Traduzido de Science Daily
[ad_1]
Bancos de sementes em todo o mundo armazenam e preservam a diversidade genética de milhões de variedades de culturas. Essa enorme coleção de material genético garante aos criadores acesso a uma riqueza de genética com a qual podem produzir safras com melhor desempenho ou que resistam ao estresse e às doenças.
Mas, com um mundo da genética do milho à sua disposição, como os melhoristas de plantas sabem quais variedades valem a pena estudar e quais não? Durante a maior parte da história, isso exigiu o cultivo de variedades e o estudo de seu desempenho no mundo real. Mas a análise de dados e genômica inovadoras podem ajudar os criadores a prever o desempenho de novas variedades sem ter que se esforçar para cultivá-las.
Jianming Yu, professor de agronomia na Iowa State University e Pioneer Distinguished Chair in Corn Breeding, dedicou grande parte de sua pesquisa a “turbinar” a quantidade aparentemente infinita de estoques genéticos contidos nos bancos de sementes do mundo. Yu e seus colegas publicaram um artigo no Journal of Plant Biotechnology, um jornal científico, detalhando seus últimos esforços para prever características no milho com base na genômica e análise de dados.
Criadores que procuram variedades para testar podem se sentir perdidos em um mar de material genômico. Yu disse que a aplicação de análises de dados avançadas a todos esses genomas pode ajudar os criadores a reduzir o número de variedades nas quais estão interessados de forma muito mais rápida e eficiente.
“Estamos sempre procurando as melhores combinações genéticas e olhamos para as várias combinações para ver quais variedades queremos testar”, disse Xiaoqing Yu (sem parentesco), um ex-associado de pesquisa de pós-doutorado no laboratório de Yu e o primeiro autor do estudo. “Ter essas previsões pode guiar nosso processo de pesquisa.”
O estudo se concentrou em prever oito características de milho com base no meristema apical do caule (SAM), um nicho microscópico de células-tronco que gera todos os órgãos da planta acima do solo. Os pesquisadores usaram sua abordagem analítica para prever características em 2.687 várias variedades puras de milho com base em um modelo que desenvolveram a partir do estudo de 369 variedades puras que foram cultivadas e cujos meristemas apicais do caule foram fotografados e medidos ao microscópio.
Os pesquisadores então validaram suas previsões com dados obtidos de 488 endogâmicos para determinar que a precisão de suas previsões variou de 37% a 57% para as oito características que estudaram.
“Queríamos conectar a pesquisa sobre os mecanismos biológicos fundamentais de crescimento e diferenciação celular com o melhoramento agronômico do milho”, disse Mike Scanlon, professor de biologia do desenvolvimento da Universidade Cornell e pesquisador principal da equipe de várias agências por trás do estudo. “Medidas morfométricas de SAM em mudas de milho permitem uma rápida conclusão do ciclo de estudo. Não só permite essa conexão, mas também estende a prática de predição genômica para o espaço microfenotípico.”
Jianming Yu disse que os criadores podem aumentar a precisão dessas previsões genômicas, aumentando o número de plantas consanguíneas para medição e algoritmos de previsão aprimorados pelas descobertas. Mais importante, os criadores podem ajustar seu processo de seleção para que a consanguinidade seja estudada de perto, tirando vantagem dos “valores U”, um conceito estatístico que explica a confiabilidade das estimativas. Yu disse que o estudo mostra que a implementação de um processo de seleção que leva em consideração a previsão e a confiabilidade estatística pode ajudar os criadores a se concentrarem mais rapidamente na genética das safras desejáveis.
Por exemplo, os modelos analíticos podem prever que uma endogamia particular tem potencial modesto para uma determinada característica, mas o valor U, ou limite superior de confiabilidade, pode indicar um alto grau de não confiabilidade nessas previsões. Portanto, os criadores podem optar por testar puros-sangues que não apresentam um desempenho tão bom no modelo preditivo simplesmente devido à sua singularidade genética, uma vez que estão menos relacionados àqueles usados na construção dos modelos de predição.
“Descobrimos que pode haver uma compensação entre a seleção para otimizar o lucro de curto prazo e a diversidade da mineração”, disse Yu. “É um equilíbrio complicado para os melhoristas de plantas. Essas considerações às vezes vão em direções diferentes. O melhoramento genético pode ser visto como uma exploração espacial, seja pela vasta quantidade de material genético nos bancos de sementes ou pela miríade de progênies de reprodução que estão sendo gerados constantemente. Queremos desenvolver ferramentas melhores para orientar essas decisões no processo. “
Fonte da história:
materiais fornecido por Iowa State University. Nota: o conteúdo pode ser editado quanto ao estilo e comprimento.
[ad_2]
Source link
