机器学习模型证明了气候变化下公共育种对水稻产量的影响

气候变化、极端天气事件、前所未有的气温记录以及更高的酸性海洋使人们很难预测现代作物品种的长期命运。

在《美国国家科学院院刊》上发表的一篇论文中，普渡大学农学系助理教授DianeWang和她的博士后研究员SajadJamshidi报告了他们开发的一个预测模型，该模型使用机器学习算法预测水稻产量气候变化将如何影响。

他们的工作是与康奈尔大学和戴尔邦珀斯国家水稻研究中心的研究人员合作完成的。

“通过这些大规模的统计模型，你基本上需要采用一组预测因素——比如天气或遗传学——并将它们映射到解决结果。在这里，我们感兴趣的是预测产量，”王说。

美国是排名前五的大米出口国，这使得南部几个州的大米生产对世界各地的饮食至关重要。Wang和Jamshidi的工作为水稻和其他作物的人工智能预测奠定了基础，有可能帮助农业磨练最容易受到气候变化影响的作物品种的育种实践。

通过这个模型，研究小组发现，在未来受气候变化影响的情况下，现代水稻品种的表现可能比旧品种的表现“不那么糟糕”。公共育种计划，例如大学的育种计划，在很大程度上是当今水稻成功的原因。

他们开发的新品种扩大了美国水稻的基因库，同时也融入了特定的、有针对性的性状。王说，这项研究强调了这些公共育种计划的历史性和持续贡献的重要性。

“整体模型预测，现代水稻品种组的表现不会比旧品种组表现得好，但我要谨慎地说，我们已经完成了我们的工作，”王说。“未来的气候存在很多不确定性，这些模型只是探索情景的一种工具。”

与其他作物相比，水稻的基因组较小。再加上历史数据和老品种种子的可用性，使其成为设计预测模型的理想研究系统。该团队获得了历史气温和天气数据，以及王所说的“偶然发现的品种面积报告”。

自20世纪70年代以来，美国南部密西西比三角洲地区的水稻种植州就记录了县级种植水稻品种的比例。许多面积报告都以打字文件的形式发送给团队。然后，该小组从戴尔邦珀斯国家水稻研究中心的合作者那里获得了不再普遍种植的旧水稻品种的种子。

这些水稻品种在基因水平上进行了分析，王和合作者根据它们共享的等位基因或基因变异对品种进行了分组。他们将各种面积报告中的信息转化为县级“等位基因袋”，然后使用等位基因组和县级产量以及温度和降水等历史环境数据来训练机器学习模型。

Jamshidi在构建这个模型方面所做的努力尤其新颖，因为最终的模型结合了10种机器学习方法，创建了一个集成模型，可以通过更加多方面的方法处理信息。在相同的预测变量下，集成模型的输出提供了更准确的结果。

这项研究不仅提供了一个框架，为具有类似预测因子的其他作物建立模型，而且王看到了这项研究的另一个可能的方向。通过在预测条件下种植古老和现代水稻品种来进行物理实验可以作为模型的额外评估，并为导致品种组之间恢复能力差异的遗传和生理组成提供线索。

王说：“这些预测实际上是第一步。该模型给了我们一些潜在的结果，但现在必须有人进行后续实验以了解潜在的机制。”

王和她的实验室继续研究作物遗传与环境之间的相互作用，他们正在利用建模和其他技术为农业创造一个更可预测的未来。