Краткая информация о проекте
(2022-2024 г.г.)
Наименование проекта: ИРН AP14871004 «Изучение фитопатологических и ботанических аспектов популяций дикой яблони Северного Тянь-Шаня».
Актуальность. Дикорастущие растения являются оригинаторами всех известных культурных растений и по настоящий момент являются важным источником генетического материала для улучшения качеств сельскохозяйственных культур для продовольственного обеспечения. Несмотря на высокую ценность дикоплодовых растений, прослеживается тенденция катастрофического сокращения ареалов их произрастания, снижения видового и генетического разнообразия, а также деградации природных плодовых лесов за последние десятилетия. Данные проблемы грозят потерей видового разнообразия и нарушениями экосистем. В диких яблоневых сообществах Казахстана произрастает ценный вид яблони — Malus sieversii, который считается прямым предком культурной яблони. Тем не менее, в стране, до 70% яблоневых лесов было сокращено за последние 40 лет. Дикая яблоня, безусловно, нуждается в сохранении, рациональном использовании и изучении для поиска актуальных методов ее возрождения.
Цель проекта: эколого-биологическое изучение популяций дикой яблони на территории Джунгарского и Заилийского Алатау с использованием современных молекулярно-генетических методов, ГИС- и IT-технологий для сохранения генетического потенциала диких популяций, мониторинга и восстановления деградирующих диких лесов.
Ожидаемые результаты:
1) публикация статей в зарубежных рецензируемых научных журналах
— не менее 2 (двух) статей и (или) обзоров в рецензируемых научных изданиях по научному направлению проекта, индексируемых в Science Citation Index Expanded базы Web of Science и (или) имеющих процентиль по CiteScore в базе Scopus не менее 35 (тридцати пяти);
— либо не менее 1 (одной) статьи или обзора в рецензируемом научном издании по научному направлению проекта, индексируемом в Science Citation Index Expanded базы Web of Science и (или) имеющем процентиль по CiteScore в базе Scopus не менее 35 (тридцати пяти), и не менее 1 (одного) патента, включенного в базу данных Derwent Innovations Index (Web of Science, Clarivate Analytics);
— не менее 1 (одной) статьи или обзора в рецензируемом зарубежном или отечественном издании, рекомендованном КОКСОН;
— либо не менее 1 (одной) статьи или обзора в рецензируемом научном издании, входящем в 1 (первый) квартиль по импакт-фактору в базе Web of Science;
Предполагаемые издания: Information Processing in Agriculture, CiteScore 2020- 9.9, Percentile -99%, Q-1 https://www.scopus.com/sources.uri; Plant Disease, CiteScore 2020- 3.0, Percentile -71%, Q-1, https://www.scopus.com/sourceid/60195; Neural Networks, CiteScore 2020 – 10.9, Percentile -97%, Q-1 https://www.scopus.com/sourceid/24804.
2) опубликование монографий, книг и (или) глав в книгах зарубежных и (или) казахстанских издательств; не предусматривается
3) получение патентов в зарубежных патентных бюро (европейском, американском, японском), в казахстанском или евразийском патентном бюро; будет получен патент на разработанные карты двух популяций дикой яблони и авторское свидетельство на модель нейронной сети.
4) разработка научно-технической, конструкторской документации; не предусмотрено
5) распространение результатов работ среди потенциальных пользователей, сообщества ученых и широкой общественности; будут опубликованы и распространены методические пособия по результатам исследования, опубликованы онлайн карты популяций и данные инфекционного фона, результаты прогноза развития популяций.
6) другие измеримые результаты в соответствии с требованиями конкурсной документации и особенностями проекта.
1) область применения и целевые потребители каждого из ожидаемых результатов; рациональное природопользование, экология, фитопатология, компьютерные науки, сельское хозяйство. КазНИИ природопользования и аграрного направления, КазНИИ фундаментальных исследований в области географии и биологии, компьютерных наук.
2) влияние ожидаемых результатов на развитие основного научного направления и смежных областей науки и технологий; полученные результаты в ходе выполнения проекта позволят выявить влияние основных биотических и абиотических факторов на сохранность популяций дикой яблони, прогнозировать вектор развития популяций с применением современных методов экологии, фитопатологии и компьютерных наук. Впервые будут проведены точное геоинформационное картографирование двух популяций с определением GPS-параметров каждого дерева, что позволит в реальном времени отслеживать состояние данных популяций и применить метод к остальным популяциям диких растений для повышения качества мониторинга, разработанная модель нейронной сети может быть использована для прогноза развития других популяций яблони и переобучена для исследования разных видов растений, что позволит интенсифицировать сектор рационального природопользования и агропромышленный сектор. Выявление вирусных патогенов в дикой популяции яблони проводится впервые и будет показана устойчивость дикой яблони к пяти вирусам, что послужит основой для исследования генетических основ устойчивости к вирусным инфекциям. Разработанная модель прогноза на основе нейронных сетей позволит своевременно предпринять меры по сохранению генофонда дикой яблони.
Разработанная комплексная методика изучения популяций в данном проекте может быть апробирована на больших популяциях и применима для отслеживания здоровья популяций диких растений в мире.
3) применимость и (или) возможность коммерциализации полученных научных результатов; Разработанная комплексная методика исследования развития популяций дикой яблони может быть применима для анализа разных популяций дикой яблони и других видов растений с целью сохранения и рационального использования биоразнообразия. Результаты исследования обладают высоким потенциалом для коммерциализации и могут быть использованы для оказания услуг по проведению прогноза продуктивности полей и садов культурных растений при использовании результатов анализа инфекционного фона и абиотических факторов.
4) социальный, экономический, экологический, научно-технический, мультипликативный и (или) иной эффект результатов проекта с обоснованием; исследования популяций диких растений позволят усовершенствовать методы их мониторинга для сохранения генофонда страны, предотвратить деградацию популяций особо-ценных видов растений. Сохранение генофонда дикой яблони позволит рационально использовать его для направленной селекции сортов культурной яблони с высокими хозяйственно-ценными признаками. Кроме того, популяции дикой яблони поддерживают численность полезных насекомых, таких как пчелы, популяции которых сокращаются катастрофическими темпами ежегодно. Доступность онлайн карт популяций и результатов влияния биотических и абиотических факторов на их развитие в динамике приведет к экологической грамотности населения и позволит каждому гражданину страны оценить уровень сохранности биоразнообразия страны.
5) другие прямые и косвенные результаты проекта с указанием их качественных и количественных характеристик; растительный материал будет сохранен для определения штаммов патогенов и выявления генетического родства с патогенами Европейского, Американского и Азиатского регионов. Будет разработан атлас с фотографией и ботаническим описанием каждого дерева популяции, от каждого дерева двух популяций будут собраны плоды для изоляции семечек и сохранения их для нужд селекции.
Научный руководитель проекта: Долгих Светлана Георгиевна
Члены исследовательской группы:
1. Гриценко Д.А.
2. Джуманова Ж.К.
3. Солтанбеков С.
4. Хуснитдинова М.А.
5. Таскужина А.К.
6. Абдрахманова А. Б.
Список публикаций и патентов исполнителей проекта за период 2017-2022 гг.
1. Bassova, T., Khusnitdinova, M., Geldyeva, G., & Skorintseva, I. (2016). Anthropogenic disturbance of landscapes in the border area of Kazakhstan and Kyrgyzstan. International Multidisciplinary Scientific GeoConference: SGEM, 2, 45-52. Индекс цитирования – 0, DOI — 10.5593/SGEM2016/B52/S20.007
2. Barrett, T., Feola, G., Khusnitdinova, M., & Krylova, V. (2017). Adapting agricultural water use to climate change in a post-Soviet context: Challenges and opportunities in Southeast Kazakhstan. Human ecology, 45(6), 747-762. Индекс цитирования – 16, Процентиль – 91, Квартиль- Q2
3. Barrett, T., Feola, G., Krylova, V., & Khusnitdinova, M. (2017). The application of Rapid Appraisal of Agricultural Innovation Systems (RAAIS) to agricultural adaptation to climate change in Kazakhstan: A critical evaluation. Agricultural Systems, 151, 106-113. Индекс цитирования – 6, Процентиль – 99, Квартиль- Q1.
4. Omasheva, M., Pozharskiy, A., Galiakparov, N. (2017). To what extent do wild apples in Kazakhstan retain their genetic integrity? Tree Genetics and Genomes. Индекс цитирования – 18, DOI -10.1007/s11295-017-1134-z
5. Gritsenko, D., Pozharsky, A, Deryabina, N., Kassenova, A, Galiakparov N. Genetic analysis of hemagglutinin proteins of H3 and H1 subtypes in Kazakhstan // Genetika, 2019. Индекс цитирования – 0, Процентиль – 32, Квартиль- Q3 DOI: 10.2298/GENSR1902511G.
6. Gritsenko D., Aubakirova K., Galiakrapov N. Simultaneous detection of five apple viruses by RT-PCR. International Journal of Biology and Chemistry (2020) v. 13, n. 1, p. 129-134. 2020. Индекс цитирования –0, doi: 10.26577/ijbch.2020.v13.i1.13.
7. A.S. Pozharskiy, K. Aubakirova, D. Gritsenko, N. Galiakparov. Genotyping and morphometric analysis of Kazakhstani grapevine cultivars versus Asian and European cultivars // Genet. Mol. Res., 2020. Индекс цитирования – 0, DOI: 10.4238/gmr18482.
8. Gritsenko, P., Gritsenko, I., Seidakhmet, A., & Kwolek, B. (2018, September). Plane object-based high-level map representation for slam. In International Conference on Computer Vision and Graphics (pp. 91-102). Springer, Cham. Индекс цитирования – 3, DOI: 10.1007/978-3-030-00692-1_9.
9. Gritsenko, I., Seidakhmet, A., Abduraimov, A., Gritsenko, P., & Bekbaganbetov, A. (2017, August). Delta robot forward kinematics method with one root. In 2017 International Conference on Robotics and Automation Sciences (ICRAS) (pp. 39-42). IEEE. Индекс цитирования – 3, DOI: 10.1109/ICRAS.2017.8071913.
10. Gritsenko, P. S., Gritsenko, I. S., Seidakhmet, A. Z., & Abduraimov, A. E. (2017, September). Generation of RGB-D data for SLAM using robotic framework V-REP. In AIP Conference Proceedings (Vol. 1880, No. 1, p. 060005). AIP Publishing LLC. Индекс цитирования – 0, DOI: 10.1109/ICRAS.2017.8071913.
11. Zhigailov, A. V., Stanbekova, G. E., Nizkorodova, A. S., Galiakparov, N. N., Gritsenko, D. A., Polimbetova, N. S., … & Iskakov, B. K. (2022). Phosphorylation of the alpha-subunit of plant eukaryotic initiation factor 2 prevents its association with polysomes but does not considerably suppress protein synthesis. Plant Science, 111190. Индекс цитирования – 1, Процентиль – 92, Квартиль- Q1 PubMed: 26964019.
12. Gritsenko, D., Zulfiya Kachiyeva, Gulzhan Zhamanbayev, Bakhytzhan DuisembekoV, Abai Sagitov. Detection of five potato viruses in Kazakhstan // IX International scientific agriculture symposium “AGROSYM 2018”., p. 611.
Патенты:
1. Патент на изобретение № 27409 (2014) «Способ увеличения приживаемости эксплантов яблони сорта Апорт при введении в культуру тканей»
2. Патент на изобретение №27410 (2014) «Способ увеличения активности регенерации и размножения яблони сорта Апорт in vitro»
3. Патент на изобретение № 33633 (2019 г) «Набор синтетических олигонуклеотидов для диагностики бактериального ожога на плодовых культурах методом LAMP»
4. Патент на изобретение № 33634 (2019 г) «Набор синтетических олигонуклеотидов для обнаружения вирусов яблони методом ОТ-ПЦР»
Достигнутые результаты за 2022 г.: В период проведения экспедиций была проведена мультиспектральная аэрофотосъёмка популяций в период цветения и в период созревания плодов в 2022 г. Была проведена диагностика собранных образцов дикой яблони на наличие пяти наиболее опасных вирусов яблони, Phytophthora plurivora и Erwinia amylovora. Был выявлен инфекционный статус проверенных образцов яблони. Была проведена ботаническая оценка каждого дерева популяции, а также анализ возраста популяции.
Были созданы карты двух популяций дикой яблони на территории Джунгарского и Заилийского Алатау в программе ArcGis-10.5, количество деревьев в популяции 50-100. Был проведен сбор растительного материала с каждого дерева и проведен анализ проб почвы.
Публикации (2022 г.): нет
