La unión de fitomejoramiento e inteligencia artificial ayuda a desarrollar alternativas a los cultivos transgénicos

Si no has oído hablar nunca del ‘fitomejoramiento’, debes saber que hacer referencia a un conjunto de técnicas que, mediante el cruce planificado de distintas variedades de una misma especie vegetal, buscan mejorar sus características genéticas y lograr así plantas más resistentes y productivas… o con mejor sabor.

Aunque su efectividad está más que probada, optar por el fitomejoramiento tiene un problema: se basa en crear una amplia base de combinaciones que más tarde han de seleccionarse, recombinarse y volver a seleccionarse. Es efectivo, sí, pero requiere mucho tiempo.

Por eso, en muchos lugares del mundo (Europa no está entre ellos) esta técnica se ha dejado de lado en favor de la modificación genética, que no sólo destierra gran parte de la aleatoriedad del proceso (permitiendo un mayor control de los rasgos de la variedad resultante), sino que además permite usar genes de especies ajenas a la que se pretende mejorar.

No vamos a repasar ahora toda la polémica que suele rodear a los OGM (organismos modificados genéticamente); baste decir que son muchas las empresas que prefieren centrarse en mejorar el viejo proceso de fitomejoramiento. Y la tecnología tiene mucho que decir al respecto, sobre todo la inteligencia artificial.

Sensores subterráneos y predicción del desarrollo de las raíces

Hi Fidelity Genetics (HFG), una compañía estadounidense que acaba de recaudar 8,5 millones de dólares para seguir avanzando en lo que denominan como ‘mejoramiento computacional de cultivos’, el uso de sensores para evaluar los entornos locales, y de análisis predictivo para respaldar programas de mejoramiento de cultivos a medida para una región en particular.

El sistema inalámbrico de sensores de proximidad capacitivos desarrollado por HFG se denomina RootTracker y se enfoca en la monitorización de las raíces: lo que hace la compañía es mapear las raíces de cada planta, creando un modelo estadístico 3D de éstas a lo largo de todo su ciclo de crecimiento.

“HFG está recolectando y analizando miles de millones de combinaciones de datos en nuestras plantas de maíz patentadas” a través de RootTracker. Dichos datos se combinan con otros sobre el tipo de suelo, el clima y las plagas, y se introducen posteriormente en Luther, la plataforma de inteligencia artificial de HFG.

Este software es el responsable de predecir qué cruces concretos producirán una planta híbrida cuyas raíces cuenten con las características óptimas para su cultivo.

Según Spencer Maughan, cofundador de HFG, además de la comercialización de las semillas resultantes, su compañía también está explorando la posibilidad de monetizar su plataforma de inteligencia artificial, como una modalidad de SaaS para otras empresas del sector.

Seleccionando las mejores combinaciones de genes

Equinom es otra compañía, en este caso israelí, que en octubre recaudó 4 millones de dólares para un proyecto similar. Aunque, en este caso su atención no se localizaba en las raíces del maíz, sino en las proteínas de las leguminosas, especialmente guisantes: para 2021 tienen previsto comercializar cultivos con un 35%-55% más de proteínas que las variedades comerciales, según su CEO, Gil Shalev.

Equinom también basa su método en el uso de ciencia de datos y software de inteligencia artificial. Partiendo de la base de que cada rasgo de una planta (en este caso, la calidad de sus proteínas) viene determinado simultáneamente por múltiples genes, la tecnología de Equinom ayuda a la compañía a descubrir las distintas regiones del genoma que controlan los rasgos de los cultivos.

Luego, sólo tienen que seleccionar las mejores combinaciones que permitan aumentar la cantidad de proteínas sin poner en riesgo otros datos: “Al ejecutar millones de combinaciones genómicas, tenemos la capacidad de diseñar un código genético optimizado”.

Shalev no está de acuerdo, además, con que la mejora computacional de cultivos esté por detrás de la modificación genética: sostiene que esta última técnica, al operar únicamente con genes individuales, limita el número de rasgos del cultivo sobre los que pueden impactar.

Vía | ZDnet & Exome & AgFunderNews

Fuente

Imagen | tOrange