如何利用AI挖掘基因？一个很好的水稻例子

分享一篇近期由海南大学王华锋教授团队发表在International Journal of Biological Macromolecules（IF=8.5，JCR1）上的文章：Machine learning and functional validation identify OsRAV11/12 as negative regulators of drought tolerance and early flowering in rice。研究通过机器学习与功能验证相结合，成功鉴定出OsRAV11/12为水稻干旱胁迫响应和开花时间的负调控因子，为理解植物胁迫与发育的交叉调控机制提供了新视角，也为耐旱作物育种提供了潜在基因资源。

研究背景与意义

• • 背景：水稻是全球一半人口的主食，但干旱胁迫严重影响其产量，严重时减产可达70%。气候变化将进一步加剧干旱频发，因此培育耐旱水稻品种对全球粮食安全至关重要。
• • 问题：尽管已有大量转录组数据，但传统分析方法难以从海量数据中准确识别关键调控基因。
• • 研究意义：本研究结合机器学习与功能基因组学，旨在高效筛选并验证调控水稻干旱响应的关键转录因子，为耐旱育种提供新靶点。

研究方法

1. 1. 数据获取与处理

• • 收集并整合来自NCBI的9项独立研究的158个水稻干旱相关RNA-seq样本。
• • 使用HISAT2、featureCounts等工具进行基因表达定量与标准化。

2. 2. 机器学习建模

• • 构建三种模型：随机森林（RF）、XGBoost、前馈神经网络（FNN），找出基因表达模式与抗旱性之间的隐藏关联。
• • 使用方差过滤和SelectKBest进行特征选择，最终选出20个最重要的基因。
• • 使用SHAP分析解释模型预测结果，识别关键基因。

3. 3. 功能验证

• • 利用CRISPR/Cas9构建 OsRAV11/12 的双基因敲除（KO）突变体。
• • 构建过表达（OX）株系。
• • 对野生型（WT）、KO、OX植株进行干旱胁迫处理，评估其表型、生理指标（如气孔导度、ABA含量、MDA水平）及转录组变化。

主要研究结果

1. 1. 机器学习模型表现

• • XGBoost表现最佳，测试集准确率达90%，AUC为0.97。
• • SHAP分析显示 OsRAV11 表达越高，干旱耐受性越差，提示其为负调控因子。

1. 2. 功能验证结果

• • 表型：干旱条件下，KO植株存活率达80–85%，显著高于WT（57.5%）；OX植株存活率仅15–20%。
• • 生理指标

• • KO植株ABA含量更高，气孔导度更低，氧化损伤（MDA）更少。
• • OX植株表现相反，干旱胁迫下更敏感。

• • 转录组分析

• • KO植株上调胁迫响应、蛋白折叠、ABA信号通路相关基因。
• • OX植株则上调生长相关基因，下调膜完整性和抗氧化相关基因。

• • 开花时间调控

• • KO植株开花提前，OX植株与WT相似。
• • KO中开花促进基因（如Hd3a、OsMADS14）上调，OX中则下调。

讨论与结论

• • 研究创新点

• • 首次结合XGBoost与SHAP分析，从转录组数据中高效筛选出关键调控基因。
• • 验证OsRAV11/12为水稻干旱耐受性和开花时间的负调控因子，拓展了RAV转录因子家族的功能认知。
• • 揭示OsRAV11/12通过调控ABA信号、氧化应激反应和开花相关基因，协调水稻生长与胁迫响应之间的平衡。

• • 应用前景

• • OsRAV11/12 可作为基因编辑靶点，用于培育耐旱、早熟水稻品种。
• • 本研究为利用人工智能解析复杂农艺性状提供了可推广的框架。

小编碎碎念

这是一个非常好的利用AI结合公共数据挖掘作物候选基因的例子！当然数据挖掘只是基础，解读数据包括通过可解释性模型筛选基因更关键。所以这个时代，做科研的都需要懂一点机器学习啊，不然拿到结果都看不懂。

如果童鞋们要系统入门基因组选择，近期中国农科院首席团队开设了一门理论与实践课程，详见：全基因组选择&智能设计育种全面升级，通过本文报名的朋友（扫以下二维码），课程结束后可联系小编免费加入“生物信息与育种”知识星球（价值199元），内含大量AI育种相关资源，欢迎一起交流学习。