IA y big data: mejores predicciones para un trigo "a medida
Un modelo de IA aumenta el rendimiento del trigo en casi cuatro decitonas por hectárea
Anuncios
El cambio climático, con sus cambiantes condiciones de cultivo, también plantea nuevos retos para la mejora genética. Un aspecto importante es tener en cuenta las condiciones medioambientales locales. Un equipo internacional dirigido por el Instituto Leibniz del IPK ha utilizado IA y Big Data para desarrollar un nuevo método que permita determinar las variedades de trigo de invierno que se adaptan de forma óptima a lugares específicos. Los resultados del estudio se han publicado recientemente en la revista científica "Genome Biology".
La interacción entre el genotipo y las condiciones ambientales es especialmente importante para el rendimiento y la producción de una planta. Por ejemplo, una variedad de trigo puede alcanzar un alto rendimiento en un lugar. Sin embargo, puede rendir peor en otro lugar con condiciones diferentes. El entorno afecta al rendimiento del genotipo. Dada la creciente diversificación de los entornos de cultivo, en tiempos de cambio climático resulta crucial ofrecer variedades adaptadas a las condiciones locales. Por ello, el equipo de investigación del IPK se centró en investigar las interacciones entre genotipo y entorno y en predecir los rendimientos de cada lugar con la mayor precisión posible.
Los científicos analizaron primero grandes cantidades de datos sobre el trigo de invierno. Para ello, se recopilaron datos de rendimiento de más de 13.200 genotipos (líneas e híbridos) que se cultivaron y probaron en 31 lugares diferentes de Europa Central entre 2010 y 2022. Estos datos fenotípicos se combinaron con datos genómicos (unos 10.000 marcadores genéticos) e información medioambiental (como las temperaturas y precipitaciones diarias). A partir de ahí, los investigadores desarrollaron y compararon varios modelos de predicción, incluidos modelos estadísticos tradicionales, así como métodos de inteligencia artificial como el aprendizaje profundo. El equipo de investigación del IPK utilizó el mejor modelo para predecir el rendimiento de un grupo de referencia de líneas de trigo en los 117 entornos probados y para identificar variedades adaptadas al medio ambiente.
"Nuestro estudio muestra que las interacciones entre los genes y las condiciones ambientales son la clave para mejorar significativamente las predicciones de rendimiento", explica Abhishek Gogna, primer autor del estudio. La predicción del rendimiento específico para cada entorno de los nuevos híbridos podría mejorar hasta un 23% si se incluyera la interacción del genotipo y el entorno. Es comparable a comprarse un traje nuevo. En lugar de un modelo estándar que se ajusta a la media (predicción tradicional), se obtiene un modelo personalizado que se adapta con precisión a la forma personal del cuerpo (predicción adaptada al entorno).
Al seleccionar específicamente el diez por ciento de los mejores genotipos adaptados al medio ambiente, el rendimiento aumentó en casi cuatro decitonas por hectárea en comparación con la selección basada en el rendimiento medio. "Este rendimiento adicional equivale al éxito de hasta doce años de avances en mejora genética convencional en Alemania", afirma el Prof. Dr. Jochen Reif, jefe del departamento de "Investigación en mejora genética" del IPK. "Esto demuestra que existe un enorme potencial de rendimiento, hasta ahora oculto, en los programas de mejora que puede aprovecharse". La participación de KWS SAAT SE & Co KGaA en el estudio subraya también la gran relevancia de los resultados para la mejora práctica de las plantas.
Nota: Este artículo ha sido traducido utilizando un sistema informático sin intervención humana. LUMITOS ofrece estas traducciones automáticas para presentar una gama más amplia de noticias de actualidad. Como este artículo ha sido traducido con traducción automática, es posible que contenga errores de vocabulario, sintaxis o gramática. El artículo original en Alemán se puede encontrar aquí.
Publicación original
Más noticias del departamento ciencias
