Учёные нашли «закономерности в шуме» для более точного прогнозирования урожая

Новое исследование под руководством агронома из Университета штата Айова выявило чёткие закономерности в реакции растений на разные условия среды, что может привести к новым способам предсказания урожайности.

Исследование сосредоточено на времени цветения сорго, но результаты могут иметь значение почти для всех сельскохозяйственных культур. Работа, опубликованная в рецензируемом журнале Proceedings of the National Academy of Sciences, посвящена фенотипической пластичности — тому, как признаки растений реагируют на факторы окружающей среды.

Учёные собрали данные о растениях сорго на участках в Айове, Канзасе и Пуэрто-Рико в период с 2010 по 2016 год. Они отслеживали время цветения и искали закономерности в данных.

Три географических региона представляли широкий спектр условий среды, и сначала данные не показывали очевидных закономерностей. Однако когда исследователи сосредоточились на «фототермальном времени» — критическом для развития растения периоде, когда оно обрабатывает сигналы солнечного света и температуры, — всё встало на свои места.

Команда разработала экологический индекс на основе фототермальных условий и результатов развития растений, а также создала единую основу для прогнозирования общегеномной производительности и поиска генов. Рассмотрение времени цветения сорго через эту «фототермальную линзу» позволило выявить чёткие закономерности, применимые к растениям независимо от региона выращивания.

«Мы начали видеть закономерности в шуме. В любой среде, если у меня есть этот фототермальный индекс, я могу использовать существующие кривые производительности для прогнозирования будущей производительности. Это стандартизированная основа для прогнозов», — говорит Тинтин Го, соавтор исследования.

Команда проводит дальнейшие исследования, чтобы распространить эту единую основу на другие культуры и признаки, такие как урожайность или устойчивость к стрессу. Это может позволить фермерам и селекционерам делать более точные прогнозы о том, как растения будут вести себя в новых или неизвестных условиях. Метод также помогает исследователям справляться с неопределённостью, сопровождающей пластичность — разную производительность генетически идентичных растений в разных условиях.

«Это превращает эту проблему в возможность. Это даёт нам отправную точку для прогнозирования при наличии множества неизвестных», — отмечает руководитель исследования Цзяньмин Ю.