Integrating machine learning and mechanistic modeling towards adaptation of plants to climate change

Abstract

This dissertation focuses on the pressing issue of climate change and its impact on agricultural yield. Crop species, particularly polyploids, present challenges when investigating these effects. To overcome these challenges, our research centres on Arabidopsis thaliana, known for genes homologous to those linked to crop yield, found in various crops like wheat, rice, and tomato, contributing to similar traits and enhancing tolerance to adverse conditions. Furthermore, prior studies have revealed connections between these yield-associated genes and flowering genes in Arabidopsis. The primary aim of this study is to improve the predictive power of Arabidopsis’s flowering time in response to variations in ambient temperature by harnessing the potential of integrated machine learning and mechanistic modelling techniques. Synergizing machine learning’s data-driven pattern recognition with mechanistic modelling’s knowledge-based causal understanding enhances predictability and deepens our understanding of plant responses to temperature. To achieve this goal, we employ three methods: Biological Network Integration using Convolutions (BIONIC), Python-based Weighted Gene Correlation Network Analysis (PyWGCNA), and Bioinformatics Approach to Describe Dynamical Activations of a Dimension-reduced Arabidopsis Network (BADDADAN), for the robust detection of gene modules, the inference of relationships between module expression and relevant traits, as well as the mathematical formulation of found regulatory interactions. This endeavour is further strengthened by validating these relationships through Gene Set Enrichment Analysis (GSEA), ensuring a coherent functional grouping of modules within biologically relevant processes. Our research uncovers 14 modules that exhibit significant associations with temperature. Notably, five of these modules are intricately linked to the flowering process, while two modules exhibit dual associations with cold response and flowering regulation. This work deepens our understanding of how temperature influences the regulatory interactions within Arabidopsis, offering valuable insights into the influence of climate on plant development.

Esta dissertação foca-se na questão das alterações climáticas e o seu impacto no rendimento agrícola. Espécies de culturas agrícolas, particularmente poliploides, desafiam a investigação desses efeitos. Para superar estas dificuldades, este estudo centra-se na Arabidopsis thaliana, conhecida pelos genes homólogos aos associados ao rendimento, encontrados em culturas como o trigo, o arroz e o tomate, que contribuem para características semelhantes e melhoram a tolerância a condições adversas. Estudos anteriores revelam também ligações entre genes associados ao rendimento e à floração na Arabidopsis. O principal objetivo deste estudo é aprimorar a capacidade preditiva do tempo de floração da Arabidopsis em resposta a variações na temperatura ambiente, explorando o potencial da integração de técnicas de aprendizagem automática e modelação mecanística. A combinação da capacidade de reconhecimento de padrões da aprendizagem automática com a compreensão causal da modelação mecanística melhora a previsibilidade e aprofunda a nossa compreensão das respostas das plantas à temperatura. Este estudo recorre a três métodos: Biological Network Integration using Convolutions (BIONIC), Python-based Weighted Gene Correlation Network Analysis (PyWGCNA), e Bioinformatics Approach to Describe Dynamical Activations of a Dimension-reduced Arabidopsis Network (BADDADAN), para detetar módulos de genes, inferir associações entre a expressão de módulos e características relevantes, e a formulação matemática de interações regulatórias. Esta abordagem é consolidada através de Gene Set Enrichment Analysis (GSEA), assegurando o agrupamento funcional dos módulos em processos biologicamente relevantes. Os resultados revelaram 14 módulos de genes que demonstram associações significativas com a temperatura. Cinco destes ligados ao processo de floração, enquanto dois módulos apresentam uma dupla associação com a resposta ao frio e a regulação da floração. Este trabalho aprofunda o nosso conhecimento sobre como a temperatura influencia as interações regulatórias na Arabidopsis, proporcionando perspetivas valiosas em relação à influência do clima no desenvolvimento da planta.