Simulationen des Pflanzenwachstums spielen eine Schlüsselrolle beim Verständnis der Auswirkungen des globalen Wandels auf die Landwirtschaft und bei der Lenkung der Bemühungen zur Entwicklung von Pflanzen, die die Welt der Zukunft ernähren können.

Leider sind Code und Dokumentation für viele Legacy-Modelle schwer zu finden, zu verwenden und/oder zu ändern.

Das BioCro-Logo besteht aus dem Text Bio in Grün und der Krähe in Schwarz, gefolgt von zwei ineinandergreifenden Zahnrädern. Das untere Zahnrad besteht aus Pflanzenblättern.

Dr. Edward Lochocki, Postdoktorand an der University of Illinois, und Kollegen präsentieren einen aktualisierten modularen Pflanzenwachstumssimulator, der diese Mängel auf neue Weise überwindet in silico Artikel Pflanzen. Der älteres BioCro-Modell vorhergesagtes Pflanzenwachstum im Laufe der Zeit bei kulturspezifischen Parametern und Umweltdaten als Eingabe. Die Autoren haben die neueste Version, BioCro II, modular gestaltet, indem sie die Modellgleichungen, Parameterwerte und Lösungsverfahren getrennt haben. Diese neue Struktur ermöglicht es Forschern, Komponenten eines Modells einfach hinzuzufügen oder zu modifizieren, was explorative Studien erleichtert, die helfen können, experimentelle Bemühungen zur Verbesserung des Ernteertrags oder der Widerstandsfähigkeit zu leiten.

Eine Box auf der linken Seite, die ein einfaches Modell darstellt, das durch ineinandergreifende Zahnräder mit Bildern für Wetter, oberirdisches Gewebe und unterirdisches Gewebe dargestellt wird. Diese werden durch ein Modell kombiniert, das durch ein Abbild eines Computers repräsentiert wird. Ein Pfeil zeigt auf einen Ausgang eines kleinen Haufens von Sojabohnenschoten. In der Mitte ist ein Bild eines Forschers mit der Idee, eine DNA-Modellkomponente hinzuzufügen, dargestellt durch ein Bild eines Wissenschaftlers mit einer Glühbirne über dem Kopf und einem Zahnrad mit einem DNA-Bild darin. Dieses Zahnrad wird zu den Zahnrädern hinzugefügt, die zuvor im einfachen Modell im Kästchen rechts erschienen sind. Wieder werden diese Komponenten durch ein Modell kombiniert, das durch ein Bild eines Computers dargestellt wird, aber diesmal ist das Ergebnis ein größerer Haufen Sojabohnenschoten.
Ein Forscher kann ein vorhandenes Modell modifizieren, um mit BioCro II neue Vorhersagen über wichtige Ergebnisse wie den Ernteertrag zu treffen.

Drei der wichtigsten Vorteile des modularen Ansatzes werden im Folgenden erläutert:

Erstens benötigt der Benutzer weniger Spezialwissen, um eine Simulation durchzuführen. Die Ausführung der modularen Simulationssoftware für das Pflanzenwachstum kann in drei Schritten erfolgen: Benutzer (1) wählen Gleichungen aus einer Bibliothek aus, (2) geben zusätzliche Spezifikationen ein und (3) senden diese Informationen an die BioCro-Engine, die das Modell löst und berechnet Ergebnisse. Obwohl es hauptsächlich in C++ geschrieben ist, ist BioCro II über ein R-Paket zugänglich, das eine benutzerfreundliche, terminalbasierte Schnittstelle bietet, die es Benutzern ermöglicht, die breite Palette von Tools zu nutzen, die in R für Dateneingabe, statistische Operationen und Plots verfügbar sind.

Ein schematisches Diagramm, das den Ablauf einer Pflanzenwachstumssimulation veranschaulicht. Zuerst wählt der Benutzer Gleichungen aus der Bibliothek aus. Vier Beispielgleichungen sind in einer Tabelle aufgeführt: C3-Überdachung, C4-Überdachung, thermische Entwicklung und photothermische Entwicklung. Häkchen befinden sich neben den C4-Überdachungs- und Wärmeentwicklungsgleichungen. Als nächstes muss der Benutzer Spezifikationen bereitstellen. In einer Tabelle sind vier Beispielspezifikationen aufgeführt: Wetter, Vc Max, Bodentiefe und anfängliche Biomasse mit ihren Werten und Einheiten. Als nächstes führt ein Pfeil aus diesen beiden Tabellen zu einem Bild eines Computers mit einem BioCro darin. Dieses Bild trägt die Bezeichnung „An BioCro-Engine senden“, wo das Modell gelöst und die Ergebnisse berechnet werden. Schließlich führt ein Pfeil vom Computer zu einem Graphen, der die erzeugte Simulation darstellt. Der Tag des Jahres ist auf der X-Achse und die Organmasse ist auf der Y-Achse, wobei die Daten für Stamm und Blatt separat aufgetragen sind.
Schematisches Diagramm, das den Prozess der Durchführung einer Pflanzenwachstumssimulation veranschaulicht, indem Gleichungen aus einer Bibliothek ausgewählt, zusätzliche Spezifikationen bereitgestellt und diese Informationen an die BioCro-Engine gesendet werden, die das Modell löst und die Ergebnisse berechnet.

Benutzer können Details zu den Funktionen und Bibliothekseinträgen überprüfen, die im BioCro II R-Paket verfügbar sind, indem sie auf die umfassende Dokumentation zugreifen Ein praktischer Leitfaden für BioCro.

Zweitens kann der Benutzer ein Verständnis für einzelne Modellkomponenten aufbauen sowie ihre Wechselwirkungen im Kontext des gesamten Modells, wobei die logischen Grenzen der Modulautoren genutzt werden. Lochocki erklärt, warum dies wichtig ist: „Der Anwendungsbereich der Pflanzenmodellierung nimmt ständig zu, da die Modelle beginnen, Prozesse auf unterschiedlichen Skalen einzubeziehen, von der Genetik bis hin zum globalen Klima. Gleichzeitig werden einzelne Modellkomponenten tendenziell detaillierter und spezialisierter, je realistischer sie werden. Um die Dinge noch komplizierter zu machen, können Interaktionen zwischen Modellkomponenten neue Verhaltensweisen erzeugen. Ein so komplexes Modell frontal anzugehen, kann selbst für einen Experten auf diesem Gebiet eine entmutigende Herausforderung sein. Modulare Software wie BioCro II ermöglicht es einem Forscher, ein großes Modell in kleinere Teile zu zerlegen und zu verstehen, wie jeder Teil für sich und in Verbindung mit anderen funktioniert. Wenn ein Modell dagegen als monolithischer Codeblock geschrieben wird, ist dieser Ansatz schwierig oder unmöglich.“

Drittens kann der Benutzer die Modellkomponenten problemlos austauschen. nach alternativen Versionen, um die verfügbaren experimentellen Eingaben besser abzugleichen, neue Entwicklungen zu nutzen oder alternative Komponenten zu vergleichen. Die Autoren demonstrierten dies, indem sie die Modellkomponenten gegen die Photosynthese austauschten. Sie verglichen ein vereinfachtes empirisches statistisches Modell der Photosynthese basierend auf der Strahlungsnutzungseffizienz (RUE) mit dem mechanistischen prozessbasierten Farquhar-von-Caemmerer-Berry (FvCB)-Modell, wobei alle anderen Modellkomponenten unverändert blieben.

Es gibt zwei Diagramme. Oben ist ein Diagramm des Tages des Jahres auf der X-Achse und der Biomasse auf der Y-Achse. Diese wird in 4 Pflanzenbestandteile aufgeteilt: Wurzel, Stängel, Korn und Blatt. Die Ausgabe für Simulationen unter Verwendung des mechanistischen FvCB-Modells für die C3-Photosynthese und das empirische RUE-Modell sind ähnlich. Unten ist ein Diagramm des Lichts auf der X-Achse und der Biophotosynthese auf der Y-Achse. Beim RUE-Modell besteht ein rein linearer Zusammenhang, während sich beim FvCB-Modell die Photosynthese bei höheren Lichtintensitäten schließlich einzupendeln beginnt.
Abbildung 1. (a) Biomasse für mehrere Sojabohnengewebe, berechnet während der gesamten Vegetationsperiode unter Verwendung entweder des mechanistischen FvCB-Modells für die C3-Photosynthese oder eines empirischen RUE-Modells. (b) Photosynthesereaktion auf verfügbares Licht, berechnet mit dem FvCB-Modell, verglichen mit der Ausgabe des RUE-Modells.

Eine ganze Saison von Umweltdaten wurde verwendet, um das Sojabohnenwachstum für jedes der beiden Modelle zu simulieren. Diese Übung zeigte, dass trotz der sehr unterschiedlichen Ansätze zur Bestimmung der Photosynthese (Abbildung 1a) während der gesamten Vegetationsperiode eine enge Übereinstimmung erzielt werden kann. Der Ursprung dieser Übereinstimmung kann untersucht werden, indem die Beziehung zwischen Photosynthese (Abrutto) und Licht, das bei den beiden Modellen auf die Kappe trifft (PPFD). Im FvCB-Modell pendelt sich die Photosynthese bei höheren Lichtintensitäten ein, während das lineare RUE-Modell die Photosynthese bei starkem Licht überschätzt und die Photosynthese bei schwachem Licht unterschätzt (Abbildung 1b). Obwohl die berechneten Werte der Photosynthese im Durchschnitt übereinstimmen, ist die Übereinstimmung fragil und in anderen Jahren wahrscheinlich nicht haltbar, da das FvCB-Modell empfindlich auf kritische Umweltvariablen reagiert, die vom RUE-Modell ignoriert werden.

Es ist einfach, diese gegensätzlichen photosynthetischen Modelle mit BioCro II weiter zu untersuchen, da alle Parameter außerhalb der Modellgleichungen angegeben werden und ihre Werte leicht geändert werden können. Um die Nützlichkeit dieser Funktion zu demonstrieren, führten die Autoren eine Sensitivitätsanalyse durch, um die Reaktion des mechanistischen FvCB-Modells auf Umweltfaktoren besser zu verstehen und somit die Dynamik aufzudecken, die nicht im empirischen RUE-Modell enthalten ist. Sie fanden heraus, dass sich die Temperaturreaktion der gesamten Biomasse aufgrund der Temperaturabhängigkeit anderer an der Simulation beteiligter Komponenten zwischen den RUE- und FvCB-Simulationen nicht wesentlich unterscheidet. Andererseits ist die Reaktion von Biomasse auf CO2 Die Konzentration ist zwischen den beiden Modellen signifikant unterschiedlich, wobei die RUE-Simulation fast überhaupt keine Reaktion zeigt (Abbildung 2c). Dies ist ein wichtiger Einblick in diese Modelle, der ohne Modularität nur schwer zu erreichen gewesen wäre.

Auf der linken Seite ist ein Diagramm mit dem Tag des Jahres auf der X-Achse und Biomasse / Temperatur auf der Y-Achse. Die FvCB- und RUE-Daten sind während der gesamten Vegetationsperiode ähnlich. Rechts ist ein Diagramm mit dem Tag des Jahres auf der X-Achse und Biomasse / CO2 auf der Y-Achse. Die FvCB-Daten zeigen eine Reaktion auf CO2 im Laufe der Vegetationsperiode, die RUE-Daten jedoch nicht.
Abbildung 2. Normalisierte Sensitivitätskoeffizienten für die Gesamtbiomasse, berechnet in Bezug auf die Lufttemperatur im Verlauf der Vegetationsperiode; und atmosphärisches CO2.

BioCro II folgt der allgemeinen Struktur eines dynamischen Systems. Das bedeutet, dass das Modell beschreibt, wie sich Variablen, die ein bestimmtes System darstellen, mit der Zeit entwickeln. Obwohl es offensichtlich erscheinen mag, dass die meisten Modelle auf diese Weise gedacht werden könnten, sind viele Pflanzenwachstumsmodelle nicht auf diese Weise programmiert. Das explizite Schreiben der Modelle als dynamische Systeme hat jedoch viele Vorteile. Insbesondere erleichtert es die Modularität, indem zwei dynamische Systeme zu einem dritten kombiniert werden können, indem einfach ihre einzelnen Komponenten kombiniert werden. Auf diese Weise können aus einfacheren komplexe Multiskalenmodelle aufgebaut werden. In der Praxis ist dies nur möglich, wenn der Modellcode so geschrieben ist, dass Komponenten eines dynamischen Systems eindeutig identifiziert werden. BioCro II erzwingt diese Unterscheidungen und trägt dazu bei, dass dynamische Systeme und ihre Unterkomponenten problemlos neu kombiniert werden können

Co-Autor Dr. Justin McGrath, USDA-Forschungspflanzenphysiologe, erklärt: „Modelle werden in vielen Bereichen fast allgegenwärtig explizit als dynamische Systeme geschrieben. BioCro II reproduziert BioCro I als dynamisches System und präsentiert es auf eine Weise, die den meisten Modellbauern vertraut ist. Darüber hinaus erweitert es das dynamische Systemkonzept, indem es eine Möglichkeit bietet, Teile von Modellen modular auszuwählen, was unserer Hoffnung nach eine nützliche Möglichkeit für Forscher darstellt, ihre Modelle zu schreiben und sie mit anderen Modellen in der Community zu koppeln.“

DER ARTIKEL::
Edward B. Lochocki, Scott Rohde, Deepak Jaiswal, Megan L. Matthews, Fernando Miguez, Stephen P. Long, Justin M. McGrath, BioCro II: ein Softwarepaket für modulare Pflanzenwachstumssimulationen, in silico Plants, 2022, diac003, https://doi.org/10.1093/insilicoplants/diac003

BioCro II ist Open Source und online verfügbar unter https://github.com/ebimodeling/biocro