Искусственный интеллект предскажет мутации скота

Специалисты Санкт-Петербургского политехнического университета Петра Великого разработали уникальный метод для предсказания вредных мутаций в геномах сельскохозяйственных животных. Эта разработка позволит снизить риск заболеваний у крупного рогатого скота, что становится все более актуальным в связи с глобальными изменениями климата. Исследование опубликовано в журнале Evolutionary Applications.

Из всех многоклеточных организмов геном человека наиболее изучен. В открытом доступе находятся достаточно обширные базы вредных мутаций, которые приводят к различным заболеваниям. В случае животных таких данных намного меньше, хотя подобная информация может решить многие проблемы.

В результате того, что человек запустил искусственный отбор животных и растений, у них начали накапливаться вредные мутации. В изолированных группах с малым количеством особей изменения ДНК, снижающие приспособленность организма, накапливаются быстрее, так как в них не происходит обмен генетической информацией между неродственными особями. В результате этого генетическое разнообразие сужается вплоть до потери ценных признаков и свойств.

В силу особенностей организации генома при селекции по конкретному признаку отбирается не только ген, контролирующий этот признак, а крупный участок генома, который помимо необходимого может содержать и вредные признаки, влияющие на приспособленность. Для того, чтобы создавать новые сорта и выводить новые породы, улучшенные по определенным характеристикам, нужно уметь идентифицировать эти вредные мутации, а потом при помощи современных специальных методов оценивать важность генотипов для селекции с поправкой на такие мутации.

Ученые Санкт-Петербургского политехнического университета Петра Великого для того, чтобы предсказать вредные мутации в геномах млекопитающих, впервые применили метод переноса знаний. Специалисты предложили попробовать использовать обширные базы данных по вредным мутациям человека, но при этом учитывать схожесть мутаций человека и того вида, для которого делается предсказание. Специально для этого была разработана программа, которую «обучили» классифицировать мутации в геномах сельскохозяйственных животных с учетом их близости мутациям человека.

Работу метода ученые протестировали на мышах и собаках. О вредных мутациях у этих организмов известно меньше, но, тем не менее, некоторые данные по ним доступны. Программа обрабатывала их геномы так же, как человеческие, не зная, какая мутация вредная, а какая нейтральная. В результате программа верно соотнесла предсказания с известными данными. Затем метод был применен для предсказания вредных мутаций в геноме крупного рогатого скота, и опять результаты предсказаний совпали с известными данными. Это означает, что разработанный алгоритм можно использовать для предсказаний мутаций в геномах многих сельскохозяйственных животных и растений.

«В глобальном смысле, наша задача — конструирование новых сортов растений, адаптированных к нуждам селекционеров и условиям возделывания, — говорит соавтор работы Мария Самсонова. — В нашем распоряжении имеется большое количество растений, в которых мы находим участки генома, отвечающие за важные агрономические признаки. Мы хотим понять, содержат ли эти участки помимо полезных генов вредные мутации. Это важно, поскольку вредные мутации снижают продуктивность сорта».

Похожая ситуация и с млекопитающими, виды которых актуальны для сельского хозяйства. Сейчас при разведении крупного рогатого скота активно используется метод геномной селекции, который позволяет оценить, насколько перспективно в генетическом отношении то или иное потомство от скрещивания. Однако, из-за отсутствия достаточной информации о вредных мутациях, этот фактор вообще не учитывается. Восполнив этот пробел, ученые сделают процесс селекции более эффективным и точным.

Понравился материал? Добавьте Indicator.Ru в «Мои источники» Яндекс.Новостей и читайте нас чаще.

Пресс-релизы о научных исследованиях, информацию о последних вышедших научных статьях и анонсы конференций, а также данные о выигранных грантах и премиях присылайте на адрес science@indicator.ru.