Un estudio publicado recientemente, dirigido por científicos de la Universidad Estatal de Iowa, introdujo una nueva perspectiva, al analizar una gran cantidad de datos sobre plantas de arroz, que permite encontrar mejores formas de predecir el rendimiento de los cultivos y aporta nuevas ideas sobre cómo las plantas se adaptan a diferentes entornos.
El estudio, publicado en la revista académica Genome Research, «descubrió patrones en conjuntos de datos recolectados en plantas de arroz en Asia», dijo Jianming Yu, profesor de agronomía y Presidente Distinguido en Mejoramiento de Maíz de la Universidad estatal de Iowa. «Esos patrones permitieron a los investigadores desarrollar una matriz para ayudarlos a predecir características de las plantas de arroz en función de su genética y el ambiente en el que crecen. La investigación podría mejorar la capacidad de los agricultores para predecir cómo se desempeñarán las variedades de cultivos en diversos entornos, aportando a los productores una mayor sensación de estabilidad y minimizando el riesgo», dijo Yu.
«Los rasgos de un organismo están determinados por una combinación de su genoma, su entorno y las circunstancias particulares de ese organismo», dijo Tingting Guo, primer autor del artículo y agrónomo investigador. «Todos estos son factores complejos. Estamos tratando de ver cómo obtener una comprensión más profunda del proceso para poder avanzar en la pirámide de datos: información, conocimiento y sabiduría. Predecir con precisión los rasgos es una extensión natural de la aplicación de esa sabiduría».
El estudio analizó datos de 174 plantas de arroz cultivadas en nueve ambientes diferentes en toda Asia. Los investigadores analizaron el conjunto de datos utilizando métodos que habían desarrollado previamente para el sorgo. Descubrieron que las temperaturas al inicio del crecimiento de las plantas juegan un papel importante en la determinación del tiempo en el que las plantas de arroz florecen, llamado período de floración. Junto con los datos genómicos, los investigadores utilizaron esta observación para construir un índice del perfil de temperatura entre nueve y cincuenta días después de la siembra para predecir cuando ocurrirá el período de floración.
Los métodos de análisis fueron aplicados a plantas de sorgo y arroz Foto:Archivo digitalLos análisis pueden aplicarse a otros cultivos
Los hallazgos del estudio dependen de la capacidad de los investigadores para aplicar técnicas de análisis innovadoras a grandes conjuntos de datos disponibles anteriormente, en lugar de generar nuevos datos.
«Nuestro punto de partida fueron los datos que ya existían», dijo Xianran Li, profesor adjunto asociado. «Lo que hicimos fue extraer nueva información de esos datos y dar el siguiente paso crítico para explorar la conexión con un conjunto de datos mucho más grande».
El análisis también encontró patrones en la distribución geográfica de ciertos haplotipos genéticos del arroz, o conjuntos de combinaciones de ADN que tienden a heredarse juntos, entre aproximadamente 3.000 plantas diferentes. Estos patrones geográficos revelaron una adaptación preferencial a zonas con diferentes temperaturas, dijo Guo. Según el estudio, las regiones con temperaturas más bajas estaban dominadas por haplotipos sensibles a los cambios de temperatura, mientras que la región ecuatorial tenía una mayoría de haplotipos que respondían menos a estos cambios.
Si bien Yu y sus colegas han aplicado sus métodos de análisis de datos a las plantas de sorgo y arroz, sostienen que enfoques similares deberían aplicarse al maíz y la soja.
«La pregunta fundamental que motiva la investigación es cómo la compleja interacción genotipo-ambiente genera variaciones fenotípicas», dijo Yu. El equipo propuso un modelo conceptual para conectar el gen y entorno.
«Es hora de incorporar el contexto ambiental inseparable a la forma en que definimos los efectos de los genes y las redes de genes. Este modelo cierra las brechas entre varias investigaciones de genes individuales, plasticidad fenotípica a nivel de campo y diversidad y adaptación genómica», dijo Yu. «Creemos que este modelo conceptual también sirve como un marco amplio para impulsar el fitomejoramiento».
Fuente: Bioeconomía