Sería impensable un médico que diagnostica a un paciente de 50 años basándose en un análisis de sangre realizado durante la infancia del paciente.
Hablando anecdóticamente, sin embargo, eso es lo que los científicos de la Universidad Estatal de Michigan han hecho con el maíz. Utilizando datos de ARN de plantas de plántulas de maíz de 2 semanas de edad, Shinhan Shiu, profesor de biología vegetal y matemática computacional, ciencia e ingeniería, ha demostrado que los agricultoresy los científicos pueden mejorar las predicciones de rasgos de cultivos adultos con una precisión que rivaliza con los enfoques actuales que usan ADN, es decir, datos genéticos.
"Los métodos de reproducción tradicionales llevan meses o años, lo que se puede guardar si podemos predecir los rasgos deseables solo a partir de ADN y ARN sin hacerlos crecer, sin tener que medir los rasgos reales directamente", dijo Shiu, autor principal del artículo que apareceen la edición actual de The Célula vegetal . "Para continuar con la anécdota de la medicina humana, es como secuenciar el ARN de un bebé y analizar qué tipo de rasgos puede desarrollar el bebé más adelante en la vida".
Shiu siempre ha estado fascinado con el uso de enfoques computacionales para resolver la evolución y las preguntas de biología del genoma. Un gran desafío bien reconocido en biología es cómo conectar la información en el ADN, o genotipo, con rasgos o fenotipo. Resolver este misterio es fundamentalpara comprender cómo la información genética se traduce en rasgos externos en cualquier especie, dijo Shiu.
Dado que el ARN es un producto del ADN, un paso más cerca de los rasgos que el ADN influye en última instancia, los planos de ARN pueden ofrecer mejores predicciones. Utilizando enfoques de aprendizaje automático, Shiu y sus colegas han dado un paso más para conectar el ADN, el ARN y elrasgos subyacentes
"Esto es útil para nuevos programas de mejoramiento y puede tener implicaciones en nuevas formas de hacer pruebas genéticas", dijo Shiu. "Encontramos que las mediciones de ARN proporcionan información adicional que no podemos obtener solo del ADN". En términos de reproducción, paraPor ejemplo, el equipo pudo hacer predicciones precisas de floración y rendimiento, incluso antes de que las plantas hubieran desarrollado sus semillas o organismos de flores.
Los métodos tradicionales que utilizan modelos basados en marcadores genéticos identificaron solo uno de los 14 genes conocidos vinculados al tiempo de floración como importantes. Sin embargo, el modelo basado en la expresión génica creado por Shiu y sus colegas identificó cinco.
Sin embargo, incluso con esta mayor precisión, el equipo de Shiu no dice que el nuevo método deba reemplazar al anterior.
"Nuestros hallazgos son complementarios a la predicción basada en marcadores genéticos e identifica asociaciones de rasgos de expresión génica que no se explican por marcadores genéticos", dijo Shiu. "Esto no solo ayuda en la selección de líneas de reproducción con rasgos deseables, sino que también mejoranuestra comprensión de los mecanismos involucrados en estos procesos "
La investigación futura trabajará para mejorar la precisión, eficiencia y costo del modelo.
Fuente de la historia :
Materiales proporcionado por Universidad Estatal de Michigan . Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cita esta página :