一种叫做“景观转录组学”的新方法可能有助于找出导致大黄蜂压力的原因，并最终能为蜜蜂种群总体下降的原因提供洞察，研究人员在一项新研究中表示。该研究由宾州州立大学的研究人员领导，团队在《分子生态学》杂志上发表了他们的发现。
这项研究是景观转录组学这一新兴领域的首次测试，近期由宾州州立大学农业科学学院的跨学科团队设想。团队假设，收集野生动物和植物并根据其基因表达谱中的特定模式或特征来确定它们所经历的压力源是可能的。
在这项研究中，科学家们使用了一种名为机器学习的人工智能方法，评估个体大黄蜂的基因表达谱。研究人员发现，该方法可以准确识别大黄蜂在实验室和野外环境中经历的各种压力源的遗传特征，例如过高或过低的温度。
当时还是农业科学学院博士后学者的加布里埃拉·昆兰表示，研究结果表明，景观转录组学可以加速对濒危物种的保护工作。
她说：“这在演示识别濒危种群的新策略方面是一个重大进步，并展示了如何在实验室和现场使用这些机器学习模型。我们还发现了一些直接应用的见解，例如与大黄蜂不同压力源相关的一组基因，这是我们之前没有的数据。”
研究人员表示，像许多其他植物和动物物种一样，蜜蜂的数量目前在全球范围内处于下降状态，这表明某些因素正在造成足以引发种群下降的压力。然而，确切了解这些压力源是什么可能是具有挑战性的。
根据克里斯蒂娜·格罗辛格的说法，景观转录组学在这方面发挥了作用。她是昆虫学的普布利乌斯·维吉利乌斯·马罗教授及哈克生命科学研究所的主任。
格罗辛格说：“这就像法医生物学，您可以查看一个生物体的基因表达模式，并识别与其所经历的压力相关的特征或指纹。景观转录组学应该能够比传统方法更快地识别目标物种中的受压力种群，而传统方法需要长时间收集和分析许多样本。”
虽然以往研究发现可以在实验室条件下检测特定压力源的转录特征，研究团队想知道这种方法在野生生物中是否仍然可行。
格罗辛格说：“在典型的实验室研究中，我们使用来自相同遗传背景、相同年龄、以相同方式饲养的生物体，并在严格控制的条件和时间段内暴露于压力源。但在野外收集生物时，我们对它们或它们经历的压力源一无所知，因此我们很好奇是否仍然能看到这些特定的与压力相关的转录性指纹。”
在这项研究中，研究人员首先在实验室进行了一项实验，让大黄蜂暴露于不同类型的压力源，包括热、冷和免疫挑战。随后，他们提取了蜜蜂的RNA——用于构建蛋白质并帮助调节生物功能的遗传物质，并将样本送往宾州州立大学基因组核心设施进行高通量测序。
这为研究人员提供了与每个基因对应的RNA链数量的信息，代表了基因表达模式。然后，利用那些受到不同压力源影响的个体的RNA谱来训练机器学习模型，这是一种人工智能，用于识别与每种压力源相关的基因表达模式。
昆兰表示，这项研究的一个优势在于他们采用的方法，训练机器学习模型识别每种压力源的不同遗传特征。
她说：“我们知道在自然界中，生物体将同时受到多种压力源的影响，那么我们如何区分一种压力源与另一种压力源呢？我们使用了一种算法，它考虑了所有基因的输入，并找出蜜蜂经历每种压力源时所出现的模式。我们得到了一个准确率为92%的模型，然后可以用它来评估野生蜜蜂。”
在第二个实验中，团队从两个地点收集了野生蜜蜂：一个是在宾州州立大学的植物园，另一个是在森林覆盖的更山地区。
这些地点的选择是为了增加蜜蜂接触不同压力源的可能性——植物园的蜜蜂可以获得充足的花源和阳光，而来自第二个地点的蜜蜂则经历了更多的阴影，可能没有那么多的花可觅食。
在分析这些蜜蜂的转录组后，研究人员发现该模型再次在预测蜜蜂经历的压力源方面非常准确。然而，研究人员发现这些特征在蜜蜂的RNA中持续的时间并不长。在热浪过后的早上收集的蜜蜂中，当环境温度恢复到正常时，它们的热压力遗传特征不再可见。
但这也意味着研究人员能够获得有关蜜蜂日常生活的精确细节。例如，他们发现，与晚间相比，早晨收集的许多蜜蜂表现出了饥饿压力的特征，这可能为蜜蜂的觅食行为及其觅食动机提供了洞察。
昆兰表示，未来可以进一步训练这些模型，以识别蜜蜂经历了更长时间的压力源。
她说：“这项研究的初衷是希望看到持续时间更长的特征，从而了解是什么在长期内对这些蜜蜂施加压力，并可能导致种群下降。转录组学非常敏感，可以捕捉到当下发生的情况，因此可能需要训练这些模型，以识别这些更长期的、更细微的差异。”
海瑟·海因斯，生物学与昆虫学的副教授，也参与了这项研究。
宾州州立大学农业科学学院的战略网络与倡议项目，以及美国国家科学基金会生物学博士后研究奖学金项目为这项研究提供了支持。
