Een studie van de Universiteit van Newcastle heeft voor het eerst aangetoond dat machinaal leren de biologische eigenschappen van het meest voorkomende enzym op aarde, Rubisco, kan voorspellen.

Rubisco (Ribulose-1,5-bisfosfaatcarboxylase/oxygenase) is verantwoordelijk voor het leveren van koolstof voor bijna al het leven op aarde. Rubisco functioneert door atmosferische CO₂ . om te zetten van de atmosfeer van de aarde tot organische koolstof, die essentieel is om het meeste leven op aarde in stand te houden.

Al geruime tijd wordt natuurlijke variatie waargenomen tussen Rubisco-eiwitten van landplanten en modelleringsstudies hebben aangetoond dat het transplanteren van Rubisco-eiwitten met bepaalde functionele eigenschappen de hoeveelheid atmosferisch CO₂ kan verhogen gewasplanten kunnen opnemen en opslaan.

Studie hoofdauteur, Wasim Iqbal, een Ph.D. onderzoeker aan de School of Natural and Environmental Sciences van de Newcastle University, onderdeel van de groep van Dr. Maxim Kapralov, ontwikkelde een machine learning-tool die de prestatie-eigenschappen van talrijke Rubisco-eiwitten van landplanten met verrassend goede nauwkeurigheid kan voorspellen. De hoop is dat deze tool de jacht op een 'supercharged' Rubisco-eiwit mogelijk zal maken dat kan worden verwerkt tot belangrijke gewassen zoals tarwe.

Gepubliceerd in het Journal Of Experimental Botany , presenteert de studie een nuttig hulpmiddel voor het screenen en voorspellen van de Rubisco-kinetiek van planten voor zowel technische inspanningen als voor fundamentele studies over de evolutie en aanpassing van Rubisco. Het screenen van de natuurlijke diversiteit van Rubisco-kinetiek is de belangrijkste strategie die wordt gebruikt om betere Rubiscos te vinden voor inspanningen op het gebied van gewasontwikkeling.

Wasim zegt dat hun "studie enorme implicaties zal hebben voor klimaatmodellen en biotechnologische gewassen."

"Deze studie biedt plantenbiologen een pre-screeningtool om Rubisco-soorten te markeren die een betere kinetiek vertonen voor inspanningen op het gebied van gewasontwikkeling."

"De machine learning-tool kan worden gebruikt om de nauwkeurigheid van wereldwijde fotosyntheseschattingen te verbeteren. De Rubisco-prestatie-eigenschappen die ons model voorspelt, zijn compatibel met Earth-systeemmodellen (ESM) die worden gebruikt door klimaatwetenschappers. Momenteel gebruiken ESM's een enkele set Rubisco-eigenschappen van de dezelfde soort (of soms een handvol) voor het schatten van fotosynthese op ecosysteemschaal. Onze machine learning-tool zou voorspellingen kunnen doen voor de meeste landplanten die de nauwkeurigheid van ESM's verbeteren."

De volgende stappen van dit werk omvatten het isoleren van de beste Rubisco-eiwitten die zijn geïdentificeerd op basis van voorspellingen in het laboratorium en het proberen een plantensoort te bio-engineeren met een vreemd Rubisco-eiwit. + Verder verkennen

Een rode toekomst voor het verbeteren van de gewasproductie?