જ્યારે Xiaoxi Meng અને Zhikai Liang એ થોડા વર્ષો પહેલા આ વિચારનો પ્રસ્તાવ મૂક્યો હતો, ત્યારે જેમ્સ Schnable શંકાસ્પદ હતા. ઓછામાં ઓછું કહેવું.
"'સારું, તમે પ્રયાસ કરી શકો છો, પરંતુ મને નથી લાગતું કે તે કામ કરશે,'" કૃષિવિજ્ઞાન અને બાગાયતના સહયોગી પ્રોફેસર મેંગ અને લિયાંગને કહેતા યાદ કરે છે, તે પછી નેબ્રાસ્કા-લિંકન યુનિવર્સિટીમાં શ્નેબલની લેબમાં પોસ્ટડોક્ટરલ સંશોધકો.
તે ખોટો હતો અને, પાછળની દૃષ્ટિએ, ક્યારેય ખુશ ન હતો. છતાં તે સમયે, શ્નેબલ પાસે ભમર વધારવાનું વાજબી કારણ હતું. આ યુગલનો વિચાર - કે ઠંડા-સંવેદનશીલ પાકોના ડીએનએ સિક્વન્સ કે જે સખત હિમને શરણે છે તે આગાહી કરવામાં મદદ કરી શકે છે કે જંગલી, સખત છોડ કેવી રીતે ઠંડું પડે તેવી પરિસ્થિતિઓને સહન કરે છે - બહાદુર લાગતું હતું. ઓછામાં ઓછું કહેવું. તેમ છતાં, તે ઓછા જોખમ, ઉચ્ચ પુરસ્કારની દરખાસ્ત હતી. કારણ કે જો મેંગ અને લિયાંગ તેને કામમાં લાવી શકે, તો તે ઠંડા-સંવેદનશીલ પાકને તેમના ઠંડા-પ્રતિરોધક સમકક્ષોની જેમ થોડો અથવા તો ઘણો વધુ બનાવવાના ઝડપી-ટ્રેક પ્રયત્નો કરી શકે છે.
વિશ્વના કેટલાક સૌથી મહત્વપૂર્ણ પાકો ઉષ્ણકટિબંધીય પ્રદેશોમાં પાળવામાં આવ્યા હતા - દક્ષિણ મેક્સિકોમાં મકાઈ, પૂર્વ આફ્રિકામાં જુવાર - જે ઠંડા અથવા થીજબિંદુ સામે સંરક્ષણ વિકસાવવા માટે તેમના પર કોઈ પસંદગીયુક્ત દબાણ કરતું નથી. જ્યારે તે પાક સખત આબોહવામાં ઉગાડવામાં આવે છે, ત્યારે ઠંડી પ્રત્યેની તેમની સંવેદનશીલતા મર્યાદા રાખે છે કે તેઓ કેટલા વહેલા વાવેતર કરી શકાય અને કેટલા મોડેથી લણણી કરી શકાય. ટૂંકી વૃદ્ધિની ઋતુઓ પ્રકાશસંશ્લેષણ માટે ઓછા સમય સમાન છે, પરિણામે 10 સુધીમાં 2050 અબજ લોકો સુધી પહોંચવાની અપેક્ષા વૈશ્વિક વસ્તી માટે ઓછી ઉપજ અને ઓછા ખોરાકમાં પરિણમે છે.
ઠંડી આબોહવા
છોડની પ્રજાતિઓ જે પહેલાથી જ ઠંડા આબોહવામાં ઉગે છે, તે દરમિયાન, ઠંડી સહન કરવાની યુક્તિઓ વિકસાવી. તેઓ તેમના સેલ્યુલર પટલને નીચા તાપમાને તરલતા જાળવવા માટે પુનઃરૂપરેખાંકિત કરી શકે છે, પટલને થીજવાથી અને ફ્રેક્ચર થવાથી અટકાવી શકે છે. તેઓ તે પટલમાં અને તેની આસપાસના પ્રવાહીમાં શર્કરાના ડૅશ ઉમેરી શકે છે, તેમના થીજબિંદુને તે જ રીતે ઘટાડી શકે છે જે રીતે મીઠું ફુટપાથ કરે છે. તેઓ એવા પ્રોટીન પણ ઉત્પન્ન કરી શકે છે જે તે સ્ફટિકો સેલ-બસ્ટિંગ માસમાં વૃદ્ધિ પામે તે પહેલાં ઓછા બરફના સ્ફટિકોને દબાવી દે છે.
તે તમામ સંરક્ષણો આનુવંશિક સ્તરે ઉદ્દભવે છે, જોકે માત્ર ડીએનએના ક્રમમાં જ નહીં. જ્યારે છોડ સ્થિર થવાનું શરૂ કરે છે, ત્યારે તેઓ અનિવાર્યપણે અમુક જનીનોને બંધ અથવા ચાલુ કરીને પ્રતિસાદ આપી શકે છે - તેમના આનુવંશિક સૂચના માર્ગદર્શિકાઓને ટ્રાંસ્ક્રાઇબ કરવા અને હાથ ધરવામાં આવતા અટકાવવા અથવા મંજૂરી આપીને. ઠંડા-સહિષ્ણુ છોડ કયા જનીનો ઠંડા-સહિષ્ણુ તાપમાનનો સામનો કરે છે તે જાણવું, તે પછી, સંશોધકોને તેમની કિલ્લેબંધીના પાયાને સમજવામાં મદદ કરી શકે છે અને છેવટે, ઠંડા-સંવેદનશીલ પાકોમાં સમાન સંરક્ષણને એન્જિનિયર કરી શકે છે.
પરંતુ શ્નેબલ એ પણ જાણતા હતા, જેમ કે મેંગ અને લિયાંગે કર્યું હતું કે, એક સરખા જનીન પણ ઘણી વાર છોડની પ્રજાતિઓમાં ઠંડીને અલગ રીતે પ્રતિભાવ આપે છે, નજીકથી સંબંધિત પણ. જેનો અર્થ, નિરાશાજનક રીતે, એ સમજણ કે જનીન એક પ્રજાતિમાં શરદીને કેવી રીતે પ્રતિક્રિયા આપે છે તે છોડના વૈજ્ઞાનિકોને બીજી જાતિમાં જનીનની વર્તણૂક વિશે લગભગ કશું જ નિર્ણાયક કહી શકતું નથી. તે અણધારીતા, બદલામાં, જનીનોને શું નિષ્ક્રિય અથવા સક્રિય કરશે તે નક્કી કરતા નિયમો શીખવાના પ્રયત્નોને અવરોધે છે.
"અમે હજી પણ ખરેખર, શા માટે જીન્સ બંધ અને ચાલુ થાય છે તે સમજવામાં ખરેખર ખરાબ છીએ," સ્નેબલે કહ્યું.
મકાઈના છોડ
નિયમપુસ્તકના અભાવે, સંશોધકો મશીન લર્નિંગ તરફ વળ્યા, જે આર્ટિફિશિયલ ઇન્ટેલિજન્સનું એક સ્વરૂપ છે જે અનિવાર્યપણે પોતાનું લખી શકે છે. તેઓએ ખાસ કરીને દેખરેખ હેઠળનું વર્ગીકરણ મોડલ વિકસાવ્યું - એક પ્રકાર કે જે, જ્યારે બિલાડીઓ અને બિલાડીઓ સિવાયની પર્યાપ્ત લેબલવાળી છબીઓ સાથે રજૂ કરવામાં આવે, ત્યારે આખરે તે પછીનાથી પહેલાનાને અલગ પાડવાનું શીખી શકે છે. ટીમે શરૂઆતમાં મકાઈમાંથી અનુક્રમિત જનીનોના વિશાળ ઢગલા સાથે તેનું પોતાનું મોડેલ રજૂ કર્યું, જ્યારે છોડને ઠંડું તાપમાન હતું ત્યારે તે જનીનોની સરેરાશ પ્રવૃત્તિ સ્તરો સાથે. મૉડલને દરેક મકાઈના જનીન માટે "અમે વિચારી શકીએ તે દરેક વિશેષતા" પણ આપવામાં આવી હતી, સ્નેબલે જણાવ્યું હતું કે, તેની લંબાઈ, તેની સ્થિરતા અને તેની વચ્ચેના કોઈપણ તફાવતો અને અન્ય મકાઈના છોડમાં જોવા મળતા તેના અન્ય સંસ્કરણો સહિત.
પાછળથી, સંશોધકોએ તે જનીનોના સબસેટમાં માહિતીનો માત્ર એક ભાગ છુપાવીને તેમના મોડલનું પરીક્ષણ કર્યું: શું તેઓ ઠંડું તાપમાનની શરૂઆતને પ્રતિભાવ આપે છે, અથવા તેઓ નથી કરતા. જનીનોની વિશેષતાઓનું પૃથ્થકરણ કરીને જે તેને કહેવામાં આવ્યું હતું તે કાં તો પ્રતિભાવશીલ અથવા બિન-પ્રતિભાવશીલ હતા, મોડેલે તે લક્ષણોના કયા સંયોજનો દરેક માટે સુસંગત હતા તે નક્કી કર્યું - અને પછી બાકીના મોટાભાગના, રહસ્ય-બોક્સ જનીનોને સફળતાપૂર્વક તેમની યોગ્ય શ્રેણીઓમાં સ્લોટ કર્યા.
તે એક આશાસ્પદ શરૂઆત હતી, તેમાં કોઈ શંકા નથી. પરંતુ વાસ્તવિક કસોટી બાકી હતી: શું મોડેલ એક જાતિમાં પ્રાપ્ત કરેલી તાલીમ લઈ શકે છે અને તેને બીજી જાતિમાં લાગુ કરી શકે છે?
જવાબ ચોક્કસ હા હતો. મકાઈ, જુવાર, મોતી બાજરી, પ્રોસો બાજરી, ફોક્સટેલ બાજરી અથવા સ્વિચગ્રાસ - છ પ્રજાતિઓમાંથી માત્ર એકમાંથી ડીએનએ ડેટા સાથે પ્રશિક્ષિત થયા પછી મોડેલ સામાન્ય રીતે આગાહી કરવામાં સક્ષમ હતું કે અન્ય પાંચમાંથી કોઈ પણ જનીન ઠંડું થવાનો પ્રતિસાદ આપશે. શ્નેબલના આશ્ચર્યની વાત એ છે કે, જ્યારે તેને ઠંડા-સંવેદનશીલ પ્રજાતિઓ - મકાઈ, જુવાર, મોતી અથવા પ્રોસો બાજરી - પર તાલીમ આપવામાં આવી હતી ત્યારે પણ મોડેલ પકડી રાખ્યું હતું - પરંતુ ઠંડા-સહિષ્ણુ ફોક્સટેલ બાજરી અથવા સ્વિચગ્રાસમાં જનીન પ્રતિભાવોની આગાહી કરવાનું કામ સોંપવામાં આવ્યું હતું.
મોડલ
"અમે જે મોડલ્સને તાલીમ આપી હતી તે તમામ પ્રજાતિઓમાં લગભગ સારી રીતે કામ કરે છે જેમ કે તમારી પાસે ખરેખર એક પ્રજાતિમાં ડેટા હોય અને તે જ પ્રજાતિમાં આગાહી કરવા માટે આંતરિક ડેટાનો ઉપયોગ કર્યો હોય," તેણે કહ્યું, મહિનાઓ પછી તેના અવાજમાં વિલંબિત આશ્ચર્યનો સંકેત. "મેં ખરેખર તેની આગાહી કરી ન હોત."
"આપણે આ બધી માહિતીને કોમ્પ્યુટરમાં ફીડ કરી શકીએ છીએ, અને તે કામ કરતી આગાહીઓ કરવા માટે ઓછામાં ઓછા કેટલાક નિયમો શોધી શકે છે તે વિચાર હજુ પણ મારા માટે આશ્ચર્યજનક છે."
વૈકલ્પિક વિચારણા કરતી વખતે તે આગાહીઓ ખાસ કરીને ઉપયોગી સાબિત થઈ શકે છે. આશરે એક દાયકાથી, વનસ્પતિ જીવવિજ્ઞાનીઓ વાસ્તવમાં RNA અણુઓની સંખ્યાને માપવામાં સક્ષમ છે - જેઓ DNA સૂચનાઓનું ટ્રાન્સક્રિપ્શન અને પરિવહન માટે જવાબદાર છે - જીવંત છોડના દરેક જનીન દ્વારા ઉત્પાદિત. પરંતુ તે જનીન અભિવ્યક્તિ જીવંત નમુનાઓમાં અને બહુવિધ પ્રજાતિઓમાં ઠંડીને કેવી રીતે પ્રતિક્રિયા આપે છે તેની તુલના કરવી એ એક ઉદ્યમી ઉપક્રમ છે, શ્નેબલે જણાવ્યું હતું. તે ખાસ કરીને જંગલી છોડ સાથે સાચું છે, જેના બીજ પ્રાપ્ત કરવા પણ મુશ્કેલ હોઈ શકે છે. તે બીજ અપેક્ષા મુજબ અંકુરિત ન થઈ શકે, જો બિલકુલ હોય, અને વધવા માટે વર્ષો લાગી શકે છે. જો તેઓ કરે તો પણ, દરેક પરિણામી છોડને સમાન, નિયંત્રિત વાતાવરણમાં ઉગાડવામાં આવે છે અને વિકાસના સમાન તબક્કે અભ્યાસ કરવો જોઈએ.
વધુ પ્રજાતિઓ
તે બધાં પર્યાપ્ત જંગલી પ્રજાતિઓમાંથી, પર્યાપ્ત જંગલી નમુનાઓને ઉગાડવા માટે, તેમના જનીનોના ઠંડા પ્રતિભાવોની નકલ કરવા અને આંકડાકીય રીતે મૂલ્યાંકન કરવા માટે એક મોટો પડકાર ઊભો કરે છે.
"જો આપણે ખરેખર જાણવા માંગતા હોઈએ કે કયા જનીનો મહત્વપૂર્ણ છે - જે વાસ્તવમાં છોડ કેવી રીતે ઠંડાને સ્વીકારે છે તેમાં ભૂમિકા ભજવે છે - તો આપણે બે કરતા વધુ પ્રજાતિઓ જોવાની જરૂર છે," સ્નેબલે કહ્યું. "અમે પ્રજાતિઓના જૂથને જોવા માંગીએ છીએ જે ઠંડીને સહન કરે છે અને એક જૂથ જે સંવેદનશીલ હોય છે, અને પેટર્ન જોવા માંગીએ છીએ: "આ સમાન જનીન હંમેશા એકમાં પ્રતિક્રિયા આપે છે અને હંમેશા બીજામાં પ્રતિસાદ આપતો નથી."
“તે ખરેખર મોટો અને ખર્ચાળ પ્રયોગ બનવા લાગે છે. તે ખરેખર સરસ રહેશે જો આપણે 20 પ્રજાતિઓ લેવાને બદલે તે પ્રજાતિઓના ડીએનએ સિક્વન્સ પરથી અનુમાનો કરી શકીએ અને તે તમામને એક જ તબક્કે લાવવાનો પ્રયાસ કરીએ, તે બધાને ચોક્કસ સમાન તાણની સારવાર દ્વારા મૂકીએ, અને દરેક પ્રજાતિમાં દરેક જનીન માટે ઉત્પાદિત આરએનએની માત્રાને માપો."
સદભાગ્યે મોડેલ માટે, સંશોધકોએ પહેલેથી જ 300 થી વધુ છોડની પ્રજાતિઓના જીનોમને અનુક્રમિત કર્યા છે. ચાલુ આંતરરાષ્ટ્રીય પ્રયત્નો આગામી થોડા વર્ષોમાં તે સંખ્યાને 10,000 સુધી પહોંચાડી શકે છે.
જો કે મોડેલ પહેલેથી જ તેની સાધારણ અપેક્ષાઓ કરતાં વધી ગયું છે, તેમ છતાં, શ્નેબલે કહ્યું કે આગળના પગલામાં તેમ છતાં "આપણા અને અન્ય લોકોને બંનેને ખાતરી આપવી" શામેલ હશે કે તે અત્યાર સુધીની જેમ કાર્ય કરે છે. આજની તારીખે દરેક ટેસ્ટ કેસમાં, સંશોધકોએ મોડલને તે જણાવવા કહ્યું છે જે તેઓ પહેલાથી જાણતા હતા. તેમણે કહ્યું કે અંતિમ કસોટી ત્યારે આવશે જ્યારે મનુષ્ય અને મશીન બંને શરૂઆતથી શરૂ થશે.
"મને લાગે છે કે હવે પછીનો મોટો પ્રયોગ એ એવી પ્રજાતિઓ પર અનુમાન લગાવવાનો છે કે જ્યાં અમારી પાસે બિલકુલ ડેટા નથી," તેમણે કહ્યું. "લોકોને સમજાવવા માટે કે તે ખરેખર એવા કિસ્સાઓમાં કામ કરે છે જ્યાં અમને જવાબો પણ ખબર નથી."
ટીમે તેના તારણો જર્નલ પ્રોસીડિંગ્સ ઓફ ધ નેશનલ એકેડેમી ઓફ સાયન્સમાં અહેવાલ આપ્યો હતો. મેંગ, લિયાંગ અને શ્નેબલે નેબ્રાસ્કાના રેબેકા રોસ્ટન, યાંગ ઝાંગ, સમીરા મહબૂબ અને અંડરગ્રેજ્યુએટ વિદ્યાર્થી ડેનિયલ એનગુ સાથે, શેન્ડોંગ એગ્રીકલ્ચરલ યુનિવર્સિટીના વિઝિટિંગ સ્કોલર ઝીયુરુ દાઈ સાથે અભ્યાસની રચના કરી હતી.
વધારે માહિતી માટે:
નેબ્રાસ્કા લિંકન યુનિવર્સિટી
www.unl.edu