Океаны Земли нагреваются и становятся более кислыми по мере изменения климата. Для большей части морской флоры и фауны это может означать вымирание, если виды не смогут адаптироваться к новым условиям и источникам пищи или мигрировать в более гостеприимные воды.
Но находящиеся под угрозой виды могут получить помощь от людей, говорит Кэти Лоттерхос, доцент кафедры морских и экологических наук Северо-Восточного университета, если ученые смогут точно определить, каким видам потребуется помощь.
Вот тут-то и появляются Лоттерхос и ее коллеги.
Внутри видов часто существует генетическая изменчивость . Некоторые генетические штаммы легче приспосабливаются к определенным новым условиям, чем другие. Если исследователи смогут определить, какие генетические штаммы данного вида с большей вероятностью выживут в ожидаемых новых условиях, они смогут сосредоточить усилия по восстановлению и защите этих штаммов. Или, говорит Лоттерхос, ученые могли бы помочь видам адаптироваться к изменению климата, переместив их в места, которые, вероятно, будут более гостеприимными в будущем, в рамках концепции, называемой «миграция с помощью». Ученые и лидеры отрасли уже рассматривают этот подход для сельского хозяйства и деревьев.
«Существует острая общественная потребность в более точном сопоставлении генетических штаммов с окружающей средой для усилий по восстановлению перед лицом изменения климата», — говорит Лоттерхос. Для этого ученые разрабатывают методы «геномного прогнозирования», говорит она, которые могут использовать генетические данные , чтобы «предсказать, как генетический штамм будет вести себя в различных условиях».
Но сейчас ученые не совсем уверены, верны ли эти прогнозы. Итак, Лоттерхос и его коллеги испытали передовой алгоритм машинного обучения. Их результаты представлены в недавней статье, опубликованной в журнале Evolutionary Applications .
По словам Лоттерхоса, алгоритм машинного обучения объединяет генетическую информацию и информацию об окружающей среде , чтобы предсказать, насколько плохо данный генетический штамм вида будет адаптирован к определенному набору условий окружающей среды. Чтобы проверить, насколько точно алгоритм предсказывает геномное смещение, объясняет она, команда создала компьютерную симуляцию того, что они называют «виртуальными видами», которые не существуют в реальном мире, но подвергаются рождению, смерти, расселению, эволюционному отбору и мутациям в реальном мире. теми же способами, что и настоящие виды в природе.
«Наше исследование показывает, что методы геномного прогнозирования перспективны, но у нас до сих пор нет полного понимания их сильных и слабых сторон», — говорит Лоттерхос. Метод машинного обучения оказался лучше, чем другие меры для прогнозирования смещения генома, когда исследователи сделали входные данные простыми, рассматривая только генетическую информацию или только информацию об окружающей среде. Но , по словам Лоттерхоса, взятые вместе как способ прогнозирования сокращения населения из-за изменения окружающей среды , результаты могут ввести в заблуждение.
Для дальнейшего тестирования подхода машинного обучения команда Лоттерхоса разрабатывает дополнительные модели. Ученые также переведут этот эксперимент в автономный режим и проведут полевые эксперименты.
Лоттерхос недавно получил две престижные награды: награду КАРЬЕРЫ от Национального научного фонда и стипендию Фулбрайта. При поддержке премии CAREER Лоттерхос и его коллеги проводят испытания методов геномного прогнозирования устриц. Стипендия Фулбрайта привела ее в Швецию, где она тестирует методы работы с морскими обитателями, такими как морские улитки, взморник и изоподы, отряд ракообразных, в который входят мокрицы.
«Балтийское море — интересная система для изучения, потому что многие виды генетически адаптировались к крутому градиенту окружающей среды от благоприятных условий океана до более кислой пресноводной среды», — говорит Лоттерхос. «Цель состоит в том, чтобы определить, насколько хорошо эти методы работают и при каких условиях они работают хорошо».