Eisen spielt eine entscheidende Rolle in Pflanzenprozessen, einschließlich Photosynthese und Stickstoffassimilation. Eisenmangel führt zu Blattvergilbung, Kümmerwuchs und drastischen Ertragseinbußen. Dieses Problem unterstreicht die Dringlichkeit, Sorten zu entwickeln, die bei der Eisenaufnahme effizienter sein können, wodurch der Nährwert der Pflanzen erhöht wird.

Ein kürzlich erschienener Artikel von in silico Plants verwendet dynamische Modellierungstechniken, um ein tieferes Verständnis des Komplexes zu erlangen biologische Prozesse, die an der Eisenmangelreaktion in Pflanzen beteiligt sind.

„Die Fähigkeit, die Reaktion einer Pflanze auf Eisenmangel auf Transkriptomebene präzise zu modulieren, würde genetische Manipulationen ermöglichen, die es Pflanzen ermöglichen würden, in nährstoffarmen Böden zu überleben und einen erhöhten Eisengehalt in essbaren Geweben anzusammeln“, sagt Co-Autorin Dr. Terri Long, außerordentliche Professorin von Molekulare Pflanzenbiologie an der North Caroline State University

Dieser Artikel stellt einen Ansatz zur systematischen Integration biologischer Datensätze vor und stellt ein mathematisches Modell bereit, das Veränderungen in der Genexpression als Reaktion auf Eisenmangel beschreibt und vorhersagt. Laut Co-Autor Dr. Cranos Williams, außerordentlicher Professor für Elektrotechnik und Computertechnik an der North Caroline State University, „war das trainierte Modell in der Lage, einen signifikanten Unterschied in den mRNA-Zerfallsraten unter Bedingungen mit ausreichend Eisen und Eisenmangel zu erfassen und zu erklären, ungefähr das Expressionsverhalten bisher unbekannter Genregulatoren, mögliche synergistische Effekte zwischen den modulierenden Transkriptionsfaktoren aufdecken und die Wirkung von Doppelregulatormutanten vorhersagen.“

Das Modell ist ein Ausgangspunkt für die Erforschung der mit Ernährungsstress verbundenen Transkriptomdynamik und hat das Potenzial, in-planta-Experimente durch in-silico-Simulationen zu ersetzen, um einen gewünschten Phänotyp zu entwickeln