用效率最高的杂交品种，然后种植这些品种，”Coruzzi 说。

“这不仅可以为农民节省成本，还可以减少地下水氮污染和一氧化二氮温室气体排放的有害影响。”

纽约大学已提交了一份专利申请，涵盖本文所述的研究和发现;该临时专利还描述了使用 CRISPR 基因编辑技术来设计作物中的 NUE 调控子，以提高氮利用效率。

更多信息： Ji Huang 等，NUE 调控子在作物模型中的保守性增强了机器学习对氮利用效率的预测，《植物细胞》(2025)。