Японские исследователи разработали метод цифрового проектирования микробных консорциумов. С помощью машинного обучения они создали биопрепарат нового поколения, который гарантированно ускоряет рост томатов и защищает их от температурного стресса как в теплицах, так и в открытом грунте.
Современное растениеводство все чаще обращает внимание на пользу биопрепаратов. Один из самых перспективных подходов сегодня — создание искусственно подобранных консорциумов микроорганизмов (Defined Microbial Consortium, DMC). Ученые объединяют несколько видов полезных микроорганизмов, которые поддерживают друг друга и благодаря этому работают гораздо стабильнее, чем одиночные штаммы.
Однако на практике агрономы и разработчики сталкиваются с серьезным барьером. Эффективность полезных бактерий нестабильна: их состав и функции динамически меняются в зависимости от погоды, типа почвы и специализированных метаболитов, которые выделяет само растение. Найти идеальное сочетание среди миллионов возможных комбинаций классическим методом проб и ошибок в лаборатории практически невозможно. Это делает разработку эффективных биопрепаратов долгой и экономически невыгодной.
Цифровой подход к живой природе
Чтобы преодолеть этот тупик, группа исследователей из Киотского университета при поддержке коллег из Университета Тохоку и института RIKEN решила полностью перестроить процесс. Вместо слепых тестов они объединили большие данные о микроорганизмах и разработали рациональный, предсказуемый метод проектирования DMC. В качестве модельного объекта команда выбрала обычный томат.
«Меня особенно заинтересовала возможность выйти за рамки простых взаимосвязей “один к одному”, чтобы понять, как эти опосредованные метаболитами взаимодействия разворачиваются в разнообразных микробных сообществах, встречающихся в почве, и как они влияют на рост растений», — объясняет Акифуми Сугияма, соавтор исследования из Киотского университета.
На первом этапе ученые выделили бактерии непосредственно из корней томата. Затем они провели масштабный базовый эксперимент: объединили девять типов бактерий и два типа растительных метаболитов, создав множество различных конфигураций микробных сообществ. Этими составами инокулировали корни томатов, после чего растения выращивали при контролируемых, но принципиально разных температурах.
Elastic Net: математика на службе у агрономии
Получив огромный массив данных о том, как бактерии ведут себя в разных условиях и как на них реагирует растение, ученые передали эту работу искусственному интеллекту. Они применили алгоритм регрессии Elastic Net для построения модели машинного обучения. Программа смогла с высокой точностью прогнозировать надземную массу свежих томатов в зависимости от состава микробиома вокруг корней. На основе этих предсказаний ИИ сам спроектировал новое, оптимальное микробное сообщество, получившее название DMC G2. В его состав вошли шесть видов бактерий и природный метаболит томатин.
От пробирки до грунта
Проверка разработанного консорциума проходила в два этапа. В лаборатории исследования подтвердили, что DMC G2 не просто стимулирует рост томатов, но и резко повышает их устойчивость к высокотемпературному стрессу (жаре). Полевые испытания доказали практическую ценность метода. Томаты, обработанные DMC G2, показали значительное увеличение надземной массы. Последующий генетический анализ зафиксировал, что на молекулярном уровне растения стали гораздо легче переносить экстремальные температуры.
За успехом исследования стоит колоссальный труд. «Нам нужно было выращивать помидоры в самых разных условиях с высокой точностью, поэтому я хотел бы поблагодарить членов команды, которые проводили эти повторяющиеся, но кропотливые эксперименты в течение примерно двух лет», — подчеркивает Сугияма. Результаты этой масштабной работы были опубликованы в научном журнале The ISME Journal.
Главный вывод исследования в том, что подход к созданию биопрепаратов на основе анализа Big Data полностью себя оправдал. Универсальные методы цифрового проектирования микробных сообществ, созданные японскими учеными, в ближайшем будущем можно будет адаптировать для любых других сельскохозяйственных культур. Это открывает прямую дорогу к созданию «умных» биопрепаратов индивидуально под конкретные культуры, типы почв и климатические зоны, что станет важнейшим шагом в развитии устойчивого и продуктивного сельского хозяйства.
Источник: Kyoto University. Графика: Университет Тохоку / Шиничи Ямазаки (при поддержке RIKEN).