Projekti

Zaščita ključnih prehranskih pridelkov je pomemben izziv v luči podnebnih sprememb. Zdravje rastlin ter njihova sposobnost obrambe pred škodljivci je odvisna od sodelovanja z mikroorganizmi, ki se nahajajo v koreninah ali rastlinah samih. Vpliv na zdravje rastlin poteka preko sinteze metabolitov - malih molekul, ko sodelujejo pri izmenjavi hranil in signalnih poteh v metabolizmu rastlin. Kromatografija tekočin in tandemska masna spektrometrija (ang. liquid chromatography - tandem mass spectrometry, LC-MS/MS) omogoča določanje malih molekul v bioloških vzorcih, kjer pa velika večina izmerjenih mas ostaja nedoločenih. Zanesljivo določanje bioaktivnih molekul in mikroorganizmov, ki jih sintetizirajo, bo pomembno vplivala na rast pomembnih pridelkov. Modeli strojnega učenja izboljšujejo sposobnost napovedi molekul v masni spektrih, a so odvisni od informacije visokih ločljivosti, ki je na voljo le za relativno majhno število mas. V projektu predlagamo modele strojnega učenja za netarčno metabolomiko, načrtovanih na podlagi naprednega določanja značilk in modelov negotovosti pri napovedovanju molekularnih opisnikov. V ta namen izkoriščamo znanje o fizičnih zakonih, ki vplivajo na zajem podatkov LC-MS/MS, in omogočajo opis odvisnosti med različnimi masami, odstranjevanje odvečnih mas in določajo značilke za strojno učenje. Napovedi modelov bodo vključevale negotovost, kar izboljša zanesljivost in omogoča aktivno učenje - ciljno pridobivanje novih molekul z namenom izboljšave modela ali iskanja določenih molekulanih skupin, kot so naravni produkti. Predlagani modeli bodo vodili nakupmolekularnih standardov ali tarčno zajemanje novih podatkov. Metaboliti so ključni posredniki pri signalnih dogodkih povezanih z obrambo v rastlinah, a njihov vir (sinteza) s strani ugostitelja ali mikroorganizma pogosto ostaja nedoločen. Metabolomski profili mikroorganizmov v monokulturi lahko doprinesejo ključno znanje o sposobnosti sinteze želenih molekul in je združljiv z obstoječimi tehnologijami na podlagi genskih zapisov ali meritev izražanja mRNK. Napovedani molekularni opisniki omogočajo skupen opis mas v eksperimentih iz različnih virov, ki vključujejo rastlinske mikroorganizme, vključno z bakterijskimi spodbujevalci rasti in gljivami. Pregled obstoječih vzorcev iz več kot 75 mikroorganizmov iz rastlin in prsti bomo združili v podatkovno zbirko (atlas) metabolomov, ki bo s pomočjo napovednih modelov omogočal odkrivanje znanih ali sorodnih molekul in njihovih mikrobnih proizvajalcev. Altas metabolom bo hkrati omogočal sistematično zbiranje in primerjavo novih eksperimentalnih meritev, ki bodo izvedene znotraj naše skupine in olajšale deljenje podatkov. V preteklosti smo našli molekule, ki sprožijo obrambo pred škodljivci v modelnih organizmih (A. thaliana), molekule gljiv, ki spodbujajo rast paradižnika (Solanum lycopersicum) in mikroorganizme, pomembne za rast krompirja (Solanum tuberosum). V vseh navedenih primerih so profili metabolitov, značilnih za sprožitev obrambe, ostali nepopolno raziskani. To bo omogočeno z uporabo predlaganih modelov, ki bodo ključno povečali število molekul v zbranih vzorcih. Napovedovanje novih bioaktivnih molekul v omenjenih kontekstih lahko vodi do novih biognojil ali spodbujevalcev rasti, ki jih proizvajajo mikroorganizmi, prilagojeni za dano okolje. Naš končni cilj je učinkovita platforma za preiskavo molekularnih podatkov v rastlinah in povezanih mikroorganizmih. 

SICRIS