Las simulaciones de crecimiento de cultivos juegan un papel clave en la comprensión del impacto del cambio global en la agricultura y en la dirección de los esfuerzos para diseñar plantas capaces de alimentar al mundo futuro.

Desafortunadamente, el código y la documentación para muchos modelos heredados son difíciles de encontrar, usar y/o modificar.

El logotipo de BioCro es el texto bio en verde y el cuervo en negro seguido de dos engranajes entrelazados. El engranaje inferior está compuesto por hojas de plantas.

Dr. Edward Lochocki, investigador posdoctoral de la Universidad de Illinois, y colegas presentar un simulador de crecimiento de cultivos modular actualizado que supera estas deficiencias en un nuevo in silico Artículo de plantas. La función de modelo BioCro heredado el crecimiento previsto de la planta a lo largo del tiempo dados los parámetros específicos del cultivo y los datos ambientales como entrada. Los autores hicieron la versión más nueva, BioCro II, modular al separar las ecuaciones del modelo, los valores de los parámetros y el método de solución. Esta nueva estructura permite a los investigadores agregar o modificar fácilmente componentes de un modelo, lo que facilita los estudios exploratorios que pueden ayudar a guiar los esfuerzos experimentales para mejorar el rendimiento o la resiliencia de los cultivos.

Un cuadro a la izquierda que representa un modelo simple representado por engranajes entrelazados con imágenes para el clima, tejido sobre el suelo y tejido subterráneo. Estos se combinan mediante un modelo representado por una imagen de una computadora. Una flecha apunta a una salida de una pequeña pila de vainas de soja. En el centro hay una imagen de un investigador con la idea de agregar un componente de modelo de ADN representado por una imagen de un científico con una bombilla sobre la cabeza y un engranaje con una imagen de ADN. Este engranaje se suma a los engranajes que aparecían anteriormente en el modelo simple en el recuadro de la derecha. Una vez más, estos componentes se combinan mediante un modelo representado por una imagen de una computadora, pero esta vez el resultado es una pila más grande de vainas de soja.
Un investigador puede modificar un modelo existente para hacer nuevas predicciones sobre resultados importantes como el rendimiento de los cultivos utilizando BioCro II.

Tres de las ventajas más significativas del enfoque modular se exponen a continuación:

Primero, el usuario necesita conocimientos menos especializados para realizar una simulación. La ejecución del software de simulación de crecimiento de cultivos modular se puede lograr en tres pasos: los usuarios (1) eligen ecuaciones de una biblioteca, (2) proporcionan especificaciones adicionales y (3) envían esta información al motor BioCro, que resuelve el modelo y calcula el resultados. Aunque está escrito principalmente en C++, se puede acceder a BioCro II a través de un paquete R que proporciona una interfaz basada en terminal fácil de usar, lo que permite a los usuarios aprovechar la amplia gama de herramientas disponibles en R para la entrada de datos, las operaciones estadísticas y el trazado.

Un diagrama esquemático que ilustra el proceso de ejecución de una simulación de crecimiento de cultivos. Primero, el usuario elige ecuaciones de la biblioteca. En una tabla se enumeran cuatro ecuaciones de ejemplo: dosel C3, dosel C4, desarrollo térmico y desarrollo fototérmico. Las marcas de verificación están al lado de las ecuaciones de desarrollo térmico y del dosel C4. A continuación, el usuario debe proporcionar especificaciones. En una tabla se enumeran cuatro especificaciones de ejemplo: clima, Vc Max, profundidad del suelo y biomasa inicial con sus valores y unidades. A continuación, una flecha de estas dos tablas conduce a una imagen de una computadora con un BioCro en su interior. Esta imagen está etiquetada como "enviar al motor BioCro", donde se resuelve el modelo y se calculan los resultados. Finalmente, una flecha de la computadora conduce a un gráfico que representa la simulación que se produce. El día del año está en el eje X y la masa del órgano está en el eje Y con datos para tallo y hoja representados por separado.
Diagrama esquemático que ilustra el proceso de ejecutar una simulación de crecimiento de cultivos eligiendo ecuaciones de una biblioteca, brindando especificaciones adicionales y enviando esta información al motor BioCro, que resuelve el modelo y calcula los resultados.

Los usuarios pueden revisar los detalles sobre las funciones y las entradas de la biblioteca disponibles en el paquete BioCro II R accediendo a la documentación completa Una guía práctica de BioCro.

En segundo lugar, el usuario puede comprender los componentes individuales del modelo. así como sus interacciones dentro del contexto de todo el modelo, aprovechando los límites lógicos realizados por los escritores del módulo. Lochocki explica por qué esto es importante: “El alcance del modelado de cultivos aumenta continuamente a medida que los modelos comienzan a incluir procesos a diferentes escalas, desde la genética hasta el clima global. Al mismo tiempo, los componentes individuales del modelo tienden a volverse más detallados y especializados a medida que se vuelven más realistas. Para complicar aún más las cosas, las interacciones entre los componentes del modelo pueden crear nuevos comportamientos emergentes. Llegar a un modelo tan complejo de frente puede ser un desafío abrumador, incluso para un experto en el campo. El software modular como BioCro II permite a un investigador digerir un modelo grande en piezas más pequeñas, entendiendo cómo funciona cada parte por sí sola y en conjunto con otras. Por el contrario, cuando un modelo se escribe como un fragmento monolítico de código, este enfoque es difícil o imposible”.

En tercer lugar, el usuario puede intercambiar fácilmente los componentes del modelo. para versiones alternativas que coincidan mejor con las entradas experimentales disponibles, para aprovechar los nuevos desarrollos o para comparar componentes alternativos. Los autores demostraron esto intercambiando los componentes del modelo por fotosíntesis. Compararon un modelo estadístico empírico simplificado de la fotosíntesis basado en la eficiencia del uso de la radiación (RUE) con el modelo Farquhar-von-Caemmerer-Berry (FvCB) basado en procesos mecánicos, dejando todos los demás componentes del modelo sin cambios.

Hay dos gráficos. Arriba, hay un gráfico del día del año en el eje X y la biomasa en el eje Y. Este se divide en 4 componentes de la planta: raíz, tallo, grano y hoja. Los resultados de las simulaciones que utilizan el modelo mecánico FvCB para la fotosíntesis C3 y el modelo empírico RUE son similares. A continuación se muestra un gráfico de la luz en el eje X y la biofotosíntesis en el eje Y. En el modelo RUE, existe una relación puramente lineal, mientras que en el modelo FvCB, la fotosíntesis finalmente comienza a estabilizarse a intensidades de luz más altas.
Figura 1. (a) Biomasa para varios tejidos de soja calculados a lo largo de la temporada de crecimiento utilizando el modelo mecánico FvCB para la fotosíntesis C3 o un modelo empírico RUE. ( b ) Respuesta de la fotosíntesis a la luz disponible calculada con el modelo FvCB en comparación con la salida del modelo RUE.

Se utilizó una temporada completa de datos ambientales para simular el crecimiento de la soja para cada uno de los dos modelos. Este ejercicio reveló que es posible lograr un acuerdo cercano a lo largo de la temporada de crecimiento a pesar de los muy diferentes enfoques utilizados para determinar la fotosíntesis (Figura 1a). El origen de este acuerdo se puede investigar examinando la relación entre la fotosíntesis (Abruto) y luz que incide en la copa (PPFD) en los dos modelos. En el modelo FvCB, la fotosíntesis se estabiliza con intensidades de luz más altas, mientras que el modelo RUE lineal sobreestima la fotosíntesis con mucha luz y subestima la fotosíntesis con poca luz (Figura 1b). Aunque los valores calculados de la fotosíntesis concuerdan en promedio, el acuerdo es frágil y es poco probable que se mantenga en otros años porque el modelo FvCB es sensible a las variables ambientales críticas que el modelo RUE ignora.

Es sencillo explorar más estos modelos fotosintéticos contrastantes utilizando BioCro II porque todos los parámetros se especifican fuera de las ecuaciones del modelo y sus valores se pueden cambiar fácilmente. Para demostrar la utilidad de esta característica, los autores realizaron un análisis de sensibilidad para comprender mejor la respuesta del modelo mecánico FvCB a los factores ambientales y, por lo tanto, revelar la dinámica que no está incluida en el modelo empírico RUE. Encontraron que la respuesta de temperatura de la biomasa total no es significativamente diferente entre las simulaciones RUE y FvCB, debido a la dependencia de la temperatura de otros componentes involucrados en la simulación. Por otro lado, la respuesta de la biomasa al CO2 la concentración es significativamente diferente entre los dos modelos, y la simulación RUE casi no tiene respuesta (Figura 2c). Esta es una idea clave de estos modelos que habría sido difícil de lograr sin la modularidad.

A la izquierda hay un gráfico con el día del año en el eje X y la biomasa/temperatura en el eje Y. Los datos de FvCB y RUE son similares a lo largo de la temporada de crecimiento. A la derecha hay un gráfico con el día del año en el eje X y la biomasa/CO2 en el eje Y. Los datos de FvCB muestran una respuesta al CO2 en el transcurso de la temporada de crecimiento, pero los datos de RUE no.
Figura 2. Coeficientes de sensibilidad normalizados para la biomasa total calculados con respecto a la temperatura del aire durante el transcurso de la temporada de crecimiento; y CO2 atmosférico.

BioCro II sigue la estructura general de un sistema dinámico. Esto significa que el modelo describe cómo las variables que representan un sistema en particular evolucionan con el tiempo. Si bien puede parecer obvio que la mayoría de los modelos podrían pensarse de esta manera, muchos modelos de crecimiento de cultivos no están programados de esta manera. Sin embargo, escribir los modelos explícitamente como sistemas dinámicos tiene muchos beneficios. En particular, facilita la modularidad, ya que dos sistemas dinámicos pueden combinarse para formar un tercero, simplemente combinando sus componentes individuales. De esta forma, se pueden construir modelos multiescala complejos a partir de otros más simples. En la práctica, esto solo es posible si el código del modelo está escrito de manera que identifique claramente los componentes de un sistema dinámico. BioCro II hace cumplir estas distinciones, lo que ayuda a garantizar que los sistemas dinámicos y sus subcomponentes se puedan recombinar con facilidad.

El coautor, el Dr. Justin McGrath, fisiólogo de plantas de investigación del USDA, explica: “Los modelos casi siempre se escriben explícitamente como sistemas dinámicos en muchos campos. BioCro II reproduce BioCro I como un sistema dinámico presentándolo de una manera familiar para la mayoría de los modeladores. Además, amplía el concepto de sistema dinámico al proporcionar una forma de seleccionar modularmente partes de modelos, proporcionando lo que esperamos sea una forma útil para que los investigadores escriban sus modelos y los combinen con otros modelos en la comunidad”.

LEE EL ARTÍCULO:
Edward B Lochocki, Scott Rohde, Deepak Jaiswal, Megan L Matthews, Fernando Miguez, Stephen P Long, Justin M McGrath, BioCro II: un paquete de software para simulaciones modulares de crecimiento de cultivos, in silico Plants, 2022, diac003, https://doi.org/10.1093/insilicoplants/diac003

BioCro II es de código abierto y está disponible en línea en https://github.com/ebimodeling/biocro