Deep Learning Volumétrico para Fenotipado de Precisión de Tomate Editado Genéticamente para Agricultura Vertical

Área de la Ciencia:

• Ciencias Agrícolas
• Genética y Genómica
• Inteligencia Artificial en la Agricultura

Sus antecedentes:

• El cambio climático y la urbanización desafían la agricultura sostenible y la producción de alimentos.
• La agricultura vertical ofrece cultivo de alta densidad pero requiere un control preciso de la altura del cultivo.
• El cultivo de tomate necesita variedades determinadas para sistemas eficientes de agricultura vertical.

Objetivo del estudio:

• Desarrollar un nuevo cultivar de tomate optimizado para la agricultura vertical mediante la edición de genes de la 20-oxidas de giberelina (SlGA20ox) utilizando CRISPR-Cas9.
• Proponer un modelo volumétrico para la identificación no destructiva de mutantes editados genéticamente a través del análisis de fluorescencia de clorofila.
• Mejorar el fenotipado basado en IA para la aceleración del mejoramiento de cultivos y la gestión de recursos genéticos.

Principales métodos:

• Edición genética CRISPR-Cas9 de genes SlGA20ox en tomate para crear mutantes de crecimiento determinado.
• Desarrollo de un modelo volumétrico novedoso para analizar datos de fluorescencia de clorofila.
• Aplicación de un marco de aprendizaje profundo para la extracción automatizada de características 3D y el análisis temporal de datos de imágenes de fluorescencia.

Principales resultados:

• Se desarrollaron con éxito plantas de tomate editadas genéticamente con crecimiento indeterminado suprimido.
• El modelo volumétrico propuesto logró una precisión de clasificación superior al 84% en la distinción de plantas editadas genéticamente.
• El marco de aprendizaje profundo automatizó la extracción y el análisis de características de datos temporales de fluorescencia, superando a los métodos tradicionales.

Conclusiones:

• El estudio demuestra un enfoque exitoso para desarrollar e identificar plantas de tomate adaptadas a la agricultura vertical.
• El método de fenotipado impulsado por IA utilizando fluorescencia de clorofila ofrece una herramienta poderosa para el mejoramiento de cultivos.
• Esta metodología se puede extender a otros cultivos y rasgos, acelerando la innovación agrícola.