محققان MSU کمک هزینه NSF را برای رسیدگی به “چالش بزرگ” زیست شناسی گیاهی دریافت می کنند

چیتوود گفت که برای مقابله با این چالش، تیم تحقیقاتی از یک رویکرد ریاضی که هنوز به طور کامل در زیست شناسی کاوش نشده به نام تجزیه و تحلیل داده های توپولوژیکی (TDA) استفاده خواهد کرد. این شکل از تجزیه و تحلیل، که معمولاً در ریاضیات به کار می رود، تشخیص می دهد که همه اشکال داده هستند و همه داده ها دارای اشکال هستند.

هدف از تجزیه و تحلیل و کدگذاری داده‌ها، ایجاد مدلی برای پیش‌بینی اینکه یک موجود زنده بر اساس مجموعه کامل ژن‌هایش چه چیزی می‌تواند داشته باشد، است. مدل جدید در این پروژه برای پیش بینی شکل یک برگ استفاده خواهد شد.

چیتوود گفت: «این یک جایزه مشترک واقعی است.

چیتوود گفت: «ما در حال ایجاد گفت‌وگو بین رشته‌ها هستیم: ریاضیات و زیست‌شناسی. “مردم می گویند، “شما در حال مهار انقلاب داده ها هستید.” ما (زیست شناسان گیاهی) این ابزارها را داریم که آنها (دانشمندان داده) توسعه داده اند – فقط باید از آنها استفاده کنیم.

گرد هم آوردن زیست شناسان گیاهی که هرگز کدنویسی نکرده اند و دانشمندان داده ای تازه وارد علم گیاهی از دو کشور مختلف از راه های دیگر هدفمند است. چیتوود گفت این رویکرد نه تنها شکاف بین علوم کاربردی و ریاضیات نظری را پر می کند، بلکه محققان را از سراسر جهان برای همکاری با یکدیگر بسیج می کند.

محققان خارج از MSU عبارتند از Aman Husbands، استادیار دانشگاه پنسیلوانیا، Arjun Krishnan، دانشیار در دانشگاه کلرادو، و Alejandra Rougon-Cardoso، استاد دانشگاه Nacional Autónoma de México.

دانشمند گیاهان مولکولی دانشگاه ایالتی میشیگان، دان چیتوود، کمک مالی 640,000 دلاری، بخشی از یک جایزه مشارکتی بزرگتر 1.5 میلیون دلاری از بنیاد ملی علوم، دریافت کرده است تا بیاموزد چگونه فنوتیپ گیاه – ویژگی های فیزیکی قابل مشاهده آن – را از روی ساختار ژنتیکی یا مشخصات مولکولی آن پیش بینی کند.

من همچنین تحقیقات میان رشته ای را به عنوان گردآوری گروه ها از منظر بین فرهنگی می بینم. ما نه تنها بر اساس رشته، بلکه در سطح جهانی تر به تفکیک کشور وارد سیلوهای خود می شویم. اگر ما به طور گسترده‌تر اطلاعات را رد و بدل می‌کردیم، چیزهایی وجود دارد که می‌توانیم از گروه‌های مختلف (در سراسر جهان) یاد بگیریم.

چیتوود گفت که این تجزیه و تحلیل خلاصه‌ای از اطلاعات محتوایی را ایجاد می‌کند که در برگ‌های گیاهان مورد مطالعه قرار گرفته‌اند – گونه‌های Arabidopsis و Capsella، گیاهان گلدار کوچک که به طور گسترده به عنوان ارگانیسم‌های مدل در زیست‌شناسی گیاهی استفاده می‌شوند.

چیتوود گفت: «این کمک هزینه غیرعادی است زیرا ما در واقع ریاضیات واقعی را با یک سؤال بیولوژیکی کنار هم می‌آوریم. ما در مناطق جدیدی که هیچ یک از ما تا به حال کاوش نکرده ایم، احساس ناراحتی می کنیم.

این پروژه به صورت مشترک بین چند دانشگاه انجام خواهد شد. محققان MSU همچنین شامل الیزابت مونک، دانشیار CMSE و رابرت ونبورن، استادیار دپارتمان باغبانی هستند. امیلی جوزف، استادیار دپارتمان زیست شناسی گیاهی نیز در این پروژه همکاری می کند.

در حال حاضر، تنها راهی که پرورش دهندگان می توانند دقیقاً بدانند که یک گیاه چیست یا چگونه به محیط خود بر اساس ترکیب ژنی آن واکنش نشان می دهد، کاشت آن است. چیتوود گفت که مدلی مانند این با از بین بردن نیاز به کاشت هر بار که سؤالی در مورد اینکه ژن‌های موجودات زنده باعث ایجاد چه چیزی می‌شوند، سرعت تولیدمثل را تسریع می‌کند.

برای تعیین کمیت شکل برگ، تیم چیتوود ویژگی های توپولوژیکی یک برگ را از محورهای مختلف که از طریق سی تی اسکن عبور می کنند، اندازه گیری می کنند.

علاوه بر کمک هزینه 640000 دلاری چیتوود، Husbands یک کمک هزینه 526000 دلاری در دانشگاه پنسیلوانیا دریافت کرد و کریشنان کمک هزینه 334000 دلاری را در دانشگاه کلرادو برای انجام این تحقیق دریافت کرد.

منبع: canr.msu.edu



منبع چیتوود، استادیار دپارتمان باغبانی دانشگاه MSU و عضو دپارتمان ریاضیات محاسباتی، علوم و مهندسی MSU (CMSE) می گوید: «داده ها به معنای واقعی کلمه (نقشه برداری شده) یک شکل، به معنای واقعی کلمه (به یک ساختار) تبدیل می شوند – این (چیزی که تشکیل می دهد) یک برگ است.

در حالی که فن‌آوری‌های توالی‌یابی کنونی امکان استخراج تقریباً تمام اطلاعات از ژنوم را فراهم می‌کنند، چیتوود گفت که اندازه‌گیری اینکه یک موجود زنده چیست یا در نهایت به چه چیزی تبدیل می‌شود، به اندازه توالی‌یابی ژنومی پیشرفت نکرده است. او می افزاید که دانشمندان هنوز نتوانسته اند کل اطلاعات جاسازی شده در شکل فیزیکی یک موجود زنده را مانند ژنوم اندازه گیری کنند.

چیتوود می‌گوید: «اگر می‌توانستید پیش‌بینی کنید که چه مشخصات ژنی به ارگانیسم داده می‌شود، از کل این فرآیند (برای آزمایش ترکیب‌های ژنی با کاشت) عبور می‌کردید.»

چیتوود گفت: “این یک “چالش بزرگ” (در میان جامعه علمی) نامیده می شود زیرا هیچ کس نمی داند چگونه این کار را انجام دهد.

او گفت: «اگر بتوانیم تمام اطلاعات موجود در موجودات را استخراج کنیم، می‌توانیم مدلی ایجاد کنیم که موجودات زنده را از اطلاعات ژنومی آن پیش‌بینی کند – که همچنان یک چالش بزرگ در زیست‌شناسی است.»

چیتوود گفت، مشابه نحوه ایجاد ابزارهای هوش مصنوعی نوظهور مانند ChatGPT بر اساس اطلاعات ارائه شده به آن، این مدل جدید به پیش بینی کلیت یک موجود زنده از الگوی بیان ژنی که دریافت می کند کمک می کند.

دو گونه آرابیدوپسیس Col-0 و Ull2-3 با اشکال برگ متضاد و قابلیت تکثیر رشدی. سمت چپ، عکس‌های روزت، نماهای راست، از بالا به پایین، و نماهای جانبی اسکن توموگرافی کامپیوتری اشعه ایکس (سی تی) (بنفش) و جداسازی تک تک برگ‌ها (نارنجی). عکس از دن چیتوود.

این کمک هزینه ماموریت بنیاد ملی علوم برای ارتقای پیشرفت علم، پیشبرد سلامت ملی، رفاه و رفاه و امنیت دفاع ملی را ترویج می کند.

“این واقعاً یک کمک هزینه بین رشته ای است.”

چیتوود، همراه با روگون-کاردوسو و وان‌بورن، قبلاً مجموعه‌ای از درس‌های دوزبانه رایگان در کدنویسی، زیست‌شناسی گیاهی، محاسبات و بیوانفورماتیک به نام Plants & Python برای ترکیب کار زیست‌شناسان گیاهی و دانشمندان داده توسعه داده است. دانش‌آموزان از ایالات متحده و مکزیک از برنامه درسی برای کمک به تیم در تجزیه و تحلیل داده‌های برگ استفاده خواهند کرد.

برای جمع‌آوری داده‌ها، محققان برگ‌های گیاه را با استفاده از توموگرافی کامپیوتری اشعه ایکس (CT) اسکن می‌کنند – روشی غیرمخرب که تصاویر سه‌بعدی داخلی از سوژه را تا میکرون یا یک میلیونیم متر ارائه می‌کند – و ویژگی‌هایی مانند شکل برگ و بیان ژن را ارزیابی می‌کنند.