El investigador de granos pequeños Juan David Arbeláez-Vélez conoce el secreto para preparar un arroz perfecto, y no se trata de cómo se cocina.
por Rami Jameel, Universidad de Illinois en Urbana-Champaign
Arbeláez y su equipo investigan la genética que determina diferentes atributos del grano, como la apariencia, el tiempo de cocción y la textura. Su artículo , publicado en The Plant Genome , ofrece una estrategia que ayudará a los fitomejoradores a mejorar la calidad del grano de forma integral, a la vez que reduce costos y ahorra tiempo.
«A veces, una variedad es tan productiva que los cultivadores pasan por alto algunos de sus defectos. Luego, al realizar las pruebas de calidad, la variedad no cumple con los estándares de la industria y del consumidor», dijo Arbelaez, profesor asistente del Departamento de Ciencias Agrícolas, de la Facultad de Ciencias Agrícolas, del Consumidor y Ambientales de la Universidad de Illinois en Urbana-Champaign.
Cuando utilizamos enfoques genéticos multirrasgos, aprovechamos toda la información disponible: ADN del genoma completo, rasgos agronómicos como rendimiento, madurez y altura de la planta, además de rasgos de calidad secundarios, como contenido de almidón, tamaño del grano, color y apariencia.
Desarrollando mejor arroz
La demanda mundial de arroz de alta calidad está aumentando, afirma Arbeláez, y los productores de arroz deben mantenerse al día. Los productores buscan variedades productivas que crezcan bien y resistan la sequía y las plagas. Los molineros buscan granos de arroz que sobrevivan a los procesos de descascarillado y pulido sin romperse, mientras que los consumidores buscan arroz que se cocine fácilmente y tenga una textura agradable.
El proceso tradicional de mejoramiento de cultivos puede ser lento, ya que la productividad y la calidad del grano suelen evaluarse por separado. Además, contratar evaluadores sensoriales de calidad puede resultar costoso. Al predecir la calidad del grano con antelación mediante selección genómica, los mejoradores pueden centrar sus esfuerzos y recursos en variedades con buen rendimiento en el mercado.
Los fitomejoradores modernos suelen trabajar con un gen a la vez. Por ejemplo, un gen en particular podría explicar el 40% de la variación en el tamaño del grano entre diferentes variedades de arroz, por lo que los investigadores desarrollarán variedades con la versión de ese gen que produzca los resultados deseados. Sin embargo, el problema radica en el 60% restante. Los genes dispersos por todo el genoma, junto con las condiciones ambientales, a veces pueden «eclipsar» al gen singular que codifica la mayor parte de un rasgo, especialmente cuando cambios menores determinan la aceptación del consumidor.
Aprovechar el genoma
Por eso, los investigadores combinaron una vista aérea del genoma con una mirada microscópica a genes individuales, utilizando un método conocido como selección genómica de múltiples rasgos asistida por marcadores.
«La ruta más larga y menos rentable sería estudiar el impacto de un solo alelo», dijo Arbelaez. «En cambio, estamos analizando el genoma completo y sus diversas variaciones».
La base de su técnica, la selección genómica multirrasgo (MT-GS), investiga el panorama general. En lugar de examinar genes individuales que codifican rasgos individuales —lo que los genetistas han hecho habitualmente—, la MT-GS predice múltiples rasgos a la vez basándose en el genoma completo, o en la totalidad del código genético de un organismo.
Para aumentar la precisión de su modelo MT-GS, los investigadores se centraron en marcadores genéticos individuales con vínculos conocidos con ciertas características, como la textura y el tiempo de cocción. Esta es la parte «asistida por marcadores» de su técnica. Aclara la perspectiva del modelo, permitiéndole «aprender» de las relaciones genéticas conocidas e identificar características relacionadas.
«En la selección genómica, analizamos el genoma completo y esos efectos menores. Con los marcadores de rasgos, analizamos genes específicos», explicó Arbelaez. «Así que, al combinar ambos, se pueden hacer mejores predicciones, ya que ahora se tienen en cuenta muchos de estos diferentes efectos genéticos».
Y la idea funcionó. Al añadir marcadores genéticos y rasgos conocidos a su modelo, el equipo aumentó significativamente su capacidad predictiva, haciéndolo de 2 a 10 veces más potente según el rasgo de interés.
Mejorando los granos pequeños
Como parte del Laboratorio de Mejoramiento de Granos Pequeños de la Universidad de Illinois, Arbeláez trabaja con todo tipo de cultivos, especializándose en avena y arroz. Presentó su método asistido por marcadores en un artículo anterior , donde él y sus colegas evaluaron más de 500 líneas de mejoramiento del programa de mejoramiento de avena del laboratorio. Al utilizar MT-GS asistido por marcadores para la avena, el equipo mejoró la capacidad predictiva de su modelo en aproximadamente un 50 %. Dado que el método se adaptó bien al arroz, los investigadores esperan que también sea eficaz para otros granos pequeños, especialmente otros cultivos básicos.
Una población mundial en aumento con un mayor poder económico implica que la demanda de granos de alta calidad seguirá en aumento, por lo que es esencial contar con programas de mejoramiento eficientes y rentables. «Si pensamos globalmente, existen muchos tipos de mercados diferentes», afirmó Arbeláez. «Por ejemplo, países como Perú y Chile tienden a preferir el arroz ligeramente más pegajoso que en el resto de los países sudamericanos. Así, al comprender los alelos que codifican la textura, podemos identificar líneas de interés para diversos mercados».
Arbeláez destacó la importancia de la cooperación internacional: implementó la técnica MT-GS asistida por marcadores mientras trabajaba en el Instituto Internacional de Investigación del Arroz en Filipinas y obtuvo muestras de arroz para este estudio del Fondo Latinoamericano para el Arroz de Riego. La financiación de programas como estos es esencial para alimentar a una población en crecimiento , añadió Arbeláez.
«Toda la investigación agrícola se ha visto afectada por los recortes de financiación», afirmó. «Se están revisando muchos programas que apoyan el trabajo que realizamos».
Aun así, Arbeláez tiene esperanza en el futuro. «Estos enfoques funcionan en todas las especies y son extremadamente útiles, especialmente para estos rasgos de valor añadido. Con esta investigación, demostramos que contamos con las herramientas para abordar los objetivos de calidad de grano pequeño desde las primeras etapas del proceso de mejoramiento, y que esto podría extenderse a otras especies, como las hortalizas. Es una excelente noticia».
Más información: Anup Dhakal et al., Implementación de covariables de marcadores y modelos de selección genómica multirrasgo para mejorar la molienda, la apariencia, la cocción y la calidad comestible del grano de arroz (Oryza sativa L.), The Plant Genome (2025). DOI: 10.1002/tpg2.70068
