Es necesario mejorar el rendimiento de los cultivos para alimentar a una población en crecimiento. Sin embargo, el mejoramiento de cultivos con un rendimiento mejorado es difícil: el rendimiento no solo está controlado por el genotipo, sino también por el manejo, el medio ambiente y sus interacciones.

Un nuevo estudio publicado en in silico Plantas de Yutaka Tsutsumi-Morita y colegas de la Universidad de Wageningen e Investigación en colaboración con la industria abordaron este dilema reduciendo el rendimiento para poder volver a construirlos.

El equipo desenredó la complejidad del rendimiento del tomate al dividirlo o diseccionarlo en componentes fisiológicamente más simples menos controlados por el manejo o el medio ambiente. Para ello, utilizaron dos métodos de disección diferentes: uno basado en la cosecha y otro basado en la producción de biomasa (ver imagen).

Luego determinaron los factores genéticos, o loci de rasgos cuantitativos (QTL) que controlan los componentes. Los análisis de QTL se realizaron en una población de línea consanguínea recombinante (RIL), que se combinaron para producir híbridos que se cultivaron y fenotiparon para los rasgos en los modelos de disección de rendimiento. Los QTL para el rendimiento y sus componentes se identificaron mediante modelos mixtos.

Teniendo en cuenta las características de los componentes en lugar del rendimiento total, se observaron compensaciones entre las características de los componentes en ambas disecciones. Por ejemplo, algunos cromosomas contenían QTL que aumentaban el número de frutos pero disminuían el peso fresco de los frutos individuales.

“A pesar de estas compensaciones, la mayoría de los QTL de rendimiento se colocalizaron (uno cerca del otro en un cromosoma y, por lo tanto, se heredaron y posiblemente se expresaron juntos) con QTL componentes, lo que ofreció opciones para la construcción de genotipos de alto rendimiento”, según el candidato a doctorado Tsutsumi-Morita.

Se utilizaron modelos multi-QTL para asociar el rendimiento y las características de los componentes del rendimiento con los QTL que los controlan. La precisión de la predicción del rendimiento a partir de los QTL del componente osciló entre 0.56 y 0.63, según el método de disección del rendimiento. El modelo indicó que las mejoras genéticas en el rendimiento serán posibles aumentando el número de frutas y el peso seco total de la fruta para compensar las pérdidas en el peso fresco de la fruta y la relación peso fresco-seco de la fruta.

Los modelos de disección de rendimiento de cosecha y biomasa pueden servir como herramientas útiles para mejorar el rendimiento en tomate combinando QTL de componentes individuales y predicciones de componentes de QTL múltiples o ambos.