Kranthi Varala della Purdue University e 10 coautori hanno pubblicato i dettagli del nuovo strumento di scoperta genetica regolatoria basato sul web negli Proceedings of the National Academy of Sciences . Varala ha un brevetto in attesa sui risultati relativi alla biosintesi dell'olio di semi economicamente importante.

Il team Purdue-USDA ha cercato di creare una risorsa che apprende, da grandi quantità di dati disponibili al pubblico, per identificare rapidamente quali geni speciali chiamati fattori di trascrizione regolano l'espressione di un dato tratto in varie specie di piante.

"Ogni studio si concentra su una manciata di essi", ha affermato Varala, assistente professore di orticoltura e architettura del paesaggio. "La nostra premessa era che se potessimo inserire tutto in un'unica analisi, allora potremmo utilizzare questi dati per costruire qualcosa di globale."

L'Arabidopsis fungeva da PNAS pianta modello dello studio, "ma questo approccio non ha nulla di specifico per l'Arabidopsis", ha detto Varala. "L'approccio è sufficientemente generale da poter iniziare con un set di dati sul mais. Potresti farlo con il riso, con il pomodoro, qualunque sia la coltura su cui stai lavorando purché tu abbia migliaia di misurazioni dell'espressione genetica effettuate dalle persone. E ci sono più di una dozzina di specie ora e disponiamo di decine di migliaia di studi sull'espressione genetica."

Per dimostrare che il sistema funziona, il team si è concentrato su un percorso genetico che regola il modo in cui le piante producono e immagazzinano l’olio nei loro semi. Il team ha scelto questa caratteristica per la sua importanza nella produzione di cibo e biocarburanti e perché più di 300 dei geni coinvolti sono già noti.

Manipolando geneticamente i fattori di trascrizione di una pianta, i ricercatori possono aumentare o diminuire la quantità di olio prodotto nei suoi semi.

Come altri ricercatori, Varala ha portato avanti molti progetti nel corso degli anni in cui il suo obiettivo era identificare i geni e i regolatori coinvolti nella risoluzione di un problema. Ciò significava condurre esperimenti accurati e dispendiosi in termini di tempo. Ma i dati generati non sono riusciti a fornire tutte le risposte che cercava. Lo ha paragonato al lavorare su un'equazione conoscendo solo tre dei 10 fattori coinvolti.

"Non è possibile risolvere l'equazione", ha detto. Allo stesso modo, Varala spesso voleva porre più domande di quelle a cui i dati potevano rispondere. Ciò lo ha motivato a costruire un quadro che utilizzi tutti i dati possibili per porre quelle domande senza dover fare tutti gli esperimenti rilevanti per ottenere un elenco di candidati che poi necessitano di convalida genetica.

"Sto cercando di cortocircuitare la fase iniziale di raccolta dei dati", ha detto Varala, in modo che gli scienziati possano concentrarsi sulla conduzione delle validazioni genetiche. Ma per fare ciò, il suo team ha dovuto iniziare con un set di dati basato su 18.000 studi individuali.

Varala e il suo team hanno analizzato questo enorme set di dati utilizzando i supercomputer Bell e Brown, ora in pensione, presso il Rosen Center for Advanced Computing di Purdue. Il team ha creato un framework di apprendimento automatico per accelerare il processo per gli altri.

Sarebbe impossibile per una persona farlo manualmente. Un team potrebbe farlo, ma ciò introdurrebbe pregiudizi nel modo in cui i membri del gruppo elaborano i dati. Il classificatore di apprendimento automatico funziona senza pregiudizi.

La novità dell’approccio è che invece di estrarre dati relativi a tutti gli organi, si concentra su set di dati specifici per organo. Reti genetiche indipendenti regolano questi organi:foglie, radici, germogli, fiori e semi.

"Invece di usare tutti gli organi, abbiamo detto, negli esperimenti sui semi che le persone hanno fatto nel corso degli anni, possiamo usare tutti i dati per imparare qualcosa che sta accadendo nel seme e non necessariamente nella radice, nella foglia o nel fiore? Ciò ha migliorato il nostro approccio", ha affermato Varala.

Il team ha utilizzato un metodo computazionale chiamato approccio di inferenza per prevedere quali fattori di trascrizione avrebbero regolato il processo di biosintesi dell'olio di semi nell'Arabidopsis.

"Quelli che conosciamo ci aiutano a verificare che il nostro approccio funzioni correttamente. Quelli che non conosciamo sono buoni candidati per scoprire nuova biologia", ha detto Varala. "Questo approccio puramente computazionale non sa nulla di semi, olio o cose del genere. Gli abbiamo fornito un elenco di geni ed è stato in grado di riscoprire quelli conosciuti senza conoscere alcun contesto biologico."

L'autore principale, Rajeev Ranjan, ricercatore post-dottorato presso il Dipartimento di Orticoltura e Architettura del Paesaggio della Purdue, ha preso gli altri 12 dei primi 20 e ha chiesto se quelle previsioni fossero vere. "Siamo stati in grado di generare linee mutanti per undici di questi dodici. Cinque di questi undici modificano il contenuto dell'olio di semi", ha detto. "Inoltre, abbiamo anche dimostrato che la sovraespressione di un fattore aumenta l'olio di semi fino al dodici per cento."

Gli otto geni regolatori conosciuti, aggiunti agli otto nuovi, hanno dimostrato che l'approccio inferenziale ha identificato accuratamente 13 dei 20 principali candidati. Il punto di forza dell'approccio è che, lavorando solo da un elenco di geni, è possibile prevedere con elevata precisione quali regoleranno un tratto di interesse.

"Ci è voluto molto tempo perché è un processo lungo e complicato e non c'erano garanzie che funzionasse", ha detto Varala del progetto quadriennale. "Non era mai stato tentato nulla di simile prima."