Los científicos de la Universidad de Nueva York están utilizando inteligencia artificial para determinar qué genes gobiernan colectivamente la eficiencia del uso del nitrógeno en plantas como el maíz, con el objetivo de ayudar a los agricultores a mejorar el rendimiento de sus cultivos y minimizar el costo de los fertilizantes nitrogenados.
por Rachel Harrison, Universidad de Nueva York
«Al identificar genes importantes para la utilización del nitrógeno, podemos seleccionar o incluso modificar ciertos genes para mejorar la eficiencia del uso del nitrógeno en importantes cultivos estadounidenses como el maíz «, dijo Gloria Coruzzi, profesora Carroll & Milton Petrie en el Departamento de Biología y el Centro de Genómica y Biología de Sistemas de la Universidad de Nueva York y autora principal del estudio, que aparece en la revista The Plant Cell .
En los últimos 50 años, los agricultores han podido obtener mayores rendimientos en sus cultivos gracias a importantes mejoras en el mejoramiento de plantas y en los fertilizantes, incluida la eficiencia con la que los cultivos absorben y utilizan el nitrógeno, el componente clave de los fertilizantes.
Aun así, la mayoría de los cultivos solo utilizan aproximadamente el 55 % del nitrógeno presente en los fertilizantes que los agricultores aplican a sus campos, mientras que el resto termina en el suelo circundante. Cuando el nitrógeno se filtra a las aguas subterráneas, puede contaminar el agua potable y provocar la proliferación de algas nocivas en lagos, ríos, embalses y aguas oceánicas cálidas. Además, el nitrógeno no utilizado que permanece en el suelo es convertido por bacterias en óxido nitroso , un potente gas de efecto invernadero que es 265 veces más eficaz para retener el calor durante un período de 100 años que el dióxido de carbono.
Estados Unidos es el principal productor mundial de maíz. Este importante cultivo comercial requiere grandes cantidades de nitrógeno para su crecimiento, pero gran parte del fertilizante que se utiliza no se absorbe ni se utiliza. La baja eficiencia del maíz en el uso del nitrógeno representa un desafío financiero para los agricultores, dado el aumento de los costos de los fertilizantes —la mayoría de los cuales son importados— y también representa un riesgo para el suelo, el agua, el aire y el clima.
Para abordar este desafío en el maíz y otros cultivos, los investigadores de la Universidad de Nueva York han desarrollado un nuevo proceso para mejorar la eficiencia en el uso del nitrógeno que integra la genética de las plantas con el aprendizaje automático , un tipo de inteligencia artificial que detecta patrones en los datos; en este caso, para asociar genes con un rasgo (eficiencia en el uso del nitrógeno).
Utilizando un enfoque de modelo a cultivo, investigadores de la Universidad de Nueva York rastrearon la historia evolutiva de genes de maíz compartidos con Arabidopsis, una pequeña maleza con flores que se utiliza a menudo como organismo modelo en biología vegetal debido a la facilidad de su estudio en el laboratorio mediante el poder de los enfoques de genética molecular. En un estudio previo publicado en Nature Communications , el equipo de Coruzzi identificó genes cuya respuesta al nitrógeno se conservaba entre el maíz y Arabidopsis y validó su función en las plantas.
En el estudio actual, el más reciente sobre este tema, los investigadores de la Universidad de Nueva York se basaron en su trabajo en maíz y Arabidopsis para identificar cómo la eficiencia en el uso del nitrógeno está gobernada por grupos de genes, también conocidos como «regulones», que son activados o reprimidos por el mismo factor de transcripción (una proteína reguladora).
«Características como la eficiencia en el uso del nitrógeno o la fotosíntesis nunca están controladas por un solo gen. La ventaja del aprendizaje automático es que aprende conjuntos de genes que son colectivamente responsables de una característica y también puede identificar el factor o los factores de transcripción que controlan estos conjuntos de genes», afirmó Coruzzi.
Los investigadores primero utilizaron la secuenciación de ARN para medir la respuesta de los genes del maíz y la Arabidopsis al tratamiento con nitrógeno. Con estos datos, entrenaron modelos de aprendizaje automático para identificar genes sensibles al nitrógeno conservados en las variedades de maíz y Arabidopsis, así como los factores de transcripción que regulan los genes importantes para la eficiencia en el uso del nitrógeno (EUN).
Para cada «Regúlon NUE» (el factor de transcripción y el conjunto correspondiente de genes NUE regulados), los investigadores calcularon un puntaje de aprendizaje automático colectivo y luego clasificaron a los de mejor desempeño en función de qué tan bien los niveles de expresión combinados podían predecir con precisión la eficiencia con la que se utiliza el nitrógeno en las variedades de maíz cultivadas en el campo.
Para los regulones NUE mejor clasificados, los investigadores utilizaron estudios celulares tanto en maíz como en Arabidopsis para validar las predicciones de aprendizaje automático para el conjunto de genes del genoma regulados por cada factor de transcripción. Estos experimentos confirmaron los regulones NUE para dos factores de transcripción del maíz (ZmMYB34/R3), que regulan 24 genes que controlan el uso del nitrógeno, así como para un factor de transcripción estrechamente relacionado en Arabidopsis (AtDIV1), que regula 23 genes diana que comparten una historia genética con el maíz y que también controlan el uso del nitrógeno.
Cuando se reintrodujeron en los modelos de aprendizaje automático, estos regulones NUE conservados del modelo al cultivo mejoraron significativamente la capacidad de la IA para predecir la eficiencia del uso del nitrógeno en las variedades de maíz cultivadas en el campo.
La identificación de los regulones NUE de genes colectivos y los factores de transcripción relacionados que rigen el uso del nitrógeno permitirá a los científicos agrícolas crear o diseñar maíz que necesite menos fertilizantes.
«Al observar los híbridos de maíz en la etapa de plántula para ver si la expresión de los genes identificados de importancia para la eficiencia en el uso del nitrógeno es alta, en lugar de plantarlos en el campo y medir su uso de nitrógeno, podemos usar marcadores moleculares para seleccionar los híbridos en la etapa de plántula que son más eficientes en el uso del nitrógeno y luego plantar esas variedades», dijo Coruzzi.
«Esto no sólo supondrá un ahorro de costes para los agricultores, sino que también reducirá los efectos nocivos de la contaminación por nitrógeno de las aguas subterráneas y las emisiones de óxido nitroso, gases de efecto invernadero».
La Universidad de Nueva York ha presentado una solicitud de patente que cubre la investigación y los hallazgos descritos en este documento; la patente provisional también describe el uso de la tecnología de edición genética CRISPR para diseñar regulones NUE en cultivos para mejorar la eficiencia del uso del nitrógeno.
Más información: Ji Huang et al., Los regulones NUE conservados de modelo a cultivo mejoran las predicciones de aprendizaje automático sobre la eficiencia del uso del nitrógeno, The Plant Cell (2025). DOI: 10.1093/plcell/koaf093
[amazon_auto_links id=»109067″]
109067]); ?>