Πληροφορίες

Πού θα βρείτε δεδομένα για διαφορετικές καλλιέργειες

Πού θα βρείτε δεδομένα για διαφορετικές καλλιέργειες


We are searching data for your request:

Forums and discussions:
Manuals and reference books:
Data from registers:
Wait the end of the search in all databases.
Upon completion, a link will appear to access the found materials.

Γεια σας Δεν είμαι σίγουρος αν αυτό είναι το κατάλληλο μέρος για αυτήν την ερώτηση. Αν όχι, ευχαρίστως να το μετακινήσω.

Προσπαθώ να βρω μια πηγή δεδομένων για διαφορετικές καλλιέργειες, υπάρχει κάποια κυβερνητική βάση δεδομένων που φιλοξενεί τέτοιου είδους δεδομένα; Αφού έψαξα για μερικές ώρες στο google και διάβασα μερικά διαφορετικά άρθρα, δεν βρήκα πραγματικά αυτό που έψαχνα.

Για παράδειγμα, εξετάστε τις καλλιέργειες καλαμποκιού, σιταριού, σόργου και ζαχαροκάλαμου. Θα μπορούσα να κοιτάξω τα διαφορετικά είδη υδατανθράκων και τις αναλογίες τους σε αυτές τις καλλιέργειες ή θα μπορούσα να ήθελα να μάθω την ποσότητα νερού που απαιτείται για να παραχθεί κάποια απόδοση, το είδος του εδάφους που αρέσει σε κάθε καλλιέργεια καθώς και πώς έχουν διαφορετικά υβρίδια και μεταλλαγμένα διαφορετικές ανάγκες ή ποιότητες.


Πώς να βρείτε δεδομένα για κρούσματα μολυσματικών ασθενειών

Τις τελευταίες δύο εβδομάδες ερευνούσα το τρέχον τοπίο των δημοσίως διαθέσιμων δεδομένων σχετικά με τα κρούσματα μολυσματικών ασθενειών. Αυτά τα δεδομένα έχουν αναφερθεί μέσω πολλών καναλιών. Ακολουθεί μια συζήτηση σχετικά με διάφορα σύνολα δεδομένων, ποια δεδομένα συλλέγονται και πώς παρουσιάζονται, πώς χρηματοδοτούνται και πού μπορούν να βρεθούν.

1. Βάσεις δεδομένων ΠΟΥ/ΟΗΕ

Ο Παγκόσμιος Οργανισμός Υγείας (ΠΟΥ) διαθέτει ένα εύρος συνόλων δεδομένων διαθέσιμο για πρόσβαση του κοινού στην ιστοσελίδα του. Υπάρχουν ορισμένα σύνολα δεδομένων διαθέσιμα για συγκεκριμένες μολυσματικές ασθένειες/ομάδες ασθενειών, όπως: HIV/AIDS, φυματίωση, ελονοσία, παραμελημένες τροπικές ασθένειες, χολέρα, γρίπη, μηνιγγίτιδα και σεξουαλικά μεταδιδόμενες λοιμώξεις. Για ένα πιο ολοκληρωμένο σύνολο δεδομένων σχετικά με έναν αριθμό μολυσματικών ασθενειών, οι «Παγκόσμιες Εκτιμήσεις Υγείας 2015» περιλαμβάνουν ποσοστά θνησιμότητας ανάλογα με τις ασθένειες, ανά φύλο και ηλικία. Τα δεδομένα συλλέγονται και αναφέρονται από το 2000-2015. Τα δεδομένα είναι διαθέσιμα σε αρχεία .csv και .xls, διασφαλίζοντας φιλική προς το χρήστη εξαγωγή δεδομένων. Αυτό το έργο χρηματοδοτείται από τον ΠΟΥ και μπορείτε να το προσπελάσετε εδώ.

2. Σειρά IHME- Global Burden of Disease (GBD).

Το Lancet δημοσίευσε τη μεγαλύτερη παρατηρητική επιδημιολογική μελέτη σχετικά με το βάρος της νόσου, που διεξήχθη από το Institute of Health Metrics Evaluation (IHME) του Πανεπιστημίου της Ουάσιγκτον. Η πιο πρόσφατη επανάληψη της μελέτης διεξήχθη το 2016. Η επιβάρυνση της νόσου μετριέται συνήθως με βάση τη θνησιμότητα, τη νοσηρότητα, τη συχνότητα εμφάνισης και τον επιπολασμό σε αυτές τις βάσεις δεδομένων. Τα δεδομένα που συλλέχθηκαν και αναφέρθηκαν χρονολογούνται από το 1970 έως το 2016 και καλύπτουν 333 ασθένειες και τραυματισμούς. Τα δεδομένα που αναφέρονται περιλαμβάνουν μεταδοτικές και μη μεταδοτικές ασθένειες. Οι βάσεις δεδομένων παρουσιάζονται μέσω πολλών άρθρων, επιτρέποντας την ατομική πρόσβαση σε συμπληρωματικό υλικό και σε σχήματα και εικόνες. Αυτά τα συμπληρωματικά υλικά δεν είναι διαδραστικά και μπορούν να προσπελαστούν μόνο μέσω μορφών PDF, γεγονός που καθιστά δύσκολη την εξαγωγή μεγάλων ποσοτήτων δεδομένων. Παρόλο που υπάρχει ένας τεράστιος αριθμός ασθενειών, δεν υπάρχουν όλες στα σύνολα δεδομένων - για παράδειγμα: η χολέρα. Κάθε άρθρο μελέτης χρηματοδοτήθηκε μεμονωμένα από πολλούς χρηματοδότες, μερικοί βασικοί οργανισμοί περιλαμβάνουν: το Ίδρυμα Gates, τα Εθνικά Ινστιτούτα Υγείας, την Παγκόσμια Τράπεζα, το Εθνικό Ίδρυμα Επιστημών και το Ινδικό Συμβούλιο Ιατρικής Έρευνας. Το IHME έχει διαθέσει ένα εργαλείο αποτελεσμάτων στο διαδίκτυο, το οποίο μπορεί να φιλτράρει τα δεδομένα του 2016 κατά τοποθεσία, έτος, ηλικία, φύλο και μέτρηση επιβάρυνσης για τις προσδιορισμένες αιτίες/ασθένειες. Αυτό το εργαλείο επιτρέπει την εξαγωγή των δεδομένων σε ένα αρχείο .csv. Επιπλέον, όλες οι πηγές δεδομένων είναι διαθέσιμες εδώ.

3. Μελέτη της Φύσης

Η αρχική μελέτη που δημοσιεύτηκε από τους Jones et al (2008), «Παγκόσμιες τάσεις στις αναδυόμενες λοιμώδεις νόσους», έχει ενημερωθεί έκτοτε από τους Allen et al (2017), «Παγκόσμιες εστίες και συσχετίσεις αναδυόμενων ζωονοσογόνων παθήσεων». Τα δεδομένα σε αυτή τη μελέτη συλλέγονται μέσω μιας εκτενούς βιβλιογραφικής ανασκόπησης, συλλέγοντας δεδομένα από το 1940 και μετά. Η μελέτη προσδιορίζει τα χωρικά, χρονικά και βιολογικά χαρακτηριστικά μιας ασθένειας κατά την αρχική της εμφάνιση στον ανθρώπινο πληθυσμό. Η μελέτη επιδιώκει να προσδιορίσει γιατί εμφανίζονται ασθένειες στον ανθρώπινο πληθυσμό, αντί να παρέχει μετρήσεις θνησιμότητας και νοσηρότητας για κάθε ξέσπασμα. Οι συμπληρωματικές πληροφορίες περιλαμβάνουν το σύνολο δεδομένων που δημιουργήθηκε και διατίθενται στο διαδίκτυο μέσω του περιοδικού Nature. Η αρχική μελέτη χρηματοδοτήθηκε από NSF, NIH, The New York Community Trust, V. Kann Rasmussen Foundation και Columbia University Earth Institute. Η ενημερωμένη μελέτη χρηματοδοτήθηκε από τον Οργανισμό Διεθνούς Ανάπτυξης των Ηνωμένων Πολιτειών (USAID) και το Υπουργείο Άμυνας, Υπηρεσία Μείωσης Αμυντικών Απειλών.

Το Παγκόσμιο Δίκτυο Λοιμωδών Νοσημάτων και Επιδημιολογίας (GIDEON) παρέχει δεδομένα επιδημίας μολυσματικών ασθενειών στους συνδρομητές του και μπορούν να έχουν πρόσβαση εδώ. Η GIDEON ιδρύθηκε το 1992 και διατίθεται ως διαδικτυακή εφαρμογή και σειρά ebook. Τα δεδομένα συλλέγονται από δημοσιεύσεις που έχουν αξιολογηθεί από ομοτίμους, εκθέσεις του εθνικού υπουργείου Υγείας και άλλους βασικούς παγκόσμιους παράγοντες υγείας (π.χ. ΠΟΥ και CDC). Το σύστημα ενημερώνεται συχνά για να διασφαλίζεται ότι τα δεδομένα είναι όσο το δυνατόν ακριβέστερα και σχετικά. Υπάρχουν δύο κύριες κατηγορίες στο GIDEON: οι λοιμώδεις νόσοι και η μικροβιολογία. Η βάση δεδομένων είναι προσβάσιμη με μια δωρεάν δοκιμή 15 ημερών και μετά από μηνιαία συνδρομή 99,90 $ (συμβόλαιο 1 έτους) ή 199,90 $ (μηνιαίες κυλιόμενες βάσεις). Το GIDEON είναι ένας ιδιωτικός οργανισμός και χρηματοδοτείται από αυτές τις συνδρομές. Αν και το GIDEON απαιτεί συνδρομή, έχει χρησιμοποιηθεί σε αρκετές δημοσιευμένες μελέτες με βάσεις δεδομένων που είναι διαθέσιμες. Πιο συγκεκριμένα, οι Smith et al συνέταξαν ένα ολοκληρωμένο σύνολο δεδομένων από το GIDEON που εκτείνεται σε μια περίοδο 33 ετών (1980-2013).

5. Health Map

Το HealthMap ιδρύθηκε το 2006 στο Νοσοκομείο Παίδων της Βοστώνης για να παρέχει παρακολούθηση σε πραγματικό χρόνο των εστιών μολυσματικών ασθενειών. Το λογισμικό χρησιμοποιεί ελεύθερα διαθέσιμες, άτυπες διαδικτυακές πηγές δεδομένων, συμπεριλαμβανομένων, ενδεικτικά, των: ProMED, WHO, OIE, FAO, Google News και EuroSurveillance. Τα δεδομένα εμφανίζονται μέσω χάρτη, με κάθε σημείο να υποδεικνύει μια εστία. Τα δεδομένα μπορούν να φιλτραριστούν κατά ασθένεια, τοποθεσία, πηγή, είδος και ημερομηνία. Εναλλακτικά, τα δεδομένα μπορούν να προβληθούν μέσω μιας μορφής λίστας ή σε ένα γράφημα χρονοσειρών. Η πρόσβαση στα δεδομένα είναι δυνατή μέσω διαδικτύου ή μέσω της εφαρμογής για κινητά "επιδημίες κοντά μου". Η πηγή δεδομένων διατίθεται κυρίως μέσω χρηματοδότησης από: Google, Ίδρυμα Gates, Unilever, USAID, Amazon, Merck, Twitter, CIHR, CDC, Οργανισμό Μείωσης Αμυντικών Απειλών (DTRA), IARPA και την Εθνική Βιβλιοθήκη Ιατρικής των ΗΠΑ. Το HealthMap είναι προσβάσιμο εδώ.

Το Πρόγραμμα Παρακολούθησης Αναδυόμενων Νοσημάτων (ProMED) είναι ένα πρόγραμμα της Διεθνούς Εταιρείας Λοιμωδών Νοσημάτων και παρακολουθεί εστίες μολυσματικών ασθενειών και οξεία έκθεση σε τοξίνες. Τα δεδομένα συλλέγονται μέσω αναφορών μέσων ενημέρωσης, επίσημων εκθέσεων, διαδικτυακών περιλήψεων, τοπικών παρατηρητών και άλλων. Οι πληροφορίες που υποβάλλονται από μεμονωμένα άτομα πρέπει να συνοδεύονται από ταυτότητα και να ελέγχονται από την ομάδα ProMED πριν από την ανάρτηση. Το ProMED είναι μια αρχειοθετημένη βάση δεδομένων με αναφορές μολυσματικών ασθενειών, η οποία καθιστά δύσκολη την αποτελεσματική εξαγωγή μεγάλων ποσοτήτων δεδομένων. Το πρόγραμμα δημιουργήθηκε για να αυξήσει την επικοινωνία μεταξύ της διεθνούς κοινότητας μολυσματικών ασθενειών και ενθαρρύνει τη συζήτηση. Το ProMED είναι διαθέσιμο μέσω ενός διαδικτυακού ιστότοπου και επιτρέπει στα άτομα να εγγραφούν σε μία ή περισσότερες από τις «λίστες» τους προκειμένου να λαμβάνουν ενημερωμένες αναφορές επιδημιών μέσω email. Οι λίστες προσδιορίζουν ποιες θεματικές περιοχές ενδιαφέρουν στη βάση δεδομένων ProMED. Η ProMED συνεργάζεται με το HealthMap στο Νοσοκομείο Παίδων της Βοστώνης. Η χρηματοδότηση για το ProMED διατίθεται κυρίως από τα Wellcome Trust, Skoll Global Threats Funds, Google, Gates Foundation, Rockefeller Foundation, Oracle Corporation και Nuclear Threat Initiative. Μπορείτε να προσπελάσετε το ProMed εδώ.


Μεγάλο πρόβλημα της βιολογίας: Υπάρχουν πάρα πολλά δεδομένα για χειρισμό

Για να αναθεωρήσετε αυτό το άρθρο, επισκεφτείτε το Προφίλ μου και μετά Προβολή αποθηκευμένων ιστοριών.

Για να αναθεωρήσετε αυτό το άρθρο, επισκεφτείτε το Προφίλ μου και μετά Προβολή αποθηκευμένων ιστοριών.

Πριν από είκοσι χρόνια, η αλληλούχιση του ανθρώπινου γονιδιώματος ήταν ένα από τα πιο φιλόδοξα επιστημονικά έργα που επιχειρήθηκαν ποτέ. Σήμερα, σε σύγκριση με τη συλλογή γονιδιωμάτων των μικροοργανισμών που ζουν στο σώμα μας, στον ωκεανό, στο έδαφος και αλλού, κάθε ανθρώπινο γονιδίωμα, που χωράει εύκολα σε ένα DVD, είναι σχετικά απλό. Τα 3 δισεκατομμύρια ζεύγη βάσεων DNA και τα περίπου 20.000 γονίδιά του φαίνονται ασήμαντα δίπλα στα περίπου 100 δισεκατομμύρια βάσεις και εκατομμύρια γονίδια που αποτελούν τα μικρόβια που βρίσκονται στο ανθρώπινο σώμα.

Πρωτότυπη ιστορία* ανατύπωση με άδεια από Περιοδικό Quanta, μια εκδοτικά ανεξάρτητη διαίρεση του SimonsFoundation.org της οποίας η αποστολή είναι να ενισχύσει την κατανόηση της επιστήμης από το κοινό καλύπτοντας τις ερευνητικές εξελίξεις και τάσεις στα μαθηματικά και τις φυσικές επιστήμες και τις επιστήμες της ζωής.*Και μια σειρά από άλλες μεταβλητές συνοδεύουν αυτό το μικροβιακό DNA, συμπεριλαμβανομένης της ηλικίας και της κατάστασης υγείας του μικροβιακού ξενιστή, πότε και πού το δείγμα συλλέχθηκε και πώς συλλέχτηκε και υποβλήθηκε σε επεξεργασία. Πάρτε το στόμα, που κατοικείται από εκατοντάδες είδη μικροβίων, με έως και δεκάδες χιλιάδες οργανισμούς που ζουν σε κάθε δόντι. Πέρα από τις προκλήσεις της ανάλυσης όλων αυτών, οι επιστήμονες πρέπει να καταλάβουν πώς να χαρακτηρίζουν αξιόπιστα και αναπαραγώγιμα το περιβάλλον όπου συλλέγουν τα δεδομένα.

"Υπάρχουν οι κλινικές μετρήσεις που χρησιμοποιούν οι περιοδοντολόγοι για να περιγράψουν τον θύλακα των ούλων, χημικές μετρήσεις, τη σύνθεση του υγρού στην τσέπη, ανοσολογικά μέτρα", δήλωσε ο David Relman, γιατρός και μικροβιολόγος στο Πανεπιστήμιο Stanford που μελετά το ανθρώπινο μικροβίωμα. "Γίνεται πολύπλοκο πολύ γρήγορα."

Φιλόδοξες προσπάθειες μελέτης πολύπλοκων συστημάτων όπως το ανθρώπινο μικροβίωμα σηματοδοτούν την άφιξη της βιολογίας στον κόσμο των μεγάλων δεδομένων. Οι βιοεπιστήμες θεωρούνταν από καιρό μια περιγραφική επιστήμη - πριν από 10 χρόνια, το πεδίο ήταν σχετικά φτωχό σε δεδομένα και οι επιστήμονες μπορούσαν εύκολα να συμβαδίσουν με τα δεδομένα που παρήγαγαν. Αλλά με τις προόδους στη γονιδιωματική, την απεικόνιση και άλλες τεχνολογίες, οι βιολόγοι παράγουν τώρα δεδομένα με συντριπτικές ταχύτητες.

Ένας ένοχος είναι η αλληλουχία DNA, το κόστος του οποίου άρχισε να μειώνεται πριν από περίπου πέντε χρόνια, μειώνοντας ακόμη πιο γρήγορα από το κόστος των τσιπ υπολογιστών. Από τότε, χιλιάδες ανθρώπινα γονιδιώματα, μαζί με αυτά χιλιάδων άλλων οργανισμών, συμπεριλαμβανομένων φυτών, ζώων και μικροβίων, έχουν αποκρυπτογραφηθεί. Δημόσια αποθετήρια γονιδιώματος, όπως αυτό που διατηρεί το Εθνικό Κέντρο Πληροφοριών Βιοτεχνολογίας ή το NCBI, φιλοξενούν ήδη petabyte - εκατομμύρια gigabyte - δεδομένων και οι βιολόγοι σε όλο τον κόσμο αναδίδουν 15 πεταβάσεις (μια βάση είναι ένα γράμμα DNA) σειράς ανά έτος. Εάν αυτά ήταν αποθηκευμένα σε κανονικά DVD, η προκύπτουσα στοίβα θα είχε ύψος 2,2 μίλια.

«Οι βιοεπιστήμες γίνονται μια επιχείρηση μεγάλων δεδομένων», είπε ο Έρικ Γκριν, διευθυντής του Εθνικού Ινστιτούτου Έρευνας για το Ανθρώπινο Γονιδίωμα στη Bethesda, Md. Σε σύντομο χρονικό διάστημα, όπως είπε, οι βιολόγοι δεν μπορούν να αντλήσουν πλήρη αξία από το διατίθενται μεγάλοι όγκοι δεδομένων.

Η επίλυση αυτού του φαινομένου συμφόρησης έχει τεράστιες συνέπειες για την ανθρώπινη υγεία και το περιβάλλον. Μια βαθύτερη κατανόηση του μικροβιακού θηριοτροφείου που κατοικεί στο σώμα μας και του τρόπου με τον οποίο αυτοί οι πληθυσμοί αλλάζουν λόγω της νόσου θα μπορούσε να προσφέρει νέα εικόνα για τη νόσο του Crohn, τις αλλεργίες, την παχυσαρκία και άλλες διαταραχές και να προτείνει νέους τρόπους θεραπείας. Τα μικρόβια του εδάφους είναι μια πλούσια πηγή φυσικών προϊόντων όπως τα αντιβιοτικά και θα μπορούσαν να παίξουν ρόλο στην ανάπτυξη καλλιεργειών που είναι πιο σκληρές και πιο αποτελεσματικές.

Οι επιστήμονες της ζωής ξεκινούν αμέτρητα άλλα έργα μεγάλων δεδομένων, συμπεριλαμβανομένων προσπαθειών ανάλυσης του γονιδιώματος πολλών καρκίνων, χαρτογράφησης του ανθρώπινου εγκεφάλου και ανάπτυξης καλύτερων βιοκαυσίμων και άλλων καλλιεργειών. (Το γονιδίωμα του σιταριού είναι περισσότερο από πέντε φορές μεγαλύτερο από το ανθρώπινο γονιδίωμα και έχει έξι αντίγραφα από κάθε χρωμόσωμα στα δύο μας.)

Ωστόσο, αυτές οι προσπάθειες αντιμετωπίζουν μερικές από τις ίδιες επικρίσεις που περιέβαλαν το έργο του ανθρώπινου γονιδιώματος. Ορισμένοι αμφισβήτησαν εάν τα τεράστια έργα, τα οποία αναγκαστικά αφαιρούν κάποια χρηματοδότηση από μικρότερες, μεμονωμένες επιχορηγήσεις, αξίζουν τον συμβιβασμό. Οι προσπάθειες μεγάλων δεδομένων έχουν σχεδόν πάντα δημιουργήσει δεδομένα που είναι πιο περίπλοκα από ό,τι περίμεναν οι επιστήμονες, με αποτέλεσμα ορισμένοι να αμφισβητούν τη σοφία της χρηματοδότησης έργων για τη δημιουργία περισσότερων δεδομένων προτού γίνουν κατανοητά τα δεδομένα που ήδη υπάρχουν. «Είναι πιο εύκολο να συνεχίσουμε να κάνουμε αυτό που κάνουμε σε μεγαλύτερη και μεγαλύτερη κλίμακα από το να προσπαθούμε να σκεφτόμαστε κριτικά και να κάνουμε βαθύτερες ερωτήσεις», δήλωσε ο Kenneth Weiss, βιολόγος στο Πανεπιστήμιο της Πενσυλβάνια.

Σε σύγκριση με πεδία όπως η φυσική, η αστρονομία και η επιστήμη των υπολογιστών που αντιμετωπίζουν τις προκλήσεις των τεράστιων συνόλων δεδομένων για δεκαετίες, η επανάσταση των μεγάλων δεδομένων στη βιολογία ήταν επίσης γρήγορη, αφήνοντας λίγο χρόνο για προσαρμογή.

«Η επανάσταση που συνέβη στην αλληλουχία και τη βιοτεχνολογία επόμενης γενιάς είναι άνευ προηγουμένου», δήλωσε ο Jaroslaw Zola, μηχανικός υπολογιστών στο Πανεπιστήμιο Rutgers στο New Jersey, ο οποίος ειδικεύεται στην υπολογιστική βιολογία.

Οι βιολόγοι πρέπει να ξεπεράσουν μια σειρά από εμπόδια, από την αποθήκευση και τη μεταφορά δεδομένων έως την ενσωμάτωση και την ανάλυσή τους, κάτι που θα απαιτήσει μια ουσιαστική πολιτιστική αλλαγή. «Οι περισσότεροι άνθρωποι που γνωρίζουν τους κλάδους δεν ξέρουν απαραίτητα πώς να χειρίζονται μεγάλα δεδομένα», είπε ο Green. Εάν θέλουν να κάνουν αποτελεσματική χρήση της χιονοστιβάδας δεδομένων, αυτό θα πρέπει να αλλάξει.

Μεγάλη πολυπλοκότητα

Όταν οι επιστήμονες ξεκίνησαν για πρώτη φορά να προσδιορίσουν την αλληλουχία του ανθρώπινου γονιδιώματος, το μεγαλύτερο μέρος της εργασίας πραγματοποιήθηκε από μια χούφτα μεγάλης κλίμακας κέντρα αλληλούχισης. Αλλά το κατακόρυφο κόστος της αλληλουχίας του γονιδιώματος βοήθησε στον εκδημοκρατισμό του πεδίου. Πολλά εργαστήρια έχουν πλέον την οικονομική δυνατότητα να αγοράσουν έναν προσδιοριστή αλληλουχίας γονιδιώματος, προσθέτοντας στο βουνό των γονιδιωματικών πληροφοριών που είναι διαθέσιμες για ανάλυση. Η κατανεμημένη φύση των γονιδιωματικών δεδομένων έχει δημιουργήσει τις δικές της προκλήσεις, συμπεριλαμβανομένου ενός συνονθώματος δεδομένων που είναι δύσκολο να συγκεντρωθούν και να αναλυθούν. «Στη φυσική, πολλή προσπάθεια οργανώνεται γύρω από μερικούς μεγάλους επιταχυντές», είπε ο Michael Schatz, υπολογιστικός βιολόγος στο Cold Spring Harbor Laboratory στη Νέα Υόρκη. «Στη βιολογία, υπάρχουν περίπου 1.000 κέντρα αλληλουχίας σε όλο τον κόσμο. Κάποιοι έχουν ένα όργανο, κάποιοι έχουν εκατοντάδες».

Ο David Relman, γιατρός και μικροβιολόγος στο Πανεπιστήμιο του Στάνφορντ, θέλει να καταλάβει πώς τα μικρόβια επηρεάζουν την ανθρώπινη υγεία.

Εικόνα: Peter DaSilva για το περιοδικό Quanta

Ως παράδειγμα της έκτασης του προβλήματος, οι επιστήμονες σε όλο τον κόσμο έχουν τώρα αλληλουχήσει χιλιάδες ανθρώπινα γονιδιώματα. Αλλά κάποιος που ήθελε να τα αναλύσει όλα θα έπρεπε πρώτα να συλλέξει και να οργανώσει τα δεδομένα. «Δεν είναι οργανωμένο με συνεκτικό τρόπο για να το υπολογίσουμε και δεν υπάρχουν διαθέσιμα εργαλεία για τη μελέτη του», είπε ο Green.

Οι ερευνητές χρειάζονται περισσότερη υπολογιστική ισχύ και πιο αποτελεσματικούς τρόπους για να μετακινούν τα δεδομένα τους. Οι σκληροί δίσκοι, που συχνά αποστέλλονται μέσω ταχυδρομείου, εξακολουθούν να είναι συχνά η πιο εύκολη λύση για τη μεταφορά δεδομένων και ορισμένοι υποστηρίζουν ότι είναι φθηνότερο να αποθηκεύονται βιολογικά δείγματα από το να τα ταξινομούν και να αποθηκεύουν τα δεδομένα που προκύπτουν. Αν και το κόστος της τεχνολογίας αλληλουχίας έχει πέσει αρκετά γρήγορα ώστε τα μεμονωμένα εργαστήρια να έχουν τα δικά τους μηχανήματα, η συνακόλουθη τιμή της ισχύος επεξεργασίας και της αποθήκευσης δεν ακολούθησε το παράδειγμα. «Το κόστος των υπολογιστών απειλεί να γίνει περιοριστικός παράγοντας στη βιολογική έρευνα», δήλωσε ο Folker Meyer, υπολογιστικός βιολόγος στο Εθνικό Εργαστήριο Argonne στο Ιλινόις, ο οποίος εκτιμά ότι ο υπολογισμός κοστίζει δέκα φορές περισσότερο από την έρευνα. «Αυτή είναι μια πλήρης αντιστροφή αυτού που ήταν».

Οι βιολόγοι λένε ότι η πολυπλοκότητα των βιολογικών δεδομένων τα διαφοροποιεί από τα μεγάλα δεδομένα στη φυσική και σε άλλους τομείς. «Στη φυσική υψηλής ενέργειας, τα δεδομένα είναι καλά δομημένα και σχολιασμένα και η υποδομή έχει τελειοποιηθεί εδώ και χρόνια μέσω καλά σχεδιασμένων και χρηματοδοτούμενων συνεργασιών», είπε ο Zola. Τα βιολογικά δεδομένα είναι τεχνικά μικρότερα, είπε, αλλά πολύ πιο δύσκολο να οργανωθούν. Πέρα από την απλή αλληλουχία του γονιδιώματος, οι βιολόγοι μπορούν να παρακολουθήσουν μια σειρά από άλλα κυτταρικά και μοριακά συστατικά, πολλά από αυτά ελάχιστα κατανοητά. Παρόμοιες τεχνολογίες είναι διαθέσιμες για τη μέτρηση της κατάστασης των γονιδίων — είτε είναι ενεργοποιημένα είτε απενεργοποιημένα, καθώς και ποια RNA και πρωτεΐνες παράγουν. Προσθέστε δεδομένα για κλινικά συμπτώματα, χημικές ή άλλες εκθέσεις και δημογραφικά στοιχεία και θα έχετε ένα πολύ περίπλοκο πρόβλημα ανάλυσης.

«Η πραγματική δύναμη σε ορισμένες από αυτές τις μελέτες θα μπορούσε να είναι η ενσωμάτωση διαφορετικών τύπων δεδομένων», είπε ο Green. Ωστόσο, τα εργαλεία λογισμικού που είναι ικανά να περιορίζουν τα πεδία πρέπει να βελτιωθούν. Η άνοδος των ηλεκτρονικών ιατρικών αρχείων, για παράδειγμα, σημαίνει ότι όλο και περισσότερες πληροφορίες ασθενών είναι διαθέσιμες για ανάλυση, αλλά οι επιστήμονες δεν έχουν ακόμη έναν αποτελεσματικό τρόπο να τις συνδυάσουν με γονιδιωματικά δεδομένα, είπε.

Για να γίνουν τα πράγματα χειρότερα, οι επιστήμονες δεν έχουν καλή κατανόηση του πόσες από αυτές τις διαφορετικές μεταβλητές αλληλεπιδρούν. Οι ερευνητές που μελετούν τα δίκτυα μέσων κοινωνικής δικτύωσης, αντίθετα, γνωρίζουν ακριβώς ποια δεδομένα συλλέγουν σημαίνει ότι κάθε κόμβος στο δίκτυο αντιπροσωπεύει έναν λογαριασμό Facebook, για παράδειγμα, με συνδέσμους που οριοθετούν φίλους. Ένα ρυθμιστικό δίκτυο γονιδίων, το οποίο επιχειρεί να χαρτογραφήσει πώς διαφορετικά γονίδια ελέγχουν την έκφραση άλλων γονιδίων, είναι μικρότερο από ένα κοινωνικό δίκτυο, με χιλιάδες και όχι εκατομμύρια κόμβους. Αλλά τα δεδομένα είναι πιο δύσκολο να καθοριστούν. «Τα δεδομένα από τα οποία κατασκευάζουμε δίκτυα είναι θορυβώδη και ανακριβή», είπε ο Zola. «Όταν εξετάζουμε βιολογικά δεδομένα, δεν ξέρουμε ακριβώς τι εξετάζουμε ακόμα».

Παρά την ανάγκη για νέα αναλυτικά εργαλεία, ορισμένοι βιολόγοι δήλωσαν ότι η υπολογιστική υποδομή εξακολουθεί να υποχρηματοδοτείται. «Συχνά στη βιολογία, πολλά χρήματα πηγαίνουν για τη δημιουργία δεδομένων, αλλά πολύ μικρότερο ποσό πηγαίνει για την ανάλυσή τους», δήλωσε ο Νέιθαν Πράις, αναπληρωτής διευθυντής του Ινστιτούτου Βιολογίας Συστημάτων στο Σιάτλ. Ενώ οι φυσικοί έχουν δωρεάν πρόσβαση σε υπερυπολογιστές που χρηματοδοτούνται από το πανεπιστήμιο, οι περισσότεροι βιολόγοι δεν έχουν την κατάλληλη εκπαίδευση για να τους χρησιμοποιήσουν. Ακόμα κι αν το έκαναν, οι υπάρχοντες υπολογιστές δεν είναι βελτιστοποιημένοι για βιολογικά προβλήματα. «Πολύ συχνά, οι υπερυπολογιστές εθνικής κλίμακας, ειδικά αυτοί που έχουν δημιουργηθεί για ροές εργασιών φυσικής, δεν είναι χρήσιμοι για τις βιοεπιστήμες», δήλωσε ο Rob Knight, μικροβιολόγος στο Πανεπιστήμιο του Κολοράντο Boulder και στο Ιατρικό Ινστιτούτο Howard Hughes που συμμετέχει και στο Earth Microbiome Project. και το Human Microbiome Project. «Η αυξημένη χρηματοδότηση για τις υποδομές θα ήταν τεράστιο όφελος για τον τομέα».

Σε μια προσπάθεια αντιμετώπισης ορισμένων από αυτές τις προκλήσεις, το 2012 τα Εθνικά Ινστιτούτα Υγείας εγκαινίασαν την Πρωτοβουλία Big Data to Knowledge (BD2K), η οποία στοχεύει, εν μέρει, στη δημιουργία προτύπων κοινής χρήσης δεδομένων και στην ανάπτυξη εργαλείων ανάλυσης δεδομένων που μπορούν εύκολα να διανεμηθούν. . Οι ιδιαιτερότητες του προγράμματος είναι ακόμη υπό συζήτηση, αλλά ένας από τους στόχους θα είναι η εκπαίδευση βιολόγων στην επιστήμη των δεδομένων.

«Όλοι παίρνουν Ph.D. στην Αμερική χρειάζεται περισσότερη ικανότητα στα δεδομένα από ό,τι έχουν τώρα», είπε ο Green. Οι ειδικοί στη βιοπληροφορική διαδραματίζουν επί του παρόντος σημαντικό ρόλο στο έργο του γονιδιώματος του καρκίνου και σε άλλες προσπάθειες μεγάλων δεδομένων, αλλά ο Green και άλλοι θέλουν να εκδημοκρατίσουν τη διαδικασία. «Τα είδη των ερωτήσεων που πρέπει να τεθούν και να απαντηθούν από σούπερ-ειδικούς σήμερα, θέλουμε να κάνει ένας ερευνητής ρουτίνας σε 10 χρόνια από τώρα», είπε ο Green. «Αυτό δεν είναι ένα παροδικό ζήτημα. Είναι η νέα πραγματικότητα».

Δεν συμφωνούν όλοι ότι αυτός είναι ο δρόμος που πρέπει να ακολουθήσει η βιολογία. Ορισμένοι επιστήμονες λένε ότι η εστίαση τόσο μεγάλης χρηματοδότησης σε έργα μεγάλων δεδομένων σε βάρος πιο παραδοσιακών προσεγγίσεων που βασίζονται σε υποθέσεις θα μπορούσε να είναι επιζήμια για την επιστήμη. «Η μαζική συλλογή δεδομένων έχει πολλές αδυναμίες», είπε ο Weiss. «Μπορεί να μην είναι ισχυρό στην κατανόηση της αιτιότητας». Ο Weiss επισημαίνει το παράδειγμα των μελετών συσχέτισης σε όλο το γονιδίωμα, μια δημοφιλής γενετική προσέγγιση στην οποία οι επιστήμονες προσπαθούν να βρουν γονίδια υπεύθυνα για διάφορες ασθένειες, όπως ο διαβήτης, μετρώντας τη συχνότητα των σχετικά κοινών γενετικών παραλλαγών σε άτομα με και χωρίς τη νόσο. Οι παραλλαγές που έχουν εντοπιστεί από αυτές τις μελέτες μέχρι στιγμής αυξάνουν ελάχιστα τον κίνδυνο ασθένειας, αλλά μεγαλύτερες και ακριβότερες εκδόσεις αυτών των μελετών εξακολουθούν να προτείνονται και να χρηματοδοτούνται.

«Τις περισσότερες φορές βρίσκει ασήμαντα αποτελέσματα που δεν εξηγούν την ασθένεια», είπε ο Weiss. «Δεν πρέπει να πάρουμε ό,τι ανακαλύψαμε και να εκτρέψουμε τους πόρους για να κατανοήσουμε πώς λειτουργεί και να κάνουμε κάτι για αυτό;» Οι επιστήμονες έχουν ήδη εντοπίσει έναν αριθμό γονιδίων που συνδέονται σίγουρα με τον διαβήτη, οπότε γιατί να μην προσπαθήσουμε να κατανοήσουμε καλύτερα τον ρόλο τους στη διαταραχή, είπε, αντί να ξοδέψουν περιορισμένα κονδύλια για να αποκαλύψουν επιπλέον γονίδια με πιο σκοτεινό ρόλο;

Πολλοί επιστήμονες πιστεύουν ότι η πολυπλοκότητα της έρευνας της βιοεπιστήμης απαιτεί τόσο μεγάλα όσο και μικρά επιστημονικά έργα, με προσπάθειες δεδομένων μεγάλης κλίμακας να παρέχουν νέα τροφή για πιο παραδοσιακά πειράματα. «Ο ρόλος των έργων μεγάλων δεδομένων είναι να σκιαγραφούν τα περιγράμματα του χάρτη, που στη συνέχεια επιτρέπει στους ερευνητές σε έργα μικρότερης κλίμακας να πάνε εκεί που πρέπει», είπε ο Knight.

Το κόστος της αλληλουχίας DNA έχει πέσει κατακόρυφα από το 2007, όταν άρχισε να πέφτει ακόμη πιο γρήγορα από το κόστος των τσιπ υπολογιστών.

Εικόνα: Peter DaSilva για το περιοδικό Quanta

Μικρό και Ποικιλόμορφο

Οι προσπάθειες για τον χαρακτηρισμό των μικροβίων που ζουν στο σώμα μας και σε άλλα ενδιαιτήματα αποτελούν την επιτομή της υπόσχεσης και των προκλήσεων των μεγάλων δεδομένων. Επειδή η συντριπτική πλειονότητα των μικροβίων δεν μπορεί να αναπτυχθεί στο εργαστήριο, τα δύο μεγάλα έργα μικροβιώματος - το Μικροβιόλιο της Γης και το Ανθρώπινο Μικρόβιωμα - έχουν επιτραπεί σε μεγάλο βαθμό από τον προσδιορισμό της αλληλουχίας του DNA. Οι επιστήμονες μπορούν να μελετήσουν αυτά τα μικρόβια κυρίως μέσω των γονιδίων τους, αναλύοντας το DNA μιας συλλογής μικροβίων που ζουν στο έδαφος, το δέρμα ή οποιοδήποτε άλλο περιβάλλον και να αρχίσουν να απαντούν σε βασικές ερωτήσεις, όπως ποιοι τύποι μικροβίων υπάρχουν και πώς ανταποκρίνονται στις αλλαγές στο περιβάλλον τους.

Ο στόχος του Human Microbiome Project, ενός από τα πολλά έργα για τη χαρτογράφηση των ανθρώπινων μικροβίων, είναι να χαρακτηρίσει μικροβιώματα από διαφορετικά μέρη του σώματος χρησιμοποιώντας δείγματα που ελήφθησαν από 300 υγιείς ανθρώπους. Ο Ρέλμαν το παρομοιάζει με την κατανόηση ενός ξεχασμένου συστήματος οργάνων. «Είναι ένα κάπως ξένο όργανο, γιατί είναι τόσο μακριά από την ανθρώπινη βιολογία», είπε. Οι επιστήμονες δημιουργούν αλληλουχίες DNA από χιλιάδες είδη μικροβίων, πολλά από τα οποία πρέπει να ανακατασκευαστούν με κόπο. Είναι σαν να αναδημιουργείτε μια συλλογή βιβλίων από θραύσματα που είναι μικρότερα από μεμονωμένες προτάσεις.
«Τώρα βρισκόμαστε αντιμέτωποι με την τρομακτική πρόκληση να προσπαθήσουμε να κατανοήσουμε το σύστημα από την προοπτική όλων αυτών των μεγάλων δεδομένων, με όχι σχεδόν τόση βιολογία με την οποία να το ερμηνεύσουμε», είπε ο Ρέλμαν. «Δεν έχουμε την ίδια φυσιολογία που συνδυάζεται με την κατανόηση της καρδιάς ή του νεφρού».

Μία από τις πιο συναρπαστικές ανακαλύψεις του έργου μέχρι σήμερα είναι η εξαιρετικά εξατομικευμένη φύση του ανθρώπινου μικροβιώματος. Πράγματι, μια μελέτη σε περίπου 200 άτομα έδειξε ότι μόνο με την αλληλουχία των μικροβιακών υπολειμμάτων που αφήνονται σε ένα πληκτρολόγιο από τις άκρες των δακτύλων ενός ατόμου, οι επιστήμονες μπορούν να ταιριάξουν αυτό το άτομο με το σωστό πληκτρολόγιο με ακρίβεια 95%. «Μέχρι πρόσφατα, δεν είχαμε ιδέα πόσο ποικιλόμορφο ήταν το μικροβίωμα ή πόσο σταθερό μέσα σε ένα άτομο», είπε ο Knight.


Από τον Greg Watry
Για να καλυφθεί ένας προβλεπόμενος πληθυσμός 9,8 δισεκατομμυρίων μέχρι το 2050, η παγκόσμια παραγωγή τροφίμων πρέπει να αυξηθεί κατά 70 τοις εκατό. Η αύξηση των ακραίων καιρικών φαινομένων αποτελεί πρόκληση για την επισιτιστική ασφάλεια. Για να προσαρμοστούμε και να τροφοδοτήσουμε τον κόσμο, χρειαζόμαστε ισχυρότερες καλλιέργειες.

Ένα μεταβαλλόμενο περιβάλλον

Οι παγετώνες λιώνουν, η στάθμη της θάλασσας ανεβαίνει, οι πυρκαγιές φλέγονται και οι ξηρασίες εντείνονται. Η γη μας βρίσκεται σε μια ανησυχητική κατάσταση ροής. Για τους παραγωγούς τροφίμων, αυτές οι κλιματικές αλλαγές θα μπορούσαν να αποδειχθούν καταστροφικές.

«Οι σύγχρονες ποικιλίες καλλιεργειών συνήθως εκτρέφονται σε ένα συγκεκριμένο γεωγραφικό πλάτος και μήκος καθώς και σε ένα συγκεκριμένο κλίμα», λέει ο Siobhan Brady, αναπληρωτής καθηγητής φυτικής βιολογίας. «Όταν αυτά τα πρότυπα αλλάζουν, μπορεί να επηρεάσει αρνητικά την ανάπτυξη των φυτών. Πολύ λίγο νερό, πολύ νερό, υψηλές θερμοκρασίες, αυξημένα επίπεδα διοξειδίου του άνθρακα—όλα αυτά μπορούν να αλλάξουν την απόδοση των φυτών».

Η Καλιφόρνια είναι ο ηγέτης της χώρας στην αγροτική παραγωγή και τις εξαγωγές, με τους παραγωγούς τροφίμων να παράγουν 45 δισεκατομμύρια δολάρια σε παραγωγή το 2016. Σύμφωνα με το Υπουργείο Τροφίμων και Γεωργίας, το Golden State παρέχει το ένα τρίτο των λαχανικών της χώρας και τα δύο τρίτα των φρούτων και ΞΗΡΟΙ ΚΑΡΠΟΙ.

«Μέσα από μερικές χιλιάδες χρόνια τα ανθρώπινα όντα έχουν επιλέξει ποικιλίες με χαρακτηριστικά που επέτρεψαν στη γεωργία να ανθίσει και στους ανθρώπινους πολιτισμούς να αναπτυχθούν και να εξελιχθούν», λέει η Neelima Sinha, καθηγήτρια φυτικής βιολογίας.

Μέσω της εξημέρωσης και του επιλεκτικού πολλαπλασιασμού, οι παραγωγοί γεωργικών προϊόντων εκτρέφουν καλλιέργειες για αποτελεσματικότητα, επιλέγοντας γραμμές που παράγουν υψηλότερες αποδόσεις και καλύτερες γεύσεις. Αυτή η παρέμβαση από τα ανθρώπινα χέρια έχει αποδυναμώσει ορισμένες καλλιέργειες, με αποτέλεσμα ορισμένες να χάσουν προσαρμοστικά χαρακτηριστικά που κάποτε τις βοηθούσαν να ανθίσουν σε περιβάλλοντα γεμάτα στρεσογόνους παράγοντες, όπως ξηρασίες και παράσιτα. Οι εντεινόμενες φυσικές καταστροφές και οι ξηρασίες της Καλιφόρνια προκαλούν αναμφίβολα προβλήματα για τις καλλιέργειες της πολιτείας.

Οι φυτοβιολόγοι του UC Davis αναζητούν συμβουλές από άγριους συγγενείς για την ενίσχυση των καλλιεργειών, με την ελπίδα ότι το κλειδί για την ανθεκτικότητα βρίσκεται στη γενετική τους.

Ο αναπληρωτής καθηγητής του Κολλεγίου Βιολογικών Επιστημών Siobhan Brady και η καθηγήτρια Neelima Sinha στο Τμήμα Βιολογίας Φυτών ερευνούν και βελτιώνουν τα επιτυχημένα χαρακτηριστικά των φυτών. Ντέιβιντ Σλίφερ

Εξόρυξη των καλύτερων χαρακτηριστικών των φυτών

Η άνυδρη περιοχή των Άνδεων της Νότιας Αμερικής φιλοξενεί ένα σκληρό είδος άγριας ντομάτας. Ανθεκτικό στην ξηρασία, το αλάτι και τα παθογόνα, το Solanum pennellii είναι μια ιδανική μελέτη σε ακραίες προσαρμογές φυτών. Οι δυνατές ρίζες και τα φρούτα και τα φύλλα με κηρώδες δέρμα βοηθούν το S. pennellii να αντιμετωπίσει τις προκλήσεις της ερήμου. Οι ερευνητές του UC Davis έχουν βυθιστεί στην κατανόηση της ανθεκτικότητας του S. pennellii.

«Η δομή της ρίζας είναι μια υπομελετημένη περιοχή του φυτού», λέει ο Brady. «Είναι κάτω από το έδαφος, αλλά είναι υπεύθυνο για τη μεταφορά όλου του νερού και των θρεπτικών συστατικών στο υπέργειο μέρος του φυτού, το οποίο με τη σειρά του είναι απαραίτητο για τη διατροφή μας».

Ο Brady μελετά το S. pennellii και τον εξημερωμένο συγγενή του Solanum lycopersium, την ντομάτα κήπου. Σε αντίθεση με τις ποικιλίες κήπου, οι ρίζες της ντομάτας της ερήμου συσσωρεύουν συνεχώς την ένωση suberin στο εξωτερικό στρώμα της ρίζας της, η οποία επιτρέπει την κατακράτηση νερού. Η ένωση εκφράζεται μόνο σε ντομάτες κήπου σε περιόδους έντονης ξηρασίας.

Με υπερσύγχρονα εργαλεία γονιδιωματικής, η Brady και η ομάδα της αναζητούν το κλειδί για την παραγωγή suberin στην ντομάτα της ερήμου. Αυτά τα δεδομένα θα μπορούσαν να βοηθήσουν στον εντοπισμό των μηχανισμών εισαγωγής ανθεκτικών χαρακτηριστικών της ρίζας σε άλλες καλλιέργειες.

«Εάν μπορεί να επεκταθεί σε άλλες καλλιέργειες με αναπαραγωγή για έναν συγκεκριμένο παράγοντα που θα μπορούσε να αυξήσει την παρουσία της, τότε θα μπορούσε να προσφέρει στις ρίζες της ντομάτας κήπου περισσότερη στεγανοποίηση και καλύτερη ικανότητα να αντέχουν στην ξηρασία», λέει ο Brady.

Εικονογράφηση εμπνευσμένη από το σημειωματάριο πεδίου της αείμνηστης ερευνήτριας του UC Davis, Sharon Gray.

Δύσκολα παράσιτα

Το μεταβαλλόμενο κλίμα δεν είναι η μόνη απειλή για την παραγωγή άφθονων εσοδειών. Περισσότερα από 4.000 διαφορετικά είδη παρασιτικών φυτών απολαμβάνουν θρεπτικά συστατικά από τα φυτά ξενιστές, αφήνοντας την καταστροφή στο πέρασμά τους.

«Τα παρασιτικά φυτά είναι εξαιρετικά σημαντικά στον κόσμο, ειδικά στα λιγότερο ανεπτυγμένα μέρη του κόσμου», λέει ο Sinha. «Έχουμε πράγματα όπως η Στρίγκα ή η μάγισσα, που προκαλεί απίστευτη καταστροφή».

Το παρασιτικό φυτό γένος Striga είναι γνωστό ότι προκαλεί έως και 90 τοις εκατό απώλεια στις αποδόσεις των καλλιεργειών. Σύμφωνα με το Διεθνές Κέντρο Βελτίωσης Αραβοσίτου και Σιταριού, το ζιζάνιο επηρεάζει περισσότερα από 49 εκατομμύρια στρέμματα καλλιεργήσιμης γης στην υποσαχάρια Αφρική. Προσκολλάται σε δημητριακά όπως ο αραβόσιτος και το σόργο, κοστίζοντας περίπου 1 δισεκατομμύριο δολάρια σε απώλειες ετησίως.

Η μάγισσα κυνηγά ενεργά τη λεία της. Όταν οι ρίζες του σόργου έχουν χαμηλή περιεκτικότητα σε φώσφορο, εκκρίνουν ένα μόριο που ονομάζεται στριγκολακτόνη, το οποίο λέει στις ρίζες να προσλάβουν περισσότερο από τη θρεπτική ουσία. Αλλά η στριγκολακτόνη λειτουργεί σαν σήμα καπνού για τα μάγισσα.

«Η στριγκολακτόνη μπορεί να καταληφθεί από αυτό το παρασιτικό φυτό», λέει ο Brady. «Όταν οι Striga αισθανθούν τη στριγκολακτόνη, θα αναπτυχθεί προς τη ρίζα του σόργου, θα τη διεισδύσει και θα κατακτήσει όλους τους πόρους της».

Δεδομένου ότι η μάγισσα εξελίχτηκε παράλληλα με το σόργο, ορισμένες καλλιέργειες σόργου έχουν αναπτύξει αντοχή στο παράσιτο. Περίπου το 70 τοις εκατό δείχνει κάποιο βαθμό ανοχής ή αντίστασης.

Η Brady και οι συνεργάτες της ερευνούν τους γενετικούς μηχανισμούς των ανθεκτικών στελεχών σόργου. Πρόσφατα ξεκίνησε ένα έργο για να ορίσει γενετικά πώς οι ρίζες του σόργου αλληλεπιδρούν με το μικροβίωμα του εδάφους για να διευκολύνουν ή να καταστείλουν την ανάπτυξη των μάγισσας.

"Υπάρχει μια γραμμή σόργου που έχει αποδειχθεί ελαττωματική στη βιοσύνθεση της στριγκολακτόνης", λέει ο Brady. "Χωρίς αυτήν την ορμόνη, οι ρίζες Striga δεν μπορούν να αναδυθούν από τους σπόρους τους, να εισβάλουν στο φυτό ξενιστή και να το καταλάβουν."

Εν τω μεταξύ, ο Sinha μελετά την Cuscuta, γνωστή και ως Dodder. Κοινό στην Καλιφόρνια, το παρασιτικό φυτό αναπτύσσεται σαν ιστούς αράχνης από πορτοκαλί μακαρόνια καθώς τυλίγει τον ξενιστή του. Ο Sinha μελετά τις γενετικές αλληλεπιδράσεις μεταξύ των φυτών λουλουδιών και ξενιστών.

«Αυτό το φυτό δεν έχει ρίζες και δεν φωτοσυνθέτει. Δεν έχει φύλλα, οπότε ό,τι χρειάζεται για να αναπτυχθεί το παίρνει από την ντομάτα», λέει ο Sinha. «Είναι ένα σημαντικό πρόβλημα για τη γεωργία της Καλιφόρνια».

Όπως ο Μπρέιντι, ο Σίνχα προσπαθεί να καταλάβει σε γενετικό επίπεδο τι κάνει ορισμένες καλλιέργειες ανθεκτικές ή επιρρεπείς στη βλάστηση. Με τη διερεύνηση των γονιδιωμάτων των φυτών, ο Brady και ο Sinha ελπίζουν να βρουν τα γενετικά ερεθίσματα που επιτρέπουν την άμυνα των φυτών. Με αυτή τη γνώση, οι ερευνητές θα μπορούσαν να εισάγουν αυτά τα χαρακτηριστικά στις καλλιέργειές μας, διασφαλίζοντας την επιβίωσή τους σε ένα μεταβαλλόμενο κλίμα.

Κατανόηση της Γλώσσας των Φυτών

Τα φυτά παράγουν μια σειρά από χημικές ενώσεις για να αντιμετωπίσουν τις περιβαλλοντικές προκλήσεις. Από την άμυνα ενάντια στους θηρευτές μέχρι την προσέλκυση επικονιαστών, αυτές οι χημικές ουσίες, που ονομάζονται μεταβολίτες, ανέρχονται σε εκατοντάδες χιλιάδες και διαφέρουν από είδος σε είδος. Κάθε φυτό είναι μοναδικό στο χημικό του ρεπερτόριο, με αποτέλεσμα να ζηλεύουν οι οργανικοί χημικοί.

«Για μένα, η χημεία στα φυτά μοιάζει πολύ με μια γλώσσα», λέει ο Philipp Zerbe, επίκουρος καθηγητής φυτικής βιολογίας. «Χρησιμοποιούν χημικά για να επικοινωνήσουν, όπου εμείς χρησιμοποιούμε λέξεις».

Ο Zerbe εργάζεται για να αποκωδικοποιήσει την ποικιλία των φυτών χαρτογραφώντας τα γονίδια, τα ένζυμα και τις οδούς που σχηματίζουν τον πολύπλοκο μεταβολικό τους μηχανισμό. Ενδιαφέρεται ιδιαίτερα για τα τερπενοειδή, τη μεγαλύτερη και πιο ποικιλόμορφη κατηγορία μεταβολιτών.

Τα τερπενοειδή εκτελούν πολλές λειτουργίες, από τη ρύθμιση της ανάπτυξης και της ανάπτυξης έως την προστασία των φυτών από περιβαλλοντικές πιέσεις όπως η ξηρασία και η αλατότητα.

«Εάν μπορούμε να βρούμε τα γονίδια που εμπλέκονται σε αυτή τη χημική άμυνα, μπορούμε να στοχεύσουμε αυτά τα γονίδια με μεγάλη ακρίβεια», λέει ο Zerbe. «Εάν ακούμε προσεκτικά και κατανοούμε τη γλώσσα των φυτών, μπορεί να μεταφράσουμε αυτή τη γνώση σε νέους τρόπους για να βελτιώσουμε την αντοχή των καλλιεργειών και τελικά να προσφέρουμε στον αναπτυσσόμενο πληθυσμό μας».

Για τον Zerbe και άλλους βιολόγους, η έλευση της στοχευμένης επεξεργασίας γονιδιώματος με τεχνολογίες όπως το CRISPR/Cas9 άλλαξε το παιχνίδι. Είναι πλέον δυνατό για τους βιολόγους φυτών να εντοπίσουν τα γονίδια και τις οδούς που εμπλέκονται στην παραγωγή συγκεκριμένων μεταβολιτών, οι οποίοι θα μπορούσαν στη συνέχεια να εισαχθούν σε ποικιλίες καλλιεργειών.

“Our efforts at the moment are focused on trying to fundamentally understand the enzymatic circuitry that plants use to form the remarkable diversity of metabolites and how these contribute to plant health,” says Zerbe. “Some of these metabolites have been known for decades, but now we have the means to decode their production.”

As the earth’s climate shifts, humanity must be proactive. To maintain food security, we must develop more resilient crops. Studying the strategies of wild and parasitic plants could prove essential in preparing our crops for a changing future.

At UC Davis, plant biologists are making the foundational, multidisciplinary discoveries that will help adapt food production to thrive in a new world.


Structure and Organization

Survey FAQs and Contact Us

To access FAQs or to submit a question click the arrow to the right.

Toll Free Data and Tradeshow Inquiries

Hours: 7:30 a.m. - 4:00 p.m. Eastern Time
Monday - Friday, except federal holidays
Toll-Free: (800) 727-9540

Hours: 9:00 a.m. - 5:30 p.m. Eastern Time
Monday - Friday, except federal holidays
Toll-Free: (833) One-USDA
Email: [email protected]
Website: https://ask.usda.gov/s/

Εξυπηρέτηση πελατών
Email: / Phone: (800) 727-9540

Teresa White, Public Affairs Deputy Director
Email: / Phone: (202) 690-8123

Jim Barrett, Public Affairs Specialist
Email: / Phone: (202) 690-8124

Jodi Letterman, Public Affairs Specialist
Email: / Phone: (916) 738-6609

Terry Matlock, Public Affairs Specialist
Email: / Phone: (720) 787-3172

Alexandra Nseir, Public Affairs Specialist
Email: / Phone: (202) 690-8121

June Turner, Director
Email: / Phone: (202) 720-8257

Regional and State Field Offices

Find contact information for Regional and State Field Offices

Have specific subject questions for one of our experts, click the arrow to the right.

Web Content Publishing Schedule

Section 207(f)(2) of the E-Government Act of 2002 requires federal agencies to develop an inventory of information to be published on their Web sites, establish a schedule for publishing information, make those schedules available for public comment, and post the schedules and priorities on the Web site.

For Developers and Data Users

Explore Statistics

I Want To

About NASS Estimates

Data and Statistics

Quick Stats (searchable database)

Find and download agricultural statistics for every state and county in the United States.

To access Quick Stats Tools click the arrow to the right.

County Level Information

While Quick Stats is the best source of county level data from NASS, acreage and yield maps of county crop estimates are available. Click here to view County Maps.

County data reference items:

Special Tabulations

Special Tabulations are publishable, resummarized data tables from the Census of Agriculture or NASS surveys. Requests for Special Tabulations are considered when the requested data are not published elsewhere.

Geospatial Data

CropScape is a geospatial data service, which offers advanced tools such as interactive visualization, web-based data dissemination, geospatial queries, and automated data delivery to systems such as Google Earth. It was developed in cooperation with the Center for Spatial Information Science and Systems at George Mason University.

VegScape is a geospatial data service, which offers automated updates of the vegetative condition at daily, weekly, and biweekly intervals. It delivers interactive vegetation indices that enable quantification of U.S. crop conditions for exploring, visualizing, querying, and disseminating via interactive maps. The interface and functionality are similar to CropScape. VegScape was developed in cooperation with the Center for Spatial Information Science and Systems at George Mason University.

Crop Condition and Soil Moisture Analytics (Crop-CASMA) is a web-based geospatial application. It is designed to remotely sense geospatial soil moisture and vegetation index data derived from NASA Soil Moisture Active Passive (SMAP) and Moderate Resolution Imaging Spectroradiometer (MODIS) missions to assess U.S. soil moisture condition and crop vegetation conditions. It is designed and developed by USDA-NASS and the Center for Spatial Information Science and Systems at George Mason University.

Crop Progress and Condition Gridded Layers are gridded geospatial datasets which are fully synthetic representations of confidential, county level data. These new data are available for U.S. corn and soybeans, and eventually cotton and wheat.

Disaster Analysis - USDA-NASS can now monitor agricultural disasters in near real-time and provide quantitative assessments using remotely sensed data and geospatial techniques. View disaster assessments in geospatial data format, reports, and metadata as available.

Land Use Strata for Selected States - The USDA-NASS area sampling frame delineates all parcels of land for the purpose of sampling. The area frame is constructed by visually interpreting satellite imagery to divide a state into stratification classes (strata) based on percent of land used in cultivation. View the most recent land use strata map for each state.

Census of Agriculture

Query the Census of Agriculture database to retrieve customized tables with Census data at the national, state and county levels as far back as 1997. Click here to access the Quick Stats database.

To view the Census publications, visit our Census of Agriculture webpage.


Αποτελέσματα

Optimal rotation patterns under infection: The protective effect of cover crops

Using the effective crop ratio δ(t) we compute the values of total yield Υ for each sequence. We model the scenario in which the pathogen infects at the beginning of the first season, at t = 0, and include pathogen evolution. As previously, we focus on the ten rotation patterns which yield the best (Fig 4a). Interestingly, results show that 8 out of 10 rotation patterns which have a greater Υ in the presence of the pathogen coincide with the set of rotations that maximise yield in pathogen-free conditions.

a) Selection of ten best patterns from 1024 possible sequences when cash yield loss due to infection is computed using the reference values. Each row is a rotation sequence. b) Best rotation sequence in the set of 10 optimal patterns for each of the conditions. The set index corresponds to conditions as indicated in Table 2. c) Intersection array for the sets of optimal sequences under different conditions. Each cell shows the number of sequences found in the intersection between the sets indicated in the vertical and horizontal labels. Highlighted sequences in (a): We allow for the 1024 possible sequences to repeat twice or thrice i.e. two or three generations. Rotation A is the sequence that maximises yield over multiple generations while Rotation B maximises yield only in the first generation but not later on.

Within the set of 10 optimal sequences, the yield range is 7.50 ≤ Υ ≤ 7.36 without infection and reduces to 7.49 ≤ Υ ≤ 7.31 with infection. In both sets, the best rotation pattern is the one starting with five seasons of cover crop, alternating after that and ending with three cash seasons. The reason behind the coincidence of patterns between the two sets is the double effect that the cover crops provide: on the one hand, they increase soil quality which in turn increases yield on the other hand, they break the epidemic diminishing crop loss and minimising yield loss.

Sensitivity of optimal patterns to different pathogen and soil conditions

Neither all epidemics have the same intensity, nor do all fields respond the same under the same farmer’s practices. Here we explore the conditions under which our set of rotations can maximise yield and compare it with the sets of rotations which have a better outcome in other scenarios. By a set, we refer to the selection of 10 optimal sequences among the 1024 possible rotation patters. We also compare the maximum value of cash yield that we can get for each condition (Table 2).

Sets refer to the selection of 10 sequences which best maximise yield in each condition. Values in bold indicate the change of conditions in the set with respect to the reference set.

Pathogen retainment.

Crop rotations are used to control the disease, but not all pathogens are equally vulnerable to the effects of break crops, here cover crops. The spores of airborne pathogens, such as fungi, can disperse over long distances and are difficult to control with crop rotations because the infection often spreads from the neighbouring fields. Conversely, crop rotations can be beneficial for soil-borne pathogens which cannot reproduce on a non-host plant [4, 35]. The ability of pathogens to survive in the soil or in crop debris, which can also be modified by tillage practices, is represented in our model by the pathogen retainment (ϵ). In the previous simulations, ϵ = 0.5, and here we explore what happens if its value increases to ϵ = 0.8 and decreases to ϵ = 0.2.

When we increase the retainment (set 1), the maximum yield decreases to Υ = 6.93, and the optimal sequences have a ratio of two cash crops for every three cover crops in all cases. The number of cover seasons increases because there is a need for a more extended period of non-host crops to compensate that more pathogen stays in the soil. When we decrease the retainment (set 2), the maximum yield is approximately maintained, being Υ = 7.50., and also the ratio of cash and cover crops.

Initial pathogen inoculum.

For the pathogens, the characteristics of the initial inoculum can determine the severity of the epidemic [36]. Here we explore it in two ways: the quantity of pathogen in the initial inoculum (Π1(0)) and the initial virulence of the pathogen, controlled by the values in the fitness matrix (Wij) κατά το χρόνο t = 0. The default initial pathogen in our model is Π1(0) = 1 here, we observe how a ten-fold increase Π1(0) = 10 and decrease Π1(0) = 0.1 affect the optimal rotation patterns and yield. For the pathogen fitness, we conserve the ability of the pathogen to mutate into five fitter strains, but we set values of w11 = 1.5 and w11 = 0.5 as initial fitness, in comparison to the reference w11 = 1 (with wι2 = 0, as before, for the cover crops ντο2).

Starting with an initial pathogen of Π1(0) = 10 (set 3) decreases the maximum yield to Υ = 7.38 and decreases the ratio of cash to cover crops to 2:3 in all the sequences. The decrease is not drastic since starting with five consecutive cover crops decreases the pathogen load. This feature is present also in the reference set, to increase soil quality, showing the double effect of the cover crops. The decrease of inoculum (set 4) maintains the yield to Υ = 7.50 and keeps the reference crop ratio. The increase of pathogen fitness (set 5) reduces the yield to Υ = 6.91 and decreases the cash to cover ratio to 2:3. The results of decreasing pathogen fitness (set 6) are similar to the decrease of initial inoculum, being the yield Υ = 7.50 and the ratio maintained to 1:1 or 2:3.

Initial soil quality.

When farmers aim to maximise cash yield, disregarding soil quality can lead to a sterile field which needs more cover crops than εκ των προτέρων expected. Since the rotation plan may start in a field with poor quality, we check the effect of initial soil quality on the patterns. The values chosen are q(0) = 1.9, close to the carrying capacity κ = 2, and q(0) = 0.1.

High initial soil quality (set 7) leads to the highest maximum yield increase, being Υ = 9.29 and the ratio of crops 1:1. This yield increase is because we can get the highest yield in the first seasons, and we can maintain soil quality by the alternation of crops (Fig 4b). The number of cash crops cannot increase more because this would promote the infection, decreasing the yield. Low initial soil quality (set 8) has the most substantial reduction of maximum yield, decreasing to Υ = 5.30. Dedicating more seasons in improving soil quality at the beginning, the ratio of cash to cover crops decays to 3:7 or 2:3 (Fig 4b).

Intersection of optimal sets.

Results show that the set of 10 best sequences shown in the previous section—and chosen as reference set—intersects with the optimal sets obtained in all conditions except for increased initial soil quality, despite changes in the maximum yield. We check for the number of common rotation sequences via a pairwise comparison of the sets for each of the exposed conditions (Fig 4c). The cases for which the sets intersect the most with the reference set relate to the initial pathogen: increase and decrease of pathogen retainment ϵ (8/10), increase (8/10) or decrease (9/10) of initial pathogen Π1(0) and changes of initial pathogen fitness w11(0) (8/10). When pathogen retainment and pathogen fitness is high, there is full intersection due to a common need for more non-host crops that break the epidemic (Set 1 and Set 5, 10/10) and also vice-versa (Set 2 and Set 6, 10/10). Other conditions also have high intersection values between them (from 6/10 to 9/10) due to similar needs for both increasing soil quality and controlling the infection. Variations in soil quality lead to the most different optimal patterns, with low (1/10) or no intersection with the rest of the sets.

Longer-term rotations: Soil quality and virulence control for the next generation of crops

Ten seasons, or a decade in yearly crops, can be regarded as long term planning, but farmers cultivate fields for even longer. To investigate if our rotation patterns are sustainable over decades, we study the variation in the yield and the pathogen load in consecutively repeated patterns.

For the analysis, we focus on the repetition of the population of sequences of length μεγάλο = 10 i.e. all of the 1024 possible patterns and then repeating them twice or thrice. We term these repetitions as generations. We do not explore, however, the complete combinatorial space presented by the inclusion of second and third generation (i.e. 2 20 or 2 30 combinations), which is beyond the scope and focus of this manuscript. Of the 1024 patterns we limit our attention to the sets of 10 sequences that best maximise the yield in the infection scenario of reference (Π1(0) = 1, ϵ = 0.5, w11(0) = 1) and median initial soil quality (q(0) = 1).

The results show that the rotations that best maximise yield after the second and third generation coincide with the optimal rotations for the first generation (intersection of 8/10 for both sets). To further investigate their sustainability, we analyse the changes of the agronomic variables—soil quality and cash yield—and the host-pathogen eco-evolutionary dynamics. We focus on two rotation patterns: the common optimal rotation for all generations Fig 4 (rotation A) and a rotation from the 10-optimal set of the first generation which is excluded in the set for the second and third generations Fig 4 (rotation B). Rotation A starts with five cover crops, alternates for two seasons and finishes with three cash crops rotation B has five cover crops followed by five cash crops.

The analysis (Table 3) shows that rotation A maintains the initial soil quality after the 10th season (q(10) = 1), while rotation B depletes it (q(10) = 0.15). In the previous section, we have shown that initial soil quality is key in determining the optimal rotation. Because of this feature, rotation A is able to maintain its optimal performance in the following generations, but B would need more investment in soil quality to aim for the same cash yield. Importantly, pathogen evolution during the first generation is also determinant in the yield outcome in the future. For rotation A, the increased frequency of virulent pathogen strains (φά(Π5) = 0.28) provokes more yield loss during the infection time. Consequently, the cash yield within the second (Υ = 7.38) and third (Υ = 6.32) generation is lower than within the first instance (Υ = 7.49), even if soil quality is maintained. This effect is more drastic for rotation B, which initiates the second generation with high frequency of virulent strains (φά(Π5) = 0.46) and shows severe infection when a cash crop is cultivated. The frequency of Π5 is chosen to be an indicator for virulence. If the strain Π5 exists then the existence of all other strains is guaranteed.

A and B are the highlighted sequences in Fig 4. Rotation A is the sequence that maximises yield over multiple generations. Rotation B maximises yield in the first generation but not in the subsequent. For each rotation and generation there are shown values for total yield, final soil quality and final frequency of the most virulent strain (Π5).

Remarkably, the pathogen strain with more fitness does not outcompete the rest of strains (Fig 5). Since pathogens can mutate in both forward and reverse directions with the same rate (Eq (5)), the system reaches a mutation-selection balance in which the rate of generating strains with less fitness equals the rate at which the fitter strains are generated. The faster growth of the fitter strains is reflected in their higher eventual frequency in equilibrium.

A) Soil quality (blue circles) and cash yield (red squares) variations, in discrete time-steps which correspond to the harvesting seasons. B) Eco-evolutionary dynamics of crop (yellow = cash, purple = cover) and pathogen (grey) within and between seasons. C) Relative abundances of pathogen strains during the rotation.

These results show the properties of the rotation patterns that maintain soil quality and slow down pathogen evolution in the long term—requirements for sustainable farming.


Scientists monitor crop photosynthesis, performance using invisible light

Twelve-foot metal poles with long outstretched arms dot a Midwestern soybean field to monitor an invisible array of light emitted by crops. This light can reveal the plants’ photosynthetic performance throughout the growing season, according to newly published research by the University of Illinois.

“Photosynthetic performance is a key trait to monitor as it directly translates to yield potential,” said Kaiyu Guan, an assistant professor in the College of Agriculture, Consumer, and Environmental Sciences (ACES) and the principal investigator of this research. “This method enables us to rapidly and nondestructively monitor how well plants perform in various conditions like never before.”

Scientists evaluate the photosynthetic performance of soybeans using these towers, which use hyperspectral cameras to capture light invisible to the human eye that may one day help us predict yield on a grand scale.

Δημοσιεύτηκε στο Journal of Geophysical Research – Biogeosciences, the Illinois team led by Guofang Miao, a postdoctoral researcher in ACES and the lead author of the paper, report the first continuous field season to use sun-induced fluorescence (SIF) data to determine how soybeans respond to fluctuating light levels and environmental stresses.

“Since the recent discovery of using satellite SIF signals to measure photosynthesis, scientists have been exploring the potential to apply SIF technology to better agricultural ecosystems,” said study collaborator Carl Bernacchi, an associate professor of plant science at the Carl R. Woese Institute for Genomic Biology (IGB). “This research advances our understanding of crop physiology and SIF at a local scale, which will pave the way for satellite observations to monitor plant health and yields over vast areas of cropland.”

Photosynthesis is the process where plants convert light energy into sugars and other carbohydrates that eventually become our food or biofuel. However, one to two percent of the plant’s absorbed light energy is emitted as fluorescent light that is proportional to the rate of photosynthesis.

Researchers capture this process using hyperspectral sensors to detect fluctuations in photosynthesis over the growing season. They designed this continuous study to better understand the relationship between absorbed light, emitted fluorescent light, and the rate of photosynthesis. “We want to find out whether this proportional relationship is consistent across various ecosystems, especially between crops and wild ecosystems such as forests and savannas,” said Miao.

“We are also testing the applicability of this technology for crop phenotyping to link key traits with their underlying genes,” said co-author Katherine Meacham, a postdoctoral researcher at the IGB.

“SIF technology can help us transform phenotyping from a manual endeavor requiring large teams of researchers and expensive equipment to an efficient, automated process,” said co-author Caitlin Moore, also a postdoctoral researcher at the IGB.

A network of SIF sensors has been deployed across the U.S. to evaluate croplands and other natural ecosystems. Guan’s lab has launched two other long-term SIF systems in Nebraska to compare rainfed and irrigated fields in corn-soybean rotations. “By applying this technology to different regions, we can ensure the efficacy of this tool in countless growing conditions for a myriad of plants,” said Xi Yang, an assistant professor at the University of Virginia, who designed this study’s SIF monitoring system.

“Our ability to link SIF data at the leaf, canopy and regional scales will facilitate the improvement of models that forecast crop yields,” Guan said. “Our ultimate goal is to monitor the photosynthetic efficiency of any field across the world to evaluate crop conditions and forecast crop yields on a global scale in real time.”

This work was supported by the NASA New Investigator Award, the Institute for Sustainability, Energy, and Environment (iSEE), a NASA Interdisciplinary Science Award and the TERRA-MEPP (Mobile Energy-Crop Phenotyping Platform) research project that is funded by the Advanced Research Projects Agency-Energy (ARPA-E).

The paper “Sun-Induced Chlorophyll Fluorescence, Photosynthesis, and Light Use Efficiency of a Soybean Field from Seasonally Continuous Measurements” is available online (DOI: 10.1002/2017JG004180) or by request. Co-authors also include Joseph A. Berry, Evan H. DeLucia, Jin Wu, Yaping Cai, Bin Peng, Hyungsuk Kimm, and Michael D. Masters.

TERRA-MEPP (Mobile Energy-Crop Phenotyping Platform) is a research project that is developing a low-cost phenotyping robot to identify top-performing crops. TERRA-MEPP is led by the University of Illinois in partnership with Cornell University and Signetron Inc. and is supported by the Advanced Research Projects Agency-Energy (ARPA-E).
The Carl R. Woese Institute for Genomic Biology research facility at the University of Illinois is dedicated to transformative research and technology in life sciences using team-based strategies to tackle grand societal challenges.


Structure and Organization

Survey FAQs and Contact Us

To access FAQs or to submit a question click the arrow to the right.

Toll Free Data and Tradeshow Inquiries

Hours: 7:30 a.m. - 4:00 p.m. Eastern Time
Monday - Friday, except federal holidays
Toll-Free: (800) 727-9540

Hours: 9:00 a.m. - 5:30 p.m. Eastern Time
Monday - Friday, except federal holidays
Toll-Free: (833) One-USDA
Email: [email protected]
Website: https://ask.usda.gov/s/

Εξυπηρέτηση πελατών
Email: / Phone: (800) 727-9540

Teresa White, Public Affairs Deputy Director
Email: / Phone: (202) 690-8123

Jim Barrett, Public Affairs Specialist
Email: / Phone: (202) 690-8124

Jodi Letterman, Public Affairs Specialist
Email: / Phone: (916) 738-6609

Terry Matlock, Public Affairs Specialist
Email: / Phone: (720) 787-3172

Alexandra Nseir, Public Affairs Specialist
Email: / Phone: (202) 690-8121

June Turner, Director
Email: / Phone: (202) 720-8257

Regional and State Field Offices

Find contact information for Regional and State Field Offices

Have specific subject questions for one of our experts, click the arrow to the right.

Web Content Publishing Schedule

Section 207(f)(2) of the E-Government Act of 2002 requires federal agencies to develop an inventory of information to be published on their Web sites, establish a schedule for publishing information, make those schedules available for public comment, and post the schedules and priorities on the Web site.

For Developers and Data Users

Quick links for Census of Ag

Historical Census of Ag Publications

Find current data by.

Surveys related to the Census of Ag

Census of Agriculture

The Census of Agriculture is a complete count of U.S. farms and ranches and the people who operate them. Even small plots of land - whether rural or urban - growing fruit, vegetables or some food animals count if $1,000 or more of such products were raised and sold, or normally would have been sold, during the Census year. The Census of Agriculture, taken only once every five years, looks at land use and ownership, operator characteristics, production practices, income and expenditures. For America’s farmers and ranchers, the Census of Agriculture is their voice, their future, and their opportunity.

If you did not receive the 2017 Census of Agriculture questionnaire and should have, or if you are operating a new farm or ranch, please sign up to be counted in the 2022 Census of Agriculture.

Census Data Release Videos

Want an overview of the 2017 Census of Agriculture data? Don’t miss the Census of Agriculture Data Highlight Series on farm economics, demographics, and more.


FSA Crop Acreage Data Reported to FSA

2020 Crop Year

    (ZIP, 21 MB, January 12, 2021) (ZIP, 21 MB, December 10, 2020) ( ZIP, 22 MB, November 10, 2020 ) (ZIP, 21 MB, October 9, 2020) (ZIP, 21 MB, September 11, 2020) (ZIP, 21 MB, August 12, 2020)

2019 Crop Year

Σημείωση: Beginning with the 2019 crop, producers may report the same acre of either wheat, barley, oats, rye, and triticale for grain and grazing. That situation can occur when a producer intends to graze cattle in the winter, remove the cattle, and harvest the grain when mature later that spring. Thus, for these crops the acre would be counted twice when a producer intends to use the same acre for both grazing and grain.

    (ZIP, 21 MB, January 10, 2020) (ZIP, 21 MB, December 10, 2019) (ZIP, 21 MB, November 8, 2019) (ZIP, 21 MB, October 10, 2019) (ZIP, 21 MB, September 12, 2019) (ZIP, 21 MB, August 27, 2019) (ZIP, 21 MB, August 12, 2019)

Due to the large amount of questions surrounding the difference between NASS estimated planted acres and certified acres reported to FSA, USDA is publishing this update of the August 1, 2019 data.

A description of the differences between the August 2019 NASS crop acre estimates and the FSA certified acres reported to FSA can be found on the Office of the Chief Economist website, click this link for more information.


Where to find data on different crops - Biology

Τα φυτά έχουν διαμορφώσει τη μορφή της ανθρώπινης ζωής μας από την αρχή. Με την αναδυόμενη αναγνώριση της σίτισης του παγκόσμιου πληθυσμού, την παγκόσμια κλιματική αλλαγή και τους περιορισμένους ενεργειακούς πόρους με ορυκτά καύσιμα, η συνάφεια της φυτικής βιολογίας και της βιοτεχνολογίας γίνεται δραματικά σημαντική. Ένα βασικό ζήτημα είναι η βελτίωση της παραγωγικότητας των φυτών και της αντοχής σε αβιοτικά/βιοτικά στρες στη γεωργία λόγω της περιορισμένης έκτασης και των αυξανόμενων περιβαλλοντικών πιέσεων. Μια άλλη πτυχή είναι η ανάπτυξη του CO2-ουδέτεροι φυτικοί πόροι για ίνες/βιομάζα και βιοκαύσιμα: μετάβαση από φυτά πρώτης γενιάς όπως ζαχαροκάλαμο, καλαμπόκι και άλλες σημαντικές θρεπτικές καλλιέργειες σε ενεργειακές καλλιέργειες δεύτερης και τρίτης γενιάς, όπως Miscanthus και δέντρα για λιγνοκυτταρίνη και φύκια για βιομάζα και ζωοτροφές, υδρογόνο και παραγωγή λιπιδίων. Ταυτόχρονα, πρέπει να διατηρήσουμε και να προστατεύσουμε τη φυσική ποικιλότητα και τον πλούτο των ειδών ως θεμέλιο της ζωής μας στη γη. Εδώ, οι τράπεζες βιοποικιλότητας συζητούνται ως βάση της τρέχουσας και μελλοντικής έρευνας για την αναπαραγωγή φυτών. Ως εκ τούτου, μπορεί να προβλεφθεί ότι η φυτική βιολογία και η οικολογία θα έχουν περισσότερους απαραίτητους μελλοντικούς ρόλους σε όλες τις κοινωνικοοικονομικές πτυχές της ζωής μας από ποτέ. Χρειαζόμαστε λοιπόν μια εις βάθος κατανόηση της φυσιολογίας των μεμονωμένων φυτικών ειδών για πρακτικές εφαρμογές καθώς και τη μετάφραση αυτής της γνώσης σε πολύπλοκα φυσικά καθώς και ανθρωπογενή οικοσυστήματα. Οι τελευταίες εξελίξεις στη βιολογική και βιοαναλυτική έρευνα θα οδηγήσουν σε μια αλλαγή παραδείγματος προς την προσπάθεια κατανόησης των οργανισμών σε επίπεδο συστημάτων και στο οικοσυστημικό τους πλαίσιο: (i) κυνηγετικό όπλο και αλληλουχία γονιδιώματος επόμενης γενιάς, ανακατασκευή γονιδίων και σχολιασμός, (ii) κλίμακα γονιδιώματος μοριακή ανάλυση με χρήση τεχνολογιών OMICS και (iii) ανάλυση, μοντελοποίηση και ερμηνεία βιολογικών δεδομένων με τη βοήθεια υπολογιστή. Η βιολογία συστημάτων συνδυάζει αυτά τα μοριακά δεδομένα, τη γενετική εξέλιξη, τις περιβαλλοντικές ενδείξεις και την αλληλεπίδραση ειδών με την κατανόηση, τη μοντελοποίηση και την πρόβλεψη ενεργών βιοχημικών δικτύων μέχρι ολόκληρων πληθυσμών ειδών. Αυτή η διαδικασία βασίζεται στην ανάπτυξη νέων τεχνολογιών για την ανάλυση μοριακών δεδομένων, ιδιαίτερα γονιδιωματικών, μεταβολομικών και πρωτεϊνικών δεδομένων. Ο φιλόδοξος στόχος αυτών των μη στοχευμένων «omic» τεχνολογιών είναι να επεκτείνουμε την κατανόησή μας πέρα ​​από την ανάλυση χωριστών τμημάτων του συστήματος, σε αντίθεση με τις παραδοσιακές αναγωγικές προσεγγίσεις που βασίζονται σε υποθέσεις. Η επακόλουθη ενσωμάτωση του γονότυπου, του φαινοτυπικού/μορφότυπου και της ανάλυσης του μοριακού φαινοτύπου χρησιμοποιώντας μεταβολομική, πρωτεϊνομική και μεταγραφομική θα αποκαλύψει μια νέα κατανόηση του μεταβολισμού των φυτών και της αλληλεπίδρασής του με το περιβάλλον. Η ανάλυση συστημάτων μεμονωμένων μοντέλων –φυτών, μυκήτων, ζώων και βακτηρίων– θα προκύψει τελικά στην ανάλυση πληθυσμών φυτών και άλλων οργανισμών και στην προσαρμογή τους στην οικολογική θέση. Παράλληλα, αυτή η νέα κατανόηση της οικοφυσιολογίας θα μεταφραστεί σε προσεγγίσεις βασισμένες στη γνώση στη βιοτεχνολογία φυτών καλλιεργειών και σε προσεγγίσεις αναπαραγωγής με τη βοήθεια δεικτών ή γονιδιώματος. Σε αυτή την ανασκόπηση περιγράφονται τα θεμέλια της βιολογίας των πράσινων συστημάτων και παρουσιάζονται εφαρμογές στην έρευνα οικοσυστημάτων. Η ανταλλαγή γνώσεων για την έρευνα οικοσυστημάτων και η συγχώνευση της πράσινης βιοτεχνολογίας στη βιολογία των πράσινων συστημάτων αναμένεται με βάση τις αρχές της φυσικής ποικιλότητας, της βιοποικιλότητας και της σχέσης περιβάλλοντος γονότυπου-φαινότυπου ως θεμελιώδεις κινητήριες δυνάμεις της οικολογίας και της εξέλιξης.