El modelado informático revela la complejidad detrás de la relación fenotipo-rendimiento en la soja

Se está acabando el tiempo para encontrar soluciones sostenibles aumentar el rendimiento de los cultivos frente a la escasez de recursos, el cambio climático y una población mundial en crecimiento. Una nueva investigación ayudará a guiar a los fitogenetistas a identificar y seleccionar más rápidamente genotipos de plantas que puedan aumentar el rendimiento de los cultivos, garantizando la seguridad alimentaria para el futuro.

El desarrollo de nuevos cultivares de alto rendimiento se basa en la práctica de la selección genotípica. Esto implica cultivar una población genéticamente diversa de plantas para identificar aquellas que confieren rasgos deseables (fenotipos) después de mediciones y evaluaciones exhaustivas. Sin embargo, este proceso se complica por el hecho de que los fenotipos de las plantas están influenciados no sólo por la composición genética, sino también por las prácticas de manejo y las condiciones ambientales a las que está expuesta la planta.

La gran cantidad de combinaciones posibles de variables genéticas, ambientales y de manejo que pueden influir en los fenotipos de las plantas hace que sea inherentemente difícil determinar los cultivares óptimos para una ubicación que aún no ha sido probada.

La estudiante de posgrado de la Universidad Estatal de Iowa, Mariana Chiozza, dirigió un estudio de investigación que buscó superar esta limitación mediante el uso de modelos informáticos para simular los fenotipos de una amplia gama de genotipos cultivados bajo diferentes prácticas de manejo y condiciones ambientales.. Este estudio, publicado en in silico Las plantas podrían ayudar a los criadores y agricultores a determinar los mejores genotipos y prácticas de gestión para un lugar determinado.

Los avances en el fenotipado basado en imágenes han permitido a los investigadores determinar rápidamente capturar grandes volúmenes de datos de rasgos fenotípicos basados ​​en el dosel en órdenes de magnitud más rápido que los métodos manuales (Figura 1). Esto les permite medir de manera eficiente los rasgos, como el índice de área foliar, de miles de genotipos cultivados bajo prácticas de manejo y condiciones ambientales específicas.

El índice de área foliar es una medida de la cantidad de material foliar en el dosel de una planta (ver Figura 2). Esta métrica proporciona un indicador útil de la capacidad de la planta para capturar la luz solar y realizar la fotosíntesis y está estrechamente relacionada con el rendimiento de semillas. Sin embargo, la relación exacta entre el índice de área foliar y el rendimiento es difícil de entender, ya que está influenciada por una compleja interacción de factores genéticos, ambientales y de manejo.

Chiozza y sus colegas recurrieron a modelos informáticos para simular cómo interactúan diversas variables genéticas, ambientales y de gestión para dar forma a la relación índice de área foliar-rendimiento. “Una parte importante de la comunidad de mejoramiento de la soja utiliza enfoques lineales para relacionar los rasgos del dosel y el rendimiento de las semillas. Sin embargo, esta relación puede variar significativamente cuando se tienen en cuenta factores como la genética, el medio ambiente y el manejo”, explica Chiozza (ver Figura 3).

Para abordar este problema, los autores aprovecharon un modelo existente, Simulador de sistemas de producción agrícola (APSIM), que simula los procesos biofísicos involucrados en el crecimiento y producción de soja. Dentro del marco de APSIM, los investigadores crearon 216 genotipos únicos de soja variando sistemáticamente los valores de los parámetros para rasgos relacionados con el desarrollo del cultivo (fenología y fotoperíodo) y la asignación de biomasa (índice de cosecha).

Luego simularon el crecimiento de los 216 genotipos bajo 24 enfoques de manejo diferentes, como variaciones en la fecha de siembra, el espacio entre hileras y la densidad de plantas, en 3 ubicaciones. Este análisis se realizó durante un período de 20 años, lo que dio como resultado un total de 311,040 ejecuciones de simulación individuales. Este enfoque permitió a los investigadores evaluar de manera eficiente el rendimiento y el potencial de rendimiento de una amplia gama de genotipos de soja en diferentes condiciones ambientales y de manejo, sin la necesidad de realizar pruebas de campo extensas.

No es sorprendente que los investigadores encontraran que los valores del índice de área foliar correspondientes al mayor rendimiento variaran según la ubicación, el genotipo, la densidad, el espacio entre hileras, la fecha de siembra y otros factores. Esto subraya la complejidad inherente que implica identificar los valores óptimos del índice de área foliar a los que los fitogenetistas deben apuntar mediante la selección genotípica para lograr el máximo rendimiento de los cultivos.

Con este trabajo, los autores demostraron que los enfoques lineales para relacionar las características del dosel y el rendimiento no siempre son apropiados. En muchos casos, un LAI más alto no tuvo ningún efecto o se correlacionó con un rendimiento reducido. Esto podría atribuirse al auto sombreado o al costo de construir tejido foliar. perjudicial para la producción de semillas (Figura 4).

Al evaluar los diversos factores que influyen en la relación entre los rasgos de la cubierta vegetal de un cultivo y su rendimiento de semillas de una manera más integral, investigaciones como esta pueden ayudar a los mejoradores a aprovechar mejor la utilidad de las tecnologías de fenotipado de alto rendimiento. Esta comprensión más profunda de las complejas interacciones entre las características de las plantas y la productividad puede ayudar a los programas de mejoramiento en sus esfuerzos por desarrollar variedades mejoradas de cultivos.

LEE EL ARTÍCULO:

Mariana V Chiozza, Kyle Parmley, William T Schapaugh, Antonio R Asebedo, Asheesh K Singh, Fernando E Miguez, Cambios en la relación área foliar-rendimiento de semillas en la soja impulsados ​​por la genética, el manejo y el medio ambiente: implicaciones para el fenotipado de alto rendimiento, in silico Plants, 2024;, diae012, https://doi.org/10.1093/insilicoplants/diae012