Científicos del Laboratorio Nacional Oak Ridge del Departamento de Energía realizaron un análisis minucioso de los compuestos liberados por las raíces de las plantas a su entorno. El análisis arrojó abundante información que puede orientar la investigación para mejorar la forma en que cultivamos alimentos y energía.
por Stephanie Seay, Laboratorio Nacional de Oak Ridge
Los investigadores saben desde hace tiempo que las relaciones que las plantas establecen con microbios como bacterias y hongos pueden hacerlas más tolerantes a condiciones de crecimiento adversas, como la sequía o la escasez de nutrientes. A medida que las plantas crecen, liberan moléculas orgánicas al suelo, un proceso conocido como rizodeposición. Esta materia orgánica, a su vez, afecta la forma en que las plantas y los microorganismos interactúan con otros procesos subterráneos.
Los científicos del ORNL desarrollaron un nuevo marco analítico basado en la metabolómica (el estudio de moléculas pequeñas) para caracterizar sistemáticamente los rizodepósitos de origen vegetal. El trabajo generó abundante información sobre la diversidad y las cantidades relativas de compuestos en los suelos, como se describe en un artículo publicado en Plant, Cell & Environment .
La información obtenida del proyecto mejora la comprensión de las interacciones entre plantas y microbiomas para guiar el desarrollo de variedades de cultivos de mayor rendimiento y resistentes al estrés, así como la ingeniería de microbios que contribuyen a la resiliencia de los cultivos. Los resultados permiten el desarrollo de materias primas bioenergéticas resistentes y productivas para la bioeconomía, fortaleciendo las cadenas de suministro nacionales y la seguridad energética.
Un enfoque no focalizado amplía los resultados
Los investigadores idearon un experimento en el que se cultivaron dos variedades de álamo en condiciones controladas, con y sin nutrientes añadidos. Se tomaron muestras de zonas radiculares en crecimiento activo y más consolidadas en diferentes momentos. Los investigadores emplearon un enfoque denominado metabolómica no dirigida, que les permitió detectar y analizar el mayor número posible de moléculas, no solo unas pocas preseleccionadas.
El equipo utilizó espectrometría de masas de alta resolución para identificar y cuantificar compuestos químicos , generando una huella molecular de las muestras. Posteriormente, se emplearon métodos computacionales para agrupar y comparar los compuestos.
El resultado fue un tesoro de compuestos rizodepósito, muchos de ellos nunca antes identificados. Su composición variaba según el tipo de planta, la disponibilidad de nutrientes, la ubicación y el momento. Los investigadores se basaron en los extensos datos genómicos del ORNL sobre el álamo, un cultivo bioenergético clave de interés, para comprender el importante papel de la genética en la formación de estos compuestos.
«La metabolómica se ha limitado principalmente al análisis dirigido, que confirma la presencia de un compuesto o interacción específica en la muestra», afirmó Paul Abraham, codirector del proyecto y miembro de la División de Biociencias del ORNL. «Pero con un enfoque no dirigido, podemos capturar una gama mucho más amplia de diversidad química, revelando compuestos inesperados o previamente desconocidos que podrían desempeñar un papel crucial en los sistemas edáficos y vegetales».
Próximos pasos: descubrimiento asistido por IA
«Este proyecto fue posible gracias a los instrumentos de espectrometría de masas ultraprecisos del ORNL y al entorno interdisciplinario», afirmó Abraham. «La precisión y la sensibilidad de estas capacidades son fundamentales para el éxito de la metabolómica no dirigida. Nuestro equipo de expertos en genómica, biología de sistemas vegetales y química bioanalítica fue esencial para diseñar y ejecutar el estudio y comprender las implicaciones del trabajo».
La investigación posterior podría incluir el uso de herramientas de IA para analizar los datos, añadió Abraham. «El espectro químico que medimos es amplio, y la mayoría de las moléculas que detectamos no pueden confirmarse con los estándares de referencia existentes», afirmó.
Para comprender esa complejidad, dependeremos cada vez más del aprendizaje automático y la IA para resolver fórmulas químicas en estructuras predichas. Por eso, uno de nuestros objetivos clave es que nuestros datos sean fáciles de encontrar, accesibles y reutilizables para la comunidad científica en general.
Los científicos también podrían aprovechar el sistema digital de análisis de raíces subterráneas que se está instalando en el Laboratorio de Fenotipado Avanzado de Plantas del ORNL para permitir el análisis basado en imágenes de la dinámica del sistema radicular, extrayendo potencialmente incluso más características, agregó.
Más información: Manasa R. Appidi et al., Rizodeposición dinámica en la planta leñosa perenne Populus trichocarpa, Plant, Cell & Environment (2025). DOI: 10.1111/pce.70004
