Los resultados podrían llevar potencialmente a plantas mejoradas, pero también al desarrollo de productos farmacéuticos a base de plantas y pesticidas seguros para el medio ambiente, dijo Shin-Han Shiu (foto), un biólogo informático de la planta de la Universidad Estatal de Michigan
Michigan, EE.UU – Universidad de Míchigan* – TodoElCampo – La investigación, publicada en el último número de Actas de la Academia Nacional de Ciencias combinó la biología de las plantas y el aprendizaje automático para clasificar decenas de miles de genes para determinar qué genes producen metabolitos especializados.
Algunos metabolitos atraen a los polinizadores, mientras que otros repelen las plagas. ¿Alguna vez te preguntaste por qué los ciervos comen tulipanes y no narcisos? Es porque los narcisos tienen metabolitos para defenderse de las criaturas que comían en ellos.
Los resultados podrían llevar potencialmente a plantas mejoradas, pero también al desarrollo de productos farmacéuticos a base de plantas y pesticidas seguros para el medio ambiente, dijo Shin-Han Shiu, un biólogo informático de la planta de la Universidad Estatal de Michigan (MSU).
“Las plantas son increíbles, son sus propias mini fábricas, y queríamos recrear lo que hacen en un laboratorio para producir químicos sintéticos para hacer drogas, cultivos resistentes a enfermedades e incluso sabores artificiales”, dijo Shiu. “Nuestra investigación descubrió que es posible seleccionar el gen correcto al automatizar el proceso, ya que las máquinas son más capaces de detectar pequeñas diferencias entre miles de genes”.
Con un enfoque de aprendizaje automático, un equipo interdisciplinario de bioquímicos y biólogos computacionales creó un modelo que analizó más de 30.000 genes en Arabidopsis thaliana, una pequeña planta con flores que se llama la “rata de laboratorio de la ciencia de las plantas”.
El modelo se basa en la tecnología utilizada por el comercio electrónico para pronosticar el comportamiento del consumidor y crear publicidad dirigida, como los anuncios que se ven en la página de Facebook de una persona. Básicamente, la tecnología clasifica a través de miles de anuncios basados ??en su comportamiento anterior en línea para enviarle anuncios selectos orientados a sus intereses y actividades.
En el estudio de la planta, los científicos escribieron un programa que seleccionó 30.000 genes para identificar los relacionados con la fabricación de metabolitos especializados.
“El aprendizaje automático fue un enfoque novedoso para nosotros en biología vegetal, una nueva aplicación de herramientas ampliamente utilizadas en otros campos”, dijo Shiu. “El modelo que creamos con aprendizaje automático ahora se puede aplicar a otras especies de plantas que producen compuestos útiles desde el punto de vista médico o industrial para acelerar el proceso de descubrimiento de los genes responsables de su producción”.
“Hemos sabido durante mucho tiempo que las plantas producen una gran cantidad de compuestos útiles y valiosos, pero este trabajo realmente abre ese cofre del tesoro en formas nuevas e importantes”, dijo Clifford Weil, director de programas en Plant Genome Research de National Foundation Foundation. Programa, que financió la investigación. “Es un gran avance en cómo y cuán bien podemos explorar las biofábricas más creativas de la naturaleza”.
Este proyecto también destaca el beneficio de la investigación interdisciplinaria.
“Nuestro equipo de biólogos y científicos computacionales trabajaron juntos para responder preguntas que no pueden ser resueltas solo por cada disciplina”, dijo Shiu. “Diferentes conocimientos, ideas y culturas se enfrentan, se fertilizan y llevan a nuevos descubrimientos emocionantes”.
Otros coautores de MSU incluyen Bethany Moore, Peipei Wang, Fan de Pengxiang, Bryan Leong, Craig Schenck, John Lloyda, Melissa Lehti-Shiu y Robert Last. Eran Pichersky de la Universidad de Michigan también contribuyó.
(*) MSU www.msutoday.msu.edu
Aceda al documento original publicado en la prestigiosa revista científica PNAS AQUÍ.
(En la foto Shin-Han Shiu. Foto de MSU).
Fuente: TodoElCampo