Agricultura Botánica, nutrición y genética Estados Unidos

Detectar lo que perciben las plantas: el marco integrado ayuda a los científicos a explicar la biología y predecir el rendimiento de los cultivos

Detectar lo que perciben las plantas: el marco integrado ayuda a los científicos a explicar la biología y predecir el rendimiento de los cultivos
Los investigadores de la Universidad Estatal de Iowa utilizan análisis de datos avanzados para ayudar a los científicos a comprender cómo las condiciones ambientales interactúan con la genómica en el maíz, que se muestra aquí, así como en otros cultivos. Crédito: Jianming Yu

Los científicos han invertido mucho tiempo y esfuerzo en establecer conexiones entre el genotipo de una planta, o su composición genética, y su fenotipo, o los rasgos observables de la planta. 


por la Universidad Estatal de Iowa


Comprender el genoma de una planta ayuda a los biólogos de plantas a predecir cómo se comportará esa planta en el mundo real, lo que puede ser útil para mejorar las variedades de cultivos que producirán altos rendimientos o resistirán el estrés.

Pero las condiciones ambientales también juegan un papel. Las plantas con el mismo genotipo se comportarán de manera diferente cuando se cultiven en diferentes entornos. Un nuevo estudio dirigido por un científico de la Universidad Estatal de Iowa utiliza análisis de datos avanzados para ayudar a los científicos a comprender cómo el medio ambiente interactúa con la genómica en el maíz, el trigo y la avena. Los resultados podrían conducir a modelos más precisos y rápidos que permitirán a los fitomejoradores desarrollar variedades de cultivos con características deseables.

El estudio fue publicado recientemente en la revista académica Molecular Plant revisada por pares .

Jianming Yu, profesor de agronomía y presidente distinguido pionero en mejoramiento de maíz, dijo que el estudio arroja luz sobre la plasticidad fenotípica o la capacidad de los cultivos para adaptarse a los cambios ambientales . Esto podría ayudar a los fitomejoradores a comprender mejor qué tan «modelables» son las especies de plantas, o cuánto potencial tienen para desempeñarse bien en diferentes entornos.

«Sabíamos que el desempeño genético depende del contexto. No es estático, depende de las condiciones ambientales», dijo Xianran Li, profesor asociado adjunto y primer autor del estudio. «Dos alelos de un gen funcionan de manera diferente en un entorno pero igual en otro. Lo que es un desafío es comprender la interacción entre los genes y el entorno en las condiciones del campo natural. El obstáculo obvio es que los entornos naturales son mucho más complejos que los de laboratorio controlado condiciones. ¿Cómo podemos detectar las principales señales que perciben las plantas ? «

El estudio utilizó datos recopilados previamente sobre las tres especies de cultivos de todo el mundo. Un grupo de 17 científicos de cuatro instituciones contribuyó al estudio actual, pero un grupo mucho mayor de científicos llevó a cabo los experimentos iniciales que generaron los datos. El conjunto de datos incluyó 282 líneas endogámicas de maíz evaluadas en los Estados Unidos y Puerto Rico; 288 líneas endogámicas de trigo evaluadas en África, India y países del Medio Oriente; y 433 poblaciones endogámicas de avena evaluadas en los Estados Unidos y Canadá. Los datos incluyeron condiciones ambientales como la temperatura y la disponibilidad de luz solar. Los datos fenotípicos analizados en el estudio incluyeron rendimientos, altura de la planta y tiempo de floración, o la ventana de tiempo durante la cual la planta alcanza la etapa reproductiva.

El análisis de datos avanzado permitió a los investigadores desarrollar un índice ambiental, extrayendo el patrón de diferenciación principal entre las condiciones de campo natural estudiadas. Con esta dimensión ambiental explícita definida, se puede evaluar sistemáticamente cómo los genes individuales responden a señales externas y conducen colectivamente al desempeño final variado de un organismo.

«Es como si los pulsos imperceptibles de la percepción de una planta de las condiciones exteriores ahora se hacen visibles en la pantalla de un monitor», dijo Tingting Guo, científico investigador en agronomía y coautor del estudio.

El estudio «presenta un marco integrado que no sólo revela la dinámica del efecto genético a lo largo de un índice ambiental identificado, sino que también permite predicciones y pronósticos de rendimiento precisos», escribieron los autores en el artículo.

«Nos complace poder diseñar un marco de este tipo para cubrir dos áreas principales de investigación, los estudios de asociación de todo el genoma y la selección genómica (GWAS y GS)», dijo Yu.

El estudio encontró que el marco integrado predijo el tiempo de floración y la altura de la planta con precisión, mientras que las predicciones de rendimiento eran más difíciles. Li dijo que eso probablemente se deba a la cantidad de parámetros ambientales diferentes, más allá de la temperatura y la luz solar, que afectan el rendimiento en diferentes etapas de crecimiento. El equipo de investigación continuará perfeccionando sus métodos para tener en cuenta más factores ambientales en un esfuerzo por predecir mejor los rendimientos.

Yu y sus colaboradores desarrollaron por primera vez su análisis de datos inicial en sorgo, pero desde entonces han ampliado su investigación para incluir otros cultivos mundiales importantes. Esto podría ayudar a los científicos de plantas a diseñar un mejor plan para encontrar variedades para probar. Yu dijo que la aplicación de análisis de datos avanzados a todos los datos genómicos, fenotípicos y ambientales disponibles puede ayudar a los criadores a concentrarse en las variedades que les interesan de manera mucho más rápida y eficiente.

«Creemos que tenemos la cantidad de datos necesaria para hacer mejores predicciones sobre el rendimiento de la planta», dijo Yu. «Ahora, estamos tratando de obtener conocimiento y sabiduría de los datos para guiar el proceso de toma de decisiones en el mundo real».



WP Twitter Auto Publish Powered By : XYZScripts.com