Xiaoxi Meng ಮತ್ತು Zhikai Liang ಮೊದಲು ಒಂದೆರಡು ವರ್ಷಗಳ ಹಿಂದೆ ಈ ಕಲ್ಪನೆಯನ್ನು ಪ್ರಸ್ತಾಪಿಸಿದಾಗ, ಜೇಮ್ಸ್ Schnable ಸಂದೇಹ ವ್ಯಕ್ತಪಡಿಸಿದರು. ಕನಿಷ್ಠ ಹೇಳಲು.
"'ಸರಿ, ನೀವು ಪ್ರಯತ್ನಿಸಬಹುದು, ಆದರೆ ಇದು ಕೆಲಸ ಮಾಡುತ್ತದೆ ಎಂದು ನಾನು ಭಾವಿಸುವುದಿಲ್ಲ,'" ಎಂದು ಕೃಷಿಶಾಸ್ತ್ರ ಮತ್ತು ತೋಟಗಾರಿಕೆಯ ಸಹಾಯಕ ಪ್ರಾಧ್ಯಾಪಕರು ಮೆಂಗ್ ಮತ್ತು ಲಿಯಾಂಗ್ಗೆ ಹೇಳುವುದನ್ನು ನೆನಪಿಸಿಕೊಂಡರು, ನಂತರ ನೆಬ್ರಸ್ಕಾ-ಲಿಂಕನ್ ವಿಶ್ವವಿದ್ಯಾನಿಲಯದ ಸ್ಕ್ನಾಬಲ್ನ ಲ್ಯಾಬ್ನಲ್ಲಿ ಪೋಸ್ಟ್ಡಾಕ್ಟರಲ್ ಸಂಶೋಧಕರು.
ಅವನು ತಪ್ಪಾಗಿದ್ದನು ಮತ್ತು ಹಿನ್ನೋಟದಲ್ಲಿ, ಎಂದಿಗೂ ಸಂತೋಷವಾಗಿರಲಿಲ್ಲ. ಆದರೂ ಆ ಸಮಯದಲ್ಲಿ, ಸ್ಕ್ನೇಬಲ್ಗೆ ಹುಬ್ಬು ಹೆಚ್ಚಿಸಲು ನ್ಯಾಯೋಚಿತ ಕಾರಣವಿತ್ತು. ಈ ಜೋಡಿಯ ಕಲ್ಪನೆ - ಕಠಿಣವಾದ ಹಿಮಕ್ಕೆ ಶರಣಾಗುವ ಶೀತ-ಸೂಕ್ಷ್ಮ ಬೆಳೆಗಳ ಡಿಎನ್ಎ ಅನುಕ್ರಮಗಳು ಹೇಗೆ ಕಾಡು, ಗಟ್ಟಿಯಾದ ಸಸ್ಯಗಳು ಘನೀಕರಿಸುವ ಪರಿಸ್ಥಿತಿಗಳನ್ನು ಸಹಿಸಿಕೊಳ್ಳುತ್ತವೆ ಎಂಬುದನ್ನು ಊಹಿಸಲು ಸಹಾಯ ಮಾಡುತ್ತದೆ - ಧೈರ್ಯಶಾಲಿ ಎಂದು ತೋರುತ್ತದೆ. ಕನಿಷ್ಠ ಹೇಳಲು. ಆದರೂ, ಇದು ಕಡಿಮೆ-ಅಪಾಯ, ಹೆಚ್ಚಿನ ಪ್ರತಿಫಲದ ಪ್ರತಿಪಾದನೆಯಾಗಿತ್ತು. ಏಕೆಂದರೆ ಮೆಂಗ್ ಮತ್ತು ಲಿಯಾಂಗ್ ಅದನ್ನು ಕಾರ್ಯರೂಪಕ್ಕೆ ತರಲು ಸಾಧ್ಯವಾದರೆ, ಶೀತ-ಸೂಕ್ಷ್ಮ ಬೆಳೆಗಳನ್ನು ಸ್ವಲ್ಪಮಟ್ಟಿಗೆ ಅಥವಾ ಅವರ ಶೀತ-ನಿರೋಧಕ ಕೌಂಟರ್ಪಾರ್ಟ್ಸ್ನಂತೆಯೇ ಮಾಡಲು ಇದು ತ್ವರಿತ ಪ್ರಯತ್ನಗಳನ್ನು ಮಾಡಬಹುದು.
ಪ್ರಪಂಚದ ಕೆಲವು ಪ್ರಮುಖ ಬೆಳೆಗಳು ಉಷ್ಣವಲಯದ ಪ್ರದೇಶಗಳಲ್ಲಿ ಪಳಗಿಸಲ್ಪಟ್ಟವು - ದಕ್ಷಿಣ ಮೆಕ್ಸಿಕೋದಲ್ಲಿ ಕಾರ್ನ್, ಪೂರ್ವ ಆಫ್ರಿಕಾದಲ್ಲಿ ಸೋರ್ಗಮ್ - ಶೀತ ಅಥವಾ ಘನೀಕರಣದ ವಿರುದ್ಧ ರಕ್ಷಣೆಯನ್ನು ವಿಕಸನಗೊಳಿಸಲು ಅವುಗಳ ಮೇಲೆ ಯಾವುದೇ ಆಯ್ದ ಒತ್ತಡವನ್ನು ಹಾಕಲಿಲ್ಲ. ಆ ಬೆಳೆಗಳನ್ನು ಕಠಿಣ ವಾತಾವರಣದಲ್ಲಿ ಬೆಳೆಸಿದಾಗ, ಶೀತಕ್ಕೆ ಅವುಗಳ ಸೂಕ್ಷ್ಮತೆಯು ಅವುಗಳನ್ನು ಎಷ್ಟು ಬೇಗನೆ ನೆಡಬಹುದು ಮತ್ತು ಎಷ್ಟು ತಡವಾಗಿ ಕೊಯ್ಲು ಮಾಡಬಹುದು ಎಂಬುದನ್ನು ಮಿತಿಗೊಳಿಸುತ್ತದೆ. ಕಡಿಮೆ ಬೆಳವಣಿಗೆಯ ಋತುಗಳು ದ್ಯುತಿಸಂಶ್ಲೇಷಣೆಗೆ ಕಡಿಮೆ ಸಮಯಕ್ಕೆ ಸಮಾನವಾಗಿರುತ್ತದೆ, ಇದರ ಪರಿಣಾಮವಾಗಿ 10 ರ ವೇಳೆಗೆ 2050 ಶತಕೋಟಿ ಜನರನ್ನು ಸಮೀಪಿಸುವ ನಿರೀಕ್ಷೆಯಿರುವ ಜಾಗತಿಕ ಜನಸಂಖ್ಯೆಗೆ ಕಡಿಮೆ ಇಳುವರಿ ಮತ್ತು ಕಡಿಮೆ ಆಹಾರ.
ಶೀತ ಹವಾಮಾನ
ಈಗಾಗಲೇ ತಂಪಾದ ವಾತಾವರಣದಲ್ಲಿ ಬೆಳೆಯುವ ಸಸ್ಯ ಪ್ರಭೇದಗಳು, ಏತನ್ಮಧ್ಯೆ, ಶೀತವನ್ನು ಸಹಿಸಿಕೊಳ್ಳುವ ತಂತ್ರಗಳನ್ನು ವಿಕಸನಗೊಳಿಸಿದವು. ಕಡಿಮೆ ತಾಪಮಾನದಲ್ಲಿ ದ್ರವ್ಯತೆ ನಿರ್ವಹಿಸಲು ತಮ್ಮ ಸೆಲ್ಯುಲಾರ್ ಪೊರೆಗಳನ್ನು ಮರುಸಂರಚಿಸಬಹುದು, ಪೊರೆಗಳನ್ನು ಘನೀಕರಿಸುವಿಕೆ ಮತ್ತು ಮುರಿತದಿಂದ ತಡೆಯುತ್ತದೆ. ಅವರು ಆ ಪೊರೆಗಳಲ್ಲಿ ಮತ್ತು ಅದರ ಸುತ್ತಲಿನ ದ್ರವಗಳಿಗೆ ಸಕ್ಕರೆಯ ಡ್ಯಾಶ್ಗಳನ್ನು ಸೇರಿಸಬಹುದು, ಉಪ್ಪು ಕಾಲುದಾರಿಯ ರೀತಿಯಲ್ಲಿಯೇ ಅವುಗಳ ಘನೀಕರಣ ಬಿಂದುವನ್ನು ಕಡಿಮೆ ಮಾಡುತ್ತದೆ. ಆ ಸ್ಫಟಿಕಗಳು ಕೋಶ-ಬಸ್ಟಿಂಗ್ ದ್ರವ್ಯರಾಶಿಗಳಾಗಿ ಬೆಳೆಯುವ ಮೊದಲು ಅವು ಸಣ್ಣ ಐಸ್ ಸ್ಫಟಿಕಗಳನ್ನು ನಿಗ್ರಹಿಸುವ ಪ್ರೋಟೀನ್ಗಳನ್ನು ಸಹ ಉತ್ಪಾದಿಸಬಹುದು.
ಡಿಎನ್ಎಯ ಅನುಕ್ರಮದಲ್ಲಿ ಅಲ್ಲದಿದ್ದರೂ ಆ ಎಲ್ಲಾ ರಕ್ಷಣೆಗಳು ಆನುವಂಶಿಕ ಮಟ್ಟದಲ್ಲಿ ಹುಟ್ಟಿಕೊಂಡಿವೆ. ಸಸ್ಯಗಳು ಹೆಪ್ಪುಗಟ್ಟಲು ಪ್ರಾರಂಭಿಸಿದಾಗ, ಅವು ಮೂಲಭೂತವಾಗಿ ಕೆಲವು ಜೀನ್ಗಳನ್ನು ಆಫ್ ಅಥವಾ ಆನ್ ಮಾಡುವ ಮೂಲಕ ಪ್ರತಿಕ್ರಿಯಿಸಬಹುದು - ಅವುಗಳ ಆನುವಂಶಿಕ ಸೂಚನಾ ಕೈಪಿಡಿಗಳನ್ನು ಲಿಪ್ಯಂತರ ಮತ್ತು ಕೈಗೊಳ್ಳಲು ತಡೆಯುವುದು ಅಥವಾ ಅನುಮತಿಸುವುದು. ಶೀತ-ಸಹಿಷ್ಣು ಸಸ್ಯಗಳು ಘನೀಕರಿಸುವ ತಾಪಮಾನದ ಮುಖಾಂತರ ಯಾವ ಜೀನ್ಗಳನ್ನು ಆಫ್ ಮತ್ತು ಆನ್ ಮಾಡುತ್ತವೆ ಎಂಬುದನ್ನು ತಿಳಿದುಕೊಳ್ಳುವುದರಿಂದ, ಸಂಶೋಧಕರು ತಮ್ಮ ಕೋಟೆಗಳ ಅಡಿಪಾಯವನ್ನು ಗ್ರಹಿಸಲು ಸಹಾಯ ಮಾಡಬಹುದು ಮತ್ತು ಅಂತಿಮವಾಗಿ, ಶೀತ-ಸೂಕ್ಷ್ಮ ಬೆಳೆಗಳಾಗಿ ಇದೇ ರೀತಿಯ ರಕ್ಷಣೆಯನ್ನು ವಿನ್ಯಾಸಗೊಳಿಸಬಹುದು.
ಆದರೆ ಮೆಂಗ್ ಮತ್ತು ಲಿಯಾಂಗ್ ಮಾಡಿದಂತೆ, ಸ್ಕ್ನೇಬಲ್ ಕೂಡ ತಿಳಿದಿದ್ದರು, ಒಂದೇ ರೀತಿಯ ಜೀನ್ ಕೂಡ ಸಾಮಾನ್ಯವಾಗಿ ಸಸ್ಯ ಪ್ರಭೇದಗಳಾದ್ಯಂತ ಶೀತಕ್ಕೆ ವಿಭಿನ್ನವಾಗಿ ಪ್ರತಿಕ್ರಿಯಿಸುತ್ತದೆ, ನಿಕಟ ಸಂಬಂಧ ಹೊಂದಿರುವವುಗಳೂ ಸಹ. ಇದರರ್ಥ, ನಿರಾಶಾದಾಯಕವಾಗಿ, ಒಂದು ಜಾತಿಯಲ್ಲಿ ಜೀನ್ ಹೇಗೆ ಶೀತಕ್ಕೆ ಪ್ರತಿಕ್ರಿಯಿಸುತ್ತದೆ ಎಂಬುದನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳುವುದು ಸಸ್ಯ ವಿಜ್ಞಾನಿಗಳಿಗೆ ಇನ್ನೊಂದರಲ್ಲಿ ಜೀನ್ನ ನಡವಳಿಕೆಯ ಬಗ್ಗೆ ಯಾವುದೇ ನಿರ್ಣಾಯಕತೆಯನ್ನು ಹೇಳುವುದಿಲ್ಲ. ಆ ಅನಿರೀಕ್ಷಿತತೆಯು ಪ್ರತಿಯಾಗಿ, ಜೀನ್ಗಳನ್ನು ನಿಷ್ಕ್ರಿಯಗೊಳಿಸುತ್ತದೆ ಅಥವಾ ಸಕ್ರಿಯಗೊಳಿಸುತ್ತದೆ ಎಂಬುದನ್ನು ನಿರ್ದೇಶಿಸುವ ನಿಯಮಗಳನ್ನು ಕಲಿಯುವ ಪ್ರಯತ್ನಗಳಿಗೆ ಅಡ್ಡಿಯಾಗಿದೆ.
"ವಂಶವಾಹಿಗಳು ಏಕೆ ಆಫ್ ಆಗುತ್ತವೆ ಮತ್ತು ಆನ್ ಆಗುತ್ತವೆ ಎಂಬುದನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳುವಲ್ಲಿ ನಾವು ಇನ್ನೂ ನಿಜವಾಗಿಯೂ ಕೆಟ್ಟದ್ದಾಗಿದ್ದೇವೆ" ಎಂದು ಸ್ಕ್ನೇಬಲ್ ಹೇಳಿದರು.
ಜೋಳದ ಸಸ್ಯಗಳು
ನಿಯಮಪುಸ್ತಕದ ಕೊರತೆಯಿಂದಾಗಿ, ಸಂಶೋಧಕರು ಯಂತ್ರ ಕಲಿಕೆಯತ್ತ ತಿರುಗಿದರು, ಇದು ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯ ಒಂದು ರೂಪವಾಗಿದ್ದು ಅದು ಮೂಲಭೂತವಾಗಿ ತನ್ನದೇ ಆದದನ್ನು ಬರೆಯಬಹುದು. ಅವರು ನಿರ್ದಿಷ್ಟವಾಗಿ ಮೇಲ್ವಿಚಾರಣೆಯ ವರ್ಗೀಕರಣ ಮಾದರಿಯನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸಿದರು - ಬೆಕ್ಕುಗಳು ಮತ್ತು ಬೆಕ್ಕುಗಳಲ್ಲದ ಸಾಕಷ್ಟು ಲೇಬಲ್ ಚಿತ್ರಗಳನ್ನು ಪ್ರಸ್ತುತಪಡಿಸಿದಾಗ, ಅಂತಿಮವಾಗಿ ಹಿಂದಿನದನ್ನು ಎರಡನೆಯದರಿಂದ ಪ್ರತ್ಯೇಕಿಸಲು ಕಲಿಯಬಹುದು. ತಂಡವು ಆರಂಭದಲ್ಲಿ ತನ್ನ ಸ್ವಂತ ಮಾದರಿಯನ್ನು ಜೋಳದಿಂದ ಅನುಕ್ರಮವಾದ ವಂಶವಾಹಿಗಳ ಅಗಾಧವಾದ ರಾಶಿಯೊಂದಿಗೆ ಪ್ರಸ್ತುತಪಡಿಸಿತು, ಜೊತೆಗೆ ಸಸ್ಯವು ಘನೀಕರಿಸುವ ತಾಪಮಾನಕ್ಕೆ ಒಳಗಾದಾಗ ಆ ಜೀನ್ಗಳ ಸರಾಸರಿ ಚಟುವಟಿಕೆಯ ಮಟ್ಟಗಳು. ಪ್ರತಿ ಕಾರ್ನ್ ಜೀನ್ಗೆ "ನಾವು ಯೋಚಿಸಬಹುದಾದ ಪ್ರತಿಯೊಂದು ವೈಶಿಷ್ಟ್ಯವನ್ನು" ಮಾದರಿಯನ್ನು ಸಹ ನೀಡಲಾಯಿತು, ಅದರ ಉದ್ದ, ಅದರ ಸ್ಥಿರತೆ ಮತ್ತು ಅದರ ನಡುವಿನ ಯಾವುದೇ ವ್ಯತ್ಯಾಸಗಳು ಮತ್ತು ಇತರ ಕಾರ್ನ್ ಸಸ್ಯಗಳಲ್ಲಿ ಕಂಡುಬರುವ ಇತರ ಆವೃತ್ತಿಗಳನ್ನು ಒಳಗೊಂಡಂತೆ ಸ್ಕ್ನೇಬಲ್ ಹೇಳಿದರು.
ನಂತರ, ಸಂಶೋಧಕರು ತಮ್ಮ ಮಾದರಿಯನ್ನು ಆ ಜೀನ್ಗಳ ಉಪವಿಭಾಗದಲ್ಲಿರುವ ಕೇವಲ ಒಂದು ತುಣುಕು ಮಾಹಿತಿಯನ್ನು ಮರೆಮಾಡುವ ಮೂಲಕ ಪರೀಕ್ಷಿಸಿದರು: ಅವರು ಘನೀಕರಿಸುವ ತಾಪಮಾನದ ಆಕ್ರಮಣಕ್ಕೆ ಪ್ರತಿಕ್ರಿಯಿಸಿದ್ದಾರೆಯೇ ಅಥವಾ ಅವರು ಮಾಡಲಿಲ್ಲವೇ. ವಂಶವಾಹಿಗಳ ವೈಶಿಷ್ಟ್ಯಗಳನ್ನು ವಿಶ್ಲೇಷಿಸುವ ಮೂಲಕ ಪ್ರತಿಕ್ರಿಯಿಸುವ ಅಥವಾ ಸ್ಪಂದಿಸದಿರುವವು ಎಂದು ಹೇಳಿದಾಗ, ಮಾದರಿಯು ಆ ವೈಶಿಷ್ಟ್ಯಗಳ ಯಾವ ಸಂಯೋಜನೆಗಳು ಪ್ರತಿಯೊಂದಕ್ಕೂ ಸಂಬಂಧಿತವಾಗಿವೆ ಎಂಬುದನ್ನು ವಿವೇಚಿಸಿತು - ಮತ್ತು ನಂತರ ಉಳಿದ, ರಹಸ್ಯ-ಪೆಟ್ಟಿಗೆಯ ಜೀನ್ಗಳನ್ನು ಅವುಗಳ ಸರಿಯಾದ ವರ್ಗಗಳಾಗಿ ಯಶಸ್ವಿಯಾಗಿ ಸ್ಲಾಟ್ ಮಾಡಿತು.
ಇದು ಭರವಸೆಯ ಆರಂಭವಾಗಿದೆ, ನಿಸ್ಸಂದೇಹವಾಗಿ. ಆದರೆ ನಿಜವಾದ ಪರೀಕ್ಷೆ ಉಳಿದಿದೆ: ಮಾದರಿಯು ಒಂದು ಜಾತಿಯಲ್ಲಿ ಪಡೆದ ತರಬೇತಿಯನ್ನು ತೆಗೆದುಕೊಂಡು ಅದನ್ನು ಇನ್ನೊಂದಕ್ಕೆ ಅನ್ವಯಿಸಬಹುದೇ?
ಉತ್ತರವು ನಿರ್ಣಾಯಕ ಹೌದು. ಕಾರ್ನ್, ಸೋರ್ಗಮ್, ಪರ್ಲ್ ರಾಗಿ, ಪ್ರೊಸೊ ರಾಗಿ, ಫಾಕ್ಸ್ಟೈಲ್ ರಾಗಿ ಅಥವಾ ಸ್ವಿಚ್ಗ್ರಾಸ್ - ಕೇವಲ ಆರು ಜಾತಿಗಳಲ್ಲಿ ಒಂದರಿಂದ ಡಿಎನ್ಎ ಡೇಟಾದೊಂದಿಗೆ ತರಬೇತಿ ಪಡೆದ ನಂತರ - ಮಾದರಿಯು ಸಾಮಾನ್ಯವಾಗಿ ಇತರ ಐದರಲ್ಲಿ ಯಾವುದಾದರೂ ಜೀನ್ಗಳು ಘನೀಕರಣಕ್ಕೆ ಪ್ರತಿಕ್ರಿಯಿಸುತ್ತದೆ ಎಂದು ಊಹಿಸಲು ಸಾಧ್ಯವಾಯಿತು. ಸ್ಕ್ನೇಬಲ್ನ ಆಶ್ಚರ್ಯಕ್ಕೆ, ಮಾದರಿಯು ಶೀತ-ಸೂಕ್ಷ್ಮ ಪ್ರಭೇದಗಳಾದ ಕಾರ್ನ್, ಸೋರ್ಗಮ್, ಪರ್ಲ್ ಅಥವಾ ಪ್ರೊಸೊ ರಾಗಿ - ಆದರೆ ಶೀತ-ಸಹಿಷ್ಣು ಫಾಕ್ಸ್ಟೈಲ್ ರಾಗಿ ಅಥವಾ ಸ್ವಿಚ್ಗ್ರಾಸ್ನಲ್ಲಿ ಜೀನ್ ಪ್ರತಿಕ್ರಿಯೆಗಳನ್ನು ಊಹಿಸುವ ಕಾರ್ಯವನ್ನು ಹೊಂದಿದ್ದರೂ ಸಹ ಅದನ್ನು ಹಿಡಿದಿಟ್ಟುಕೊಳ್ಳುತ್ತದೆ.
ಮಾದರಿ
"ನಾವು ತರಬೇತಿ ನೀಡಿದ ಮಾದರಿಗಳು ನೀವು ನಿಜವಾಗಿಯೂ ಒಂದು ಜಾತಿಯಲ್ಲಿ ಡೇಟಾವನ್ನು ಹೊಂದಿದ್ದರೆ ಮತ್ತು ಅದೇ ಜಾತಿಯ ಭವಿಷ್ಯವನ್ನು ಮಾಡಲು ಆಂತರಿಕ ಡೇಟಾವನ್ನು ಬಳಸಿದಂತೆ ನಾವು ತರಬೇತಿ ನೀಡಿದ ಮಾದರಿಗಳು ಜಾತಿಗಳಾದ್ಯಂತ ಕೆಲಸ ಮಾಡುತ್ತವೆ" ಎಂದು ಅವರು ಹೇಳಿದರು, ತಿಂಗಳ ನಂತರ ಅವರ ಧ್ವನಿಯಲ್ಲಿ ಅದ್ಭುತವಾದ ಸುಳಿವು. "ನಾನು ಅದನ್ನು ನಿಜವಾಗಿಯೂ ಊಹಿಸುತ್ತಿರಲಿಲ್ಲ."
"ನಾವು ಈ ಎಲ್ಲಾ ಮಾಹಿತಿಯನ್ನು ಕಂಪ್ಯೂಟರ್ಗೆ ಫೀಡ್ ಮಾಡಬಹುದು ಮತ್ತು ಅದು ಕೆಲಸ ಮಾಡುವ ಮುನ್ನೋಟಗಳನ್ನು ಮಾಡಲು ಕನಿಷ್ಠ ಕೆಲವು ನಿಯಮಗಳನ್ನು ಕಂಡುಹಿಡಿಯಬಹುದು ಎಂಬ ಕಲ್ಪನೆಯು ನನಗೆ ಇನ್ನೂ ಅದ್ಭುತವಾಗಿದೆ."
ಪರ್ಯಾಯವನ್ನು ಪರಿಗಣಿಸುವಾಗ ಆ ಭವಿಷ್ಯವಾಣಿಗಳು ವಿಶೇಷವಾಗಿ ಉಪಯುಕ್ತವೆಂದು ಸಾಬೀತುಪಡಿಸಬಹುದು. ಸರಿಸುಮಾರು ಒಂದು ದಶಕದಿಂದ, ಸಸ್ಯ ಜೀವಶಾಸ್ತ್ರಜ್ಞರು ವಾಸ್ತವವಾಗಿ ಆರ್ಎನ್ಎ ಅಣುಗಳ ಸಂಖ್ಯೆಯನ್ನು ಅಳೆಯಲು ಸಮರ್ಥರಾಗಿದ್ದಾರೆ - ಡಿಎನ್ಎ ಸೂಚನೆಗಳನ್ನು ಲಿಪ್ಯಂತರ ಮತ್ತು ಸಾಗಿಸಲು ಜವಾಬ್ದಾರರು - ಜೀವಂತ ಸಸ್ಯದಲ್ಲಿ ಪ್ರತಿ ಜೀನ್ನಿಂದ ಉತ್ಪತ್ತಿಯಾಗುತ್ತದೆ. ಆದರೆ ಆ ಜೀನ್ ಅಭಿವ್ಯಕ್ತಿಯು ಜೀವಂತ ಮಾದರಿಗಳಲ್ಲಿ ಮತ್ತು ಅನೇಕ ಜಾತಿಗಳಲ್ಲಿ ಶೀತಕ್ಕೆ ಹೇಗೆ ಪ್ರತಿಕ್ರಿಯಿಸುತ್ತದೆ ಎಂಬುದನ್ನು ಹೋಲಿಸುವುದು ಶ್ರಮದಾಯಕ ಕಾರ್ಯವಾಗಿದೆ ಎಂದು ಸ್ಕ್ನೇಬಲ್ ಹೇಳಿದರು. ಕಾಡು ಸಸ್ಯಗಳಿಗೆ ಇದು ವಿಶೇಷವಾಗಿ ಸತ್ಯವಾಗಿದೆ, ಅದರ ಬೀಜಗಳನ್ನು ಸ್ವಾಧೀನಪಡಿಸಿಕೊಳ್ಳಲು ಕಷ್ಟವಾಗುತ್ತದೆ. ನಿರೀಕ್ಷಿಸಿದಾಗ ಆ ಬೀಜಗಳು ಮೊಳಕೆಯೊಡೆಯದೇ ಇರಬಹುದು, ಇಲ್ಲದಿದ್ದರೆ, ಮತ್ತು ಬೆಳೆಯಲು ವರ್ಷಗಳನ್ನು ತೆಗೆದುಕೊಳ್ಳಬಹುದು. ಅವರು ಮಾಡಿದರೂ ಸಹ, ಪ್ರತಿ ಸಸ್ಯವನ್ನು ಒಂದೇ ರೀತಿಯ, ನಿಯಂತ್ರಿತ ಪರಿಸರದಲ್ಲಿ ಬೆಳೆಸಬೇಕು ಮತ್ತು ಅದೇ ಬೆಳವಣಿಗೆಯ ಹಂತದಲ್ಲಿ ಅಧ್ಯಯನ ಮಾಡಬೇಕು.
ಹೆಚ್ಚು ಜಾತಿಗಳು
ಇವೆಲ್ಲವೂ ಶೀತಕ್ಕೆ ತಮ್ಮ ಜೀನ್ಗಳ ಪ್ರತಿಕ್ರಿಯೆಗಳನ್ನು ಪುನರಾವರ್ತಿಸಲು ಮತ್ತು ಸಂಖ್ಯಾಶಾಸ್ತ್ರೀಯವಾಗಿ ಮೌಲ್ಯಮಾಪನ ಮಾಡಲು ಸಾಕಷ್ಟು ಕಾಡು ಪ್ರಭೇದಗಳಿಂದ ಸಾಕಷ್ಟು ಕಾಡು ಮಾದರಿಗಳನ್ನು ಬೆಳೆಯಲು ಭಾರಿ ಸವಾಲನ್ನು ಒಡ್ಡುತ್ತದೆ.
"ನಾವು ನಿಜವಾಗಿಯೂ ಯಾವ ವಂಶವಾಹಿಗಳು ಮುಖ್ಯವಾದುದನ್ನು ಪಡೆಯಲು ಬಯಸಿದರೆ - ಸಸ್ಯವು ಶೀತಕ್ಕೆ ಹೇಗೆ ಹೊಂದಿಕೊಳ್ಳುತ್ತದೆ ಎಂಬುದರಲ್ಲಿ ವಾಸ್ತವವಾಗಿ ಪಾತ್ರವನ್ನು ವಹಿಸುತ್ತದೆ - ನಾವು ಎರಡು ಜಾತಿಗಳಿಗಿಂತ ಹೆಚ್ಚಿನದನ್ನು ನೋಡಬೇಕಾಗಿದೆ" ಎಂದು ಸ್ಕ್ನೇಬಲ್ ಹೇಳಿದರು. "ನಾವು ಶೀತವನ್ನು ಸಹಿಸಿಕೊಳ್ಳುವ ಜಾತಿಗಳ ಗುಂಪನ್ನು ಮತ್ತು ಸೂಕ್ಷ್ಮವಾದ ಗುಂಪನ್ನು ನೋಡಲು ಬಯಸುತ್ತೇವೆ ಮತ್ತು ಮಾದರಿಗಳನ್ನು ನೋಡಲು ಬಯಸುತ್ತೇವೆ: "ಇದೇ ಜೀನ್ ಯಾವಾಗಲೂ ಒಂದರಲ್ಲಿ ಪ್ರತಿಕ್ರಿಯಿಸುತ್ತದೆ ಮತ್ತು ಯಾವಾಗಲೂ ಇನ್ನೊಂದರಲ್ಲಿ ಪ್ರತಿಕ್ರಿಯಿಸುವುದಿಲ್ಲ."
"ಇದು ನಿಜವಾಗಿಯೂ ದೊಡ್ಡ ಮತ್ತು ದುಬಾರಿ ಪ್ರಯೋಗವಾಗಲು ಪ್ರಾರಂಭಿಸುತ್ತದೆ. 20 ಜಾತಿಗಳನ್ನು ತೆಗೆದುಕೊಂಡು ಅವೆಲ್ಲವನ್ನೂ ಒಂದೇ ಹಂತದಲ್ಲಿ ಪಡೆಯಲು ಪ್ರಯತ್ನಿಸುವ ಬದಲು ಆ ಜಾತಿಗಳ ಡಿಎನ್ಎ ಅನುಕ್ರಮಗಳಿಂದ ನಾವು ಭವಿಷ್ಯ ನುಡಿಯಲು ಸಾಧ್ಯವಾದರೆ ಅದು ನಿಜವಾಗಿಯೂ ಒಳ್ಳೆಯದು, ಮತ್ತು ಎಲ್ಲವನ್ನೂ ಒಂದೇ ರೀತಿಯ ಒತ್ತಡದ ಚಿಕಿತ್ಸೆಗಳ ಮೂಲಕ ಇರಿಸಿ. ಪ್ರತಿ ಜಾತಿಯ ಪ್ರತಿ ಜೀನ್ಗೆ ಉತ್ಪತ್ತಿಯಾಗುವ ಆರ್ಎನ್ಎ ಪ್ರಮಾಣವನ್ನು ಅಳೆಯಿರಿ."
ಅದೃಷ್ಟವಶಾತ್ ಮಾದರಿಗಾಗಿ, ಸಂಶೋಧಕರು ಈಗಾಗಲೇ 300 ಕ್ಕೂ ಹೆಚ್ಚು ಸಸ್ಯ ಪ್ರಭೇದಗಳ ಜೀನೋಮ್ಗಳನ್ನು ಅನುಕ್ರಮಿಸಿದ್ದಾರೆ. ನಡೆಯುತ್ತಿರುವ ಅಂತರರಾಷ್ಟ್ರೀಯ ಪ್ರಯತ್ನವು ಮುಂದಿನ ಕೆಲವು ವರ್ಷಗಳಲ್ಲಿ ಆ ಸಂಖ್ಯೆಯನ್ನು 10,000 ಕ್ಕೆ ತಳ್ಳಬಹುದು.
ಮಾದರಿಯು ಈಗಾಗಲೇ ತನ್ನ ಸಾಧಾರಣ ನಿರೀಕ್ಷೆಗಳನ್ನು ಮೀರಿಸಿದ್ದರೂ, ಮುಂದಿನ ಹಂತವು "ನಮ್ಮನ್ನು ಮತ್ತು ಇತರ ಜನರಿಗೆ ಮನವರಿಕೆ ಮಾಡುವುದನ್ನು" ಒಳಗೊಂಡಿರುತ್ತದೆ ಎಂದು ಸ್ಕ್ನೇಬಲ್ ಹೇಳಿದರು. ಇಲ್ಲಿಯವರೆಗಿನ ಪ್ರತಿಯೊಂದು ಪರೀಕ್ಷಾ ಪ್ರಕರಣದಲ್ಲಿ, ಸಂಶೋಧಕರು ಅವರು ಈಗಾಗಲೇ ತಿಳಿದಿರುವುದನ್ನು ಹೇಳಲು ಮಾದರಿಯನ್ನು ಕೇಳಿದ್ದಾರೆ. ಮಾನವರು ಮತ್ತು ಯಂತ್ರಗಳೆರಡೂ ಮೊದಲಿನಿಂದ ಪ್ರಾರಂಭಿಸಿದಾಗ ಅಂತಿಮ ಪರೀಕ್ಷೆ ಬರುತ್ತದೆ ಎಂದು ಅವರು ಹೇಳಿದರು.
"ನಾವು ಮಾಡಬೇಕಾದ ಮುಂದಿನ ದೊಡ್ಡ ಪ್ರಯೋಗವೆಂದರೆ ನಾವು ಯಾವುದೇ ಡೇಟಾವನ್ನು ಹೊಂದಿರದ ಜಾತಿಯ ಬಗ್ಗೆ ಭವಿಷ್ಯ ನುಡಿಯುವುದು" ಎಂದು ಅವರು ಹೇಳಿದರು. "ನಮಗೆ ಉತ್ತರಗಳು ತಿಳಿದಿಲ್ಲದ ಸಂದರ್ಭಗಳಲ್ಲಿ ಇದು ನಿಜವಾಗಿಯೂ ಕೆಲಸ ಮಾಡುತ್ತದೆ ಎಂದು ಜನರಿಗೆ ಮನವರಿಕೆ ಮಾಡಲು."
ತಂಡವು ತನ್ನ ಸಂಶೋಧನೆಗಳನ್ನು ಜರ್ನಲ್ ಪ್ರೊಸೀಡಿಂಗ್ಸ್ ಆಫ್ ದಿ ನ್ಯಾಷನಲ್ ಅಕಾಡೆಮಿ ಆಫ್ ಸೈನ್ಸಸ್ನಲ್ಲಿ ವರದಿ ಮಾಡಿದೆ. ಮೆಂಗ್, ಲಿಯಾಂಗ್ ಮತ್ತು ಷ್ನಾಬಲ್ ಅವರು ನೆಬ್ರಸ್ಕಾದ ರೆಬೆಕಾ ರೋಸ್ಟನ್, ಯಾಂಗ್ ಜಾಂಗ್, ಸಮಿರಾ ಮಹಬೌಬ್ ಮತ್ತು ಪದವಿಪೂರ್ವ ವಿದ್ಯಾರ್ಥಿ ಡೇನಿಯಲ್ ನ್ಗು ಅವರೊಂದಿಗೆ ಶಾಂಡಾಂಗ್ ಕೃಷಿ ವಿಶ್ವವಿದ್ಯಾಲಯದ ಸಂದರ್ಶಕ ವಿದ್ವಾಂಸರಾದ ಕ್ಸಿಯುರು ಡೈ ಅವರೊಂದಿಗೆ ಅಧ್ಯಯನವನ್ನು ಬರೆದಿದ್ದಾರೆ.
ಹೆಚ್ಚಿನ ಮಾಹಿತಿಗಾಗಿ:
ನೆಬ್ರಸ್ಕಾ ಲಿಂಕನ್ ವಿಶ್ವವಿದ್ಯಾಲಯ
www.unl.edu