Sistemsko biološko podprto globoko učenje za interpretacijo načel regulacije rasti in obrambe rastlin

Varnost hrane je velik izziv, saj je uspešnost poljščin precej nižja od njihovega maksimalnega potenciala. Osrednji cilj rastlinske biotehnologije je izboljšati vzrejne in transgene pristope pri razvoju sort z večjim donosom, kakovostjo in toleranco do okoljskega stresa. Da bi to dosegli, moramo razširiti svoje razumevanje ključnih bioloških procesov, ki povzročajo fenotipske variacije, in kako skupaj vplivajo na rastlinski sistem, kar ima za posledico rast ali, v primeru patogenih okužb, obrambno stanje. Znano je, da fenotipi izhajajo iz dveh glavnih celičnih procesov: (i) izražanje genetske kode in (ii) metabolnih reakcij, ki jih katalizirajo izraženi encimi. Izražanje genov se primarno regulira z interakcijami med DNA in proteini na specifičnih vezavnih mestih v zaporedju DNA z ohranjenimi motivi. Nato metabolizem kot odziv na okoljske vplive proizvede specifične biomolekule, ki povzročijo dani fenotip. Naš raziskovalni cilj je razviti in preizkusiti okvir za napovedovanje rastlinskih fenotipov iz njihovih genotipov, ki vključuje (i) napovedovanje ravni izražanja genov iz zaporedja DNA in (ii) napovedovanje fenotipov iz ravni izraženih genov z modeliranjem metabolizma. Današnja velika razpoložljiva količina podatkov "omik" vsebuje dragocene informacije o načelih regulacije, ki prevedejo genotip v fenotip. Te informacije lahko razberemo z novimi algoritmi, kot je poglobljeno učenje, ki odpravijo številne omejitve klasičnih algoritmov. Namesto da zahtevajo preoblikovanje podatkov ali inženiring vhodnih spremenljivk, lahko globoke nevronske mreže (GNM) samodejno odkrijejo najboljše predstavitve podatkov omik in vodijo do modelov z izjemno zmogljivostjo. Tu bomo izkoristili učne zmožnosti GNM-jev za izdelavo modelov s polnim zaporedjem, ki bodo združevali tako genomske kot populacijske pristope za dekodiranje celotne regulatorne slovnice DNA na ravni celih regij do variacij posameznih nukleotidov. To bo dalo edinstven vpogled v regulacijo izražanja genov v rastlinah. Za izdelavo naprednih modelov metabolizma bomo združili na znanju temelječe pristope sistemske biologije in na podatkih temelječe pristope poglobljenega učenja za oblikovanje modelov z razumljivo strukturo. Znanje o metabolnih reakcijah bo preneseno in uporabljeno za predhodno nastavitev GNM arhitekture, kar bo izboljšalo razumljivost modelov in dalo vpogled v molekularne procese in interakcije, ki definirajo fenotipe. Predlagani projekt je organiziran v 5 medsebojno odvisnih delovnih paketov (DP), pri čemer prvi in ??zadnji DP vključujeta podporne naloge povezane z računskimi viri in projektnim vodenjem. V DP2 bomo razvili modele izražanja genov, v DP3 pa bomo zgradili na znanju in na podatkih temelječe modele metabolizma. V DP4 bomo modele interpretirali in nove ugotovitve eksperimentalno potrdili. Predlagani multidisciplinarni sistemski pristop lahko izboljša naše razumevanje načel regulacije, ki organizirajo obsežne spremembe v izražanju genov in reprogramiranje metabolizma kot odziv na okoljske obremenitve in patogene. Naš poudarek na poljskih rastlinskih vrstah omogoča neposreden prenos novo pridobljenega znanja na agronomsko pomembne cilje izboljšanja produktivnosti in odpornosti poljščin v terenskih pogojih. Izboljšani napovedni modeli bodo omogočili načrtovanje in testiranje novih molekularnih sistemov z želenimi stopnjami izražanja genov in fenotipskimi rezultati, kar lahko močno pospeši pretočnost eksperimentov in zmanjša stroške razvoja v rastlinski biotehnologiji. Z opredelitvijo skupin genov, ki imajo ključne učinke na fenotipske izide, in rešitev za nadzor njihove ravni izražanja, imamo veliko možnosti za razvoj naprednih metod za vzrejo rastlin. Projekt tako spodbuja nacionalne in evropske direktive o zanesljivi preskrbi s hrano in je izjemnega znanstvenega in družbenega pomena za Slovenijo, EU in globalno.