Mais ist die wichtigste Nahrungspflanze in Subsahara-Afrika und Lateinamerika und eine Schlüsselpflanze in Asien. Bis 2050 wird die Nachfrage nach Mais in den Entwicklungsländern voraussichtlich sinken doppelt, während die Renditen aufgrund des Klimawandels voraussichtlich zurückgehen werden, hauptsächlich getrieben durch Trockenstress.

In einer kürzlich veröffentlichten Studie in silico Plants, Dr. Carlos Messina, Research Fellow bei Corteva Agriscience, und seine Kollegen sind die ersten, die sie entwickeln ein quantitatives Synthesemodell der Reproduktionsphysiologie von Mais, die die Stadien erfasst, in denen der Maisertrag am empfindlichsten auf Trockenheit reagiert.

Laut Dr. Messina „war diese Arbeit nur möglich aufgrund einer starken Partnerschaft zwischen Industrie und Wissenschaft. Es war die Vielfalt des Denkens und die Integration von Wissen in Züchtung, Genetik, Physiologie und fortgeschrittener feldbasierter Phänotypisierung, die zu den Konzepten führten, die es letztendlich ermöglichten, emergentes Verhalten wie die dynamische Beziehung zwischen Wachstum, Partitionierung, Anthese-Silking-Intervall und Kernel-Set vorherzusagen ”

Die Autoren bewerteten das Modell mittels Simulation und Experimenten unter kontrollierten Wassermangelmustern. Es wurde festgestellt, dass es die Dynamik der Seideninitiierung, -dehnung, -düngung und des Kernwachstums genau simuliert und auch bekannte emergente Phänotypen wie die Beziehung zwischen Pflanzenwachstum, Anthese-Seiden-Intervall, Kernanzahl und Ertrag erzeugen konnte als Ohrphänotypen unter Dürre.

Die in diesem Artikel vorgestellten Ergebnisse zeigen, dass es möglich ist, funktionelle Beziehungen und phänotypische Reaktionen als emergente Eigenschaften des Pflanzensystems vorherzusagen, basierend auf dem Zusammenspiel der physiologischen Prozesse, die in den zugrunde liegenden Gleichungen formalisiert und in Pflanzenwachstumsmodelle integriert sind.

Laut Professor Mark Cooper, Lehrstuhl für prädiktionsbasierte Pflanzenverbesserung an der University of Queensland, „eröffnet dies nicht nur eine verbesserte Modellierungsfähigkeit zur Untersuchung der reproduktiven Entwicklung und Ertragsbestimmung von Mais, sondern auch aufregende neue Möglichkeiten der genomischen Selektion für das Ertragspotenzial und die reproduktive Resilienz Beschleunigung des genetischen Gewinns durch Züchtung.“

Dieser quantitative dynamische Rahmen ist ein bedeutender Fortschritt gegenüber früheren beschreibenden Methoden und kann verwendet werden, um die Entwicklung der Dürretoleranz bei Mais zu steuern.

Die Software und das Modell, die in dieser Forschung verwendet werden, sind frei verfügbar.