Hứa hẹn & thách thức

Nghiên cứu mới mẻ này còn được mong đợi sẽ có thể ứng dụng vào thực tế vượt ra ngoài lĩnh vực nông nghiệp.

Với việc sử dụng dữ liệu bộ gen vừa tìm thấy để dự đoán năng suất trong nông nghiệp và y học, giới chuyên gia đánh giá thành tựu từ công nghệ máy học này vừa là một hứa hẹn vừa là thách thức đối với hệ thống sinh học.

Hiện các nhà nghiên cứu vẫn đang tiếp tục làm việc nhằm xác định cách sử dụng hiệu quả nhất số lượng lớn dữ liệu bộ gen quan trọng này để dự đoán cách mà cây trồng phản ứng với những thay đổi về chế độ dinh dưỡng, độc tố và phơi nhiễm mầm bệnh. Từ đó sẽ có thể cung cấp những thông tin để cải thiện năng suất cây trồng, tiên lượng bệnh tật, dịch tễ học và sức khỏe cộng đồng.

Tuy nhiên, việc dự đoán một cách chính xác được những kết quả phức tạp như vậy trong nông nghiệp và y học từ thông tin quy mô bộ gen vẫn là một thách thức đáng kể. Theo công bố kết quả nghiên cứu về bộ gen mới, đăng trên tạp chí Nature Communications, các nhà khoa học và cộng sự ở Đại học New York (Mỹ) và Đài Loan đã giải quyết thách thức này bằng cách sử dụng công nghệ máy học, một lĩnh vực của trí tuệ nhân tạo để thăm dò, phân tích dữ liệu.

 “Nghiên cứu của chúng tôi đã chỉ ra rằng, việc tập trung vào các gen có các dạng biểu hiện được bảo tồn về mặt tiến hóa giữa các loài, giúp tăng cường khả năng nhận biết và dự đoán 'các gen có tầm quan trọng' đối với hiệu suất tăng trưởng của các loại cây trồng chính, cũng như hệ quả bệnh tật ở động vật", Milton Petrie, giáo sư Petrie tại Khoa Sinh học và Trung tâm Sinh học gen và hệ thống (Đại học New York), đồng tác giả nghiên cứu giải thích.

Ông Chia-Yi Cheng thuộc Đại học Đài Loan cho biết thêm: “Phương pháp tiếp cận của chúng tôi khai thác sự biến đổi tự nhiên của các biểu hiện trên toàn bộ bộ gen và các kiểu hình liên quan trong hoặc giữa các loài để xác định gen nào là quan trọng đối với từng tính trạng, đặc điểm của cây trồng”.

Máy học giúp bón phân cân đối

Nitơ (đạm khí) là chất dinh dưỡng quan trọng đối với cây trồng và là thành phần chính của phân bón. Một khi cây trồng sử dụng nitơ hiệu quả hơn sẽ phát triển tốt hơn và cần ít phân bón hơn, mang lại cả lợi ích kinh tế lẫn môi trường. 

Các nhà nghiên cứu đã tiến hành các thí nghiệm xác nhận tám yếu tố phiên mã chính là gen quan trọng đối với hiệu quả sử dụng nitơ. Họ đã chỉ ra rằng sự biểu hiện gen bị thay đổi ở Arabidopsis hoặc ngô có thể làm tăng sự phát triển của cây trồng trên đất có hàm lượng nitơ thấp. Kết quả nghiên cứu đã được thử nghiệm cả trong phòng thí nghiệm tại Đại học New York và trên các cánh đồng ngô tại Đại học Illinois.

Các tác giả Stephen Moose, Alexander, giáo sư Khoa học Cây trồng tại Đại học Illinois, cho biết: “Bây giờ chúng ta có thể dự đoán một cách chính xác hơn giống ngô lai nào hấp thu phân đạm tốt hơn trên đồng ruộng. Việc tăng hiệu quả sử dụng đạm trong ngô và các cây trồng khác mang lại ba lợi ích chính gồm: giảm chi phí cho nông dân, giảm ô nhiễm môi trường, và giảm thiểu phát thải khí nhà kính từ sản xuất nông nghiệp".

Hơn nữa các nhà nghiên cứu đã chứng minh được rằng, thành tựu của công nghệ máy học được thông báo về mặt tiến hóa này có thể được áp dụng cho các đặc điểm và loài khác bằng cách dự đoán các đặc điểm bổ sung ở thực vật, bao gồm sinh khối và năng suất ở cả Arabidopsis và ngô. Họ cũng chỉ ra rằng cách tiếp cận này có thể dự đoán các gen có tầm quan trọng đối với khả năng chống hạn ở một loại cây trồng chủ lực khác là lúa gạo, cũng như kết quả của dịch bệnh ở động vật thông qua nghiên cứu trên chuột.

"Nhiều đặc điểm chính có tầm quan trọng về nông học hoặc lâm sàng là phức tạp về mặt di truyền và do đó rất khó để xác định khả năng kiểm soát và kế thừa của chúng. Thành công của chúng tôi chứng minh rằng, dữ liệu lớn và tư duy cấp hệ thống có thể khiến những thách thức nổi tiếng khó khăn này có thể giải quyết được", Ying Li, giảng viên tại Đại học Purdue nói.