Es wird erwartet, dass der Klimawandel die zukünftigen Ernteerträge drastisch beeinflussen wird. Glücklicherweise können Wissenschaftler Rechenmodelle entwickeln, die vorhersagen, wie Pflanzen auf den Klimawandel reagieren, und die molekulare Maschinerie identifizieren, die diese Reaktion steuert. Diese Informationen können genutzt werden, um Pflanzen biotechnologisch an den Klimawandel anzupassen und dabei zu helfen, den wachsenden Nahrungsmittelbedarf zu decken.
Viele Pflanzenmodelle sind empirisch. Das bedeutet, dass ihre Vorhersagen auf einer Fülle von Daten basieren, die über Jahre und geografische Standorte hinweg gesammelt wurden. Sie sind daher in ihrer Fähigkeit begrenzt, die Reaktion der Pflanzen auf zukünftige Klimaszenarien vorherzusagen, die interagierende Umweltveränderungen beinhalten werden. Dazu gehören höheres atmosphärisches CO2 Interaktion mit Temperaturänderungen, Niederschlägen und anderen Boden- und Klimafaktoren.
Alternativ verwenden mechanistische Modelle Gleichungen, die die physiologischen Reaktionen einer Kulturpflanze auf Umweltvariablen darstellen, um vorherzusagen, was in der realen Welt passieren wird. Dies ermöglicht eine Extrapolation über die experimentellen Bedingungen hinaus, einschließlich komplexer Wechselwirkungen.
Dr. Megan Matthews, Assistenzprofessorin für Bau- und Umweltingenieurwesen an der University of Illinois, veröffentlichte kürzlich einen Artikel in in silico Pflanzen das beschreibt, wie sie das Sojabohnenwachstum bei erhöhtem atmosphärischem CO vorhersagen konnten2.
Dazu modifizierten sie BioCro, ein modulares, semi-mechanistisches Rahmenwerk für dynamische Pflanzenwachstumsmodelle, das auf zugrunde liegenden biophysikalischen und biochemischen Photosynthesemechanismen aufbaut. BioCro wurde bisher für Bioenergiepflanzen parametrisiert. Um das Sojabohnenwachstum vorherzusagen, verwendeten die Autoren die bestehenden Module Canopy Photosynthese, Canopy Energy Balance und Boden-Wasser-Prozesse und integrierten zwei neue Module, die die Geschwindigkeit der Sojabohnenentwicklung und die Kohlenstoffverteilung und -alterung beschreiben.
Das resultierende Modell, Soybean-BioCro, wurde mithilfe von Feldmessungen von Sojabohnen, die unter Umgebungs-COXNUMX wachsen, parametrisiert2. Anschließend wurden Simulationen durchgeführt, um das Sojabohnenwachstum anhand tatsächlicher Messungen von Temperatur, relativer Luftfeuchtigkeit, Windgeschwindigkeit und photosynthetisch aktiver Strahlung (PAR) über mehrere Jahre vorherzusagen.
Soybean-BioCro hat erfolgreich vorhergesagt, wie ein erhöhter CO2 wirkt Freiland Sojabohne Wachstum, Partitionierung und Ausbeute bei Umgebungstemperatur und erhöhtem CO2 mit Ausnahme einer ungewöhnlich kühlen Vegetationsperiode (siehe Abbildung).
Bemerkenswerterweise machte das Modell diese korrekten Vorhersagen, ohne Feldmessungen von Sojabohnen zu erfordern, die unter erhöhtem CO wachsen2 zur Neuparametrierung.
Laut Matthews „bewies dieses Ergebnis, dass BioCros bestehendes C3 Photosynthese und mehrschichtiges Canopy-Modul beschreiben genau die Reaktion des C3 Photosynthesemaschinerie auf biochemischer und biophysikalischer Ebene zu erhöhtem CO2.“ Es wurde eine frühere Version von BioCro gefunden die Photosyntheseraten der Blätter von Pappeln genau vorherzusagen.
Wenn mehr mechanistische Modelle von Ernteprozessen entwickelt werden, können sie zu Soybean-BioCro hinzugefügt werden, um es von einem semi-mechanistischen zu einem mechanistischen Modell zu verschieben. Darüber hinaus bietet Soybean-BioCro einen nützlichen Grundrahmen für die Einbeziehung zusätzlicher primärer und sekundärer Stoffwechselprozesse oder genregulatorischer Mechanismen, die unser Verständnis darüber, wie das zukünftige Sojabohnenwachstum durch den Klimawandel beeinflusst wird, weiter unterstützen können.
Matthews erklärt: „Soybean-BioCro ist eine Sammlung von Modulen, die verschiedene Pflanzenprozesse beschreiben. Mit dieser Modularität können Modelle anderer Stoffwechselprozesse, Regulationsmechanismen und Rückkopplungseffekte in das Hauptrahmenwerk von Soybean-BioCro integriert werden, während diese Modelle entwickelt werden. Die Einbeziehung dieser Art von Modellen würde uns helfen, Methoden zur Generierung von Nutzpflanzen für zukünftige Klimazonen zu erforschen.“
LESEN SIE DEN ARTIKEL
Megan L. Matthews, Amy Marshall-Colón, Justin M. McGrath, Edward B. Lochocki, Stephen P. Long, Soybean-BioCro: ein semi-mechanistisches Modell des Sojabohnenwachstums, in silico Plants, Band 4, Heft 1, 2022, diab032, https://doi.org/10.1093/insilicoplants/diab032
