Un modelo bioetapa impulsado por datos y basado en procesos para el mejoramiento y la predicción del rendimiento del...

Área de la Ciencia:

• Ciencias Agrícolas
• Biología Computacional
• Mejoramiento Genético de Plantas

Sus antecedentes:

• El crecimiento de la población mundial exige métodos de mejoramiento avanzados para aumentar el suministro de alimentos.
• El sorgo es un cultivo de cereal vital con diversos tipos (grano, forraje, doble propósito, sensible a la fotoperiodicidad), que requiere estrategias de mejoramiento personalizadas.
• Las interacciones Genotipo x Ambiente (GxE) impactan significativamente el rendimiento de los cultivos, lo que exige enfoques de modelado sofisticados.

Objetivo del estudio:

• Desarrollar un modelo de cultivo bioetapa, basado en datos y basado en procesos para el mejoramiento del sorgo.
• Proporcionar recomendaciones de mejoramiento analizando los efectos del Genotipo x Ambiente (GxE).
• Mejorar la interpretabilidad y flexibilidad de los modelos de cultivo a través de métodos de IA explicable.

Principales métodos:

• Integración de un modelo de cultivo basado en procesos con técnicas explicables basadas en datos.
• Utilización de siete años de datos meteorológicos por hora, factores del suelo, prácticas de manejo e información parental de 651 machos y 131 hembras.
• Predicción del peso seco por hora (hojas, tallos, grano) y el rendimiento final, incorporando las prácticas de manejo.

Principales resultados:

• Se logró un Error Cuadrático Medio Relativo combinado del 16 %-19 % en diversas condiciones ambientales, lo que demuestra una sólida precisión predictiva.
• Se identificaron con éxito híbridos de sorgo de élite en cuatro tipos distintos, lo que reduce la necesidad de extensos ensayos de campo.
• Se reveló una variabilidad significativa en las interacciones Genotipo x Ambiente (GxE), lo que subraya la importancia de las estrategias de mejoramiento específicas del entorno.

Conclusiones:

• El marco del modelo híbrido explicable mejora significativamente el modelado de cultivos y el mejoramiento de plantas.
• Este enfoque mejora la eficiencia y sostenibilidad agrícola al optimizar las recomendaciones de mejoramiento.
• Las estrategias de mejoramiento personalizadas basadas en el análisis GxE son cruciales para maximizar el rendimiento de los cultivos.