Toda la agricultura es, en cierto sentido, un negocio de predicción. Los cultivos se siembran anticipando su crecimiento y producción.
por Dave Roepke, Universidad Estatal de Iowa
Una investigación dirigida por el profesor de agronomía de la Universidad Estatal de Iowa, Jianming Yu, busca impulsar significativamente las predicciones agrícolas con potentes herramientas de modelado que beneficiarían tanto a los ganaderos como a los agricultores.
En un estudio reciente publicado en Plant, Cell & Environment , el equipo de Yu desarrolló un modelo para predecir la época de floración y la altura de las plantas de sorgo basándose en análisis genómicos y datos meteorológicos de principios de temporada. En pruebas a ciegas en campos de sorgo no incluidos en los datos del modelo, Yu y sus colegas predijeron la época de floración con una precisión de hasta el 74 % y la altura de la planta con una precisión de hasta el 96 %.
Se podrían usar modelos similares que integren la genómica y las condiciones ambientales en otros cultivos y para predecir características igualmente complejas como el rendimiento, dijo Yu, titular de la cátedra distinguida Pioneer Hi-Bred en mejoramiento de maíz y director del Centro Raymond F. Baker para el mejoramiento de plantas.
«Obtener información sobre lo que es probable que suceda con antelación tiene un valor enorme», dijo.
El estudio se basó en datos del Panel de la Asociación del Sorgo, una colección de 400 variantes de sorgo seleccionadas para representar la diversidad global de la planta y secuenciadas genéticamente para investigación y mejoramiento. El grupo de 16 investigadores de ocho instituciones diferentes analizó 14 temporadas de crecimiento para determinar qué combinaciones de factores climáticos, durante qué períodos, se relacionaban más estrechamente con la altura de la planta y el tiempo de floración, también conocido como índice ambiental.
Para la floración, los investigadores establecieron el índice ambiental como el calor acumulado durante el segundo mes de crecimiento. Para la altura de la planta, se utilizó el rango de temperatura diurna (la diferencia entre las temperaturas máximas y mínimas diarias) del día 25 al 31.
El equipo de Yu empleó entonces un método de análisis estadístico denominado estudios de asociación genómica para buscar cerca de 265.000 marcadores genéticos de grupos de genes vinculados a la altura de la planta y el tiempo de floración, identificando siete grupos para el tiempo de floración y 69 para la altura de la planta. Se empleó otro método analítico, denominado predicción genómica, para construir modelos que predicen el rendimiento basándose en similitudes genéticas.
Los investigadores integraron un índice ambiental en sus modelos para tener en cuenta las diferentes maneras en que plantas genéticamente idénticas responden a las condiciones de crecimiento, una dinámica denominada plasticidad fenotípica, que ha sido un foco del trabajo de Yu en los últimos años. Considerar el rango variable de rendimiento, en lugar de solo el promedio, facilita la comparación de grandes conjuntos de datos en una amplia variedad de entornos, lo que resulta en modelos más eficaces, afirmó Yu.
«Incorporar un índice ambiental hace que la predicción genómica sea más dinámica y precisa. Se pueden estudiar todos los datos en conjunto y obtener una visión profunda y holística para encontrar patrones», afirmó.
Esto debería acelerar y ampliar el alcance geográfico del mejoramiento vegetal, mejorando los esfuerzos para lograr que los cultivos sean más resistentes a los extremos climáticos del cambio climático.
«Realmente esperamos establecer procesos que ayuden a los criadores a utilizar nuestro marco de plasticidad fenotípica en sus propias prácticas», dijo Yu.
Pero modelar con precisión las características de los cultivos también ofrece un potencial directo para los agricultores, quienes podrían usar pronósticos fiables durante la temporada para tomar decisiones importantes de gestión de campo y comercialización, afirmó Yu. Esto podría ser aún más factible a medida que su grupo de investigación busca fortalecer aún más los modelos de predicción con información adicional, como datos de campo recopilados con drones.
«Seguiremos pensando en cómo hacer que estas predicciones sean más poderosas», dijo.
Más información: Jialu Wei et al., Patrones genéticos y ambientales que subyacen a la plasticidad fenotípica en la época de floración y la altura de la planta de sorgo, Plant, Cell & Environment (2024). DOI: 10.1111/pce.15213
