Agricultura Botánica y Genética Cultivos y Semillas Estados Unidos

Dar sentido a un universo de genética del maíz

Dar sentido a un universo de genética del maíz
Los bancos de semillas de todo el mundo almacenan y preservan la diversidad genética de millones de variedades de cultivos, incluido el maíz. Los investigadores de la Universidad Estatal de Iowa están desarrollando formas de predecir los rasgos de las variedades de maíz en función de sus genomas. Crédito: Jianming Yu

Los bancos de semillas de todo el mundo almacenan y preservan la diversidad genética de millones de variedades de cultivos. Esta colección masiva de material genético garantiza a los fitomejoradores el acceso a una gran cantidad de genética con la que producir cultivos que rindan mejor o resistan el estrés y las enfermedades.


por Fred Love, Universidad Estatal de Iowa


Pero, con un mundo de genética de maíz a su disposición, ¿cómo saben los fitomejoradores qué variedades vale la pena estudiar y cuáles no? Durante la mayor parte de la historia, eso requirió cultivar las variedades y estudiar su desempeño en el mundo real. Pero el análisis de datos y la genómica innovadores podrían ayudar a los fitomejoradores a predecir el rendimiento de nuevas variedades sin tener que hacer el esfuerzo de cultivarlas.

Jianming Yu, profesor de agronomía en la Universidad Estatal de Iowa y Presidente Distinguido Pionero en Mejoramiento de Maíz, ha dedicado gran parte de su investigación a «turbocargar» la cantidad aparentemente interminable de existencias genéticas contenidas en los bancos de semillas del mundo. Yu y sus colegas han publicado un artículo en Plant Biotechnology Journal , una publicación científica, que detalla sus últimos esfuerzos para predecir los rasgos en el maíz basándose en la genómica y el análisis de datos.

Los fitomejoradores que buscan variedades para probar pueden sentirse perdidos en un mar de material genómico. Yu dijo que la aplicación de análisis de datos avanzados a todos esos genomas puede ayudar a los criadores a reducir la cantidad de variedades que les interesan de manera mucho más rápida y eficiente.

«Siempre estamos buscando las mejores combinaciones genéticas, y buscamos las diversas combinaciones para ver qué variedades queremos probar», dijo Xiaoqing Yu (sin relación), un ex investigador asociado postdoctoral en el laboratorio de Yu y el primer autor del estudiar. «Tener estas predicciones puede guiar nuestro proceso de búsqueda».

El estudio se centró en predecir ocho rasgos del maíz basados ​​en el meristemo apical del brote (SAM), un nicho microscópico de células madre que genera todos los órganos de la planta por encima del suelo. Los investigadores utilizaron su enfoque analítico para predecir los rasgos en 2.687 diversas variedades endogámicas de maíz basándose en un modelo que desarrollaron a partir del estudio de 369 variedades endogámicas que habían sido cultivadas y cuyos meristemas apicales de los brotes se fotografiaron y midieron bajo el microscopio.

Luego, los investigadores validaron sus predicciones con datos obtenidos de 488 endogámicos para determinar que la precisión de su predicción varió del 37% al 57% en los ocho rasgos que estudiaron.

«Queríamos conectar la investigación sobre los mecanismos biológicos fundamentales del crecimiento y la diferenciación celular con la mejora agronómica del maíz», dijo Mike Scanlon, profesor de biología del desarrollo en la Universidad de Cornell e investigador principal del equipo multiinstitucional detrás del estudio. «Las mediciones morfométricas de SAM en plántulas de maíz permiten completar rápidamente el ciclo de estudio. No solo permite esa conexión, sino que también extiende la práctica de la predicción genómica al espacio microfenotípico».

Jianming Yu dijo que los fitomejoradores pueden aumentar la precisión de esas predicciones genómicas aumentando el número de plantas por endogamia para la medición y los algoritmos de predicción mejorados. Más importante aún, los fitomejoradores pueden afinar su proceso de selección para qué endogamia estudiar de cerca aprovechando los «valores U», un concepto estadístico que explica la confiabilidad de las estimaciones. Yu dijo que el estudio muestra que implementar un proceso de selección que tenga en cuenta la predicción y la confiabilidad estadística puede ayudar a los fitomejoradores a concentrarse más rápido en la genética de cultivos deseables.

Por ejemplo, los modelos analíticos pueden predecir que una endogamia en particular tiene un potencial modesto para un rasgo dado, pero el valor U, o el límite superior de confiabilidad, podría indicar un alto grado de falta de confiabilidad en esas predicciones. Por lo tanto, los fitomejoradores podrían optar por probar purasangre que no funcionan tan bien en el modelo predictivo simplemente debido a su singularidad genética, ya que están menos relacionados con los utilizados en la construcción de los modelos de predicción.

«Descubrimos que puede haber un equilibrio entre la selección para optimizar la ganancia a corto plazo y la diversidad minera», dijo Yu. «Es un equilibrio complicado para los fitomejoradores. Esas consideraciones a veces van en diferentes direcciones. El mejoramiento genético puede verse como exploración espacial, ya sea de la gran cantidad de material genético existente en los bancos de semillas o de las innumerables progenies reproductoras que se generan constantemente. Queremos para desarrollar mejores herramientas para guiar esas decisiones en el proceso «.


Leer más

LEAVE A RESPONSE

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

Social Media Auto Publish Powered By : XYZScripts.com