Ein Team aus dem University of Illinois hat erstmals einen Modellierungsrahmen entwickelt, der die Enzymaktivität der dynamischen Photosynthese mit dem Ertrag verknüpft.

„Ein früheres Modell kombinierte Daten aus der genetischen, metabolischen und Blattebene, um die Photosynthese im Zeitverlauf zu simulieren. Wir gingen noch einen Schritt weiter und verbanden die metabolische Ebene mit dem gesamten Blätterdach und simulierten den Ertrag über eine Vegetationsperiode“, sagte Yufeng He, Postdoktorand in der Matthews Group in Illinois. „Das neue Modell ermöglicht es uns zu untersuchen, wie sich Veränderungen der Enzymaktivität als Reaktion auf die Umwelt auf den Ertrag auswirken können, indem wir die Umweltschwankungen, denen die Pflanzen auf dem Feld ausgesetzt sind, mit den metabolischen Prozessen in Verbindung bringen.“

Kurz und aktuellen Studie, veröffentlicht in in silico PlantsEr und andere nutzten ihr neues Modell, um zu zeigen, dass eine Erhöhung der Konzentration wichtiger Enzyme, die die Photosynthese beeinflussen, den Ertrag steigern kann. Bisher beschränkten sich Wissenschaftler, die die Enzymaktivität der Photosynthese simulierten, auf die Untersuchung der photosynthetischen Reaktion auf Blattebene und ignorierten die dynamischen physiologischen Reaktionen der Pflanzen auf Umweltfaktoren wie Licht, Temperatur und Wasser, die sich über eine Wachstumsperiode hinweg auswirken. Für jeden, der schon einmal auf einem Acker gearbeitet hat, ist das sehr unrealistisch.

„Pflanzen leben nicht in einer stabilen Umgebung. Wir können diese Arbeit nutzen, um die Empfindlichkeit von Enzymen unter den verschiedenen Umweltbedingungen zu untersuchen, denen Pflanzen ausgesetzt sind“, sagte Megan Matthews, Assistenzprofessorin für Bau- und Umweltingenieurwesen in Illinois. „Das Modell wird es uns ermöglichen zu sehen, welche photosynthetischen Enzyme in verschiedenen Umgebungen limitierend sind und wie sie unter zukünftigen klimatischen Bedingungen zu Ertragssteigerungen führen können.“

Mithilfe eines dynamischen Modells können Forscher genauer vorhersagen, wie Pflanzen auf ihre sich ändernde Umgebung reagieren. Im Laufe eines normalen Tages unterliegen Pflanzenkronen aufgrund von Faktoren wie Wolkenbedeckung und Beschattung durch andere Pflanzen erheblichen Schwankungen im Photosyntheseprozess. Die Einbeziehung dieser Variabilität in das Modell verbessert dessen Genauigkeit und Zuverlässigkeit. Darüber hinaus können sie identifizieren, welche Enzyme die Photosynthese und das Wachstum von Pflanzen in verschiedenen Umgebungen wie Dürre, starkem Regen oder erhöhtem CO2-Gehalt einschränken.₂ ist von entscheidender Bedeutung. Dadurch können Pflanzenzüchter und Ingenieure gezielt Enzyme einsetzen, um die Qualität von Nutzpflanzen zu verbessern. Durch die Optimierung der Enzymaktivität können Pflanzensorten entwickelt werden, die widerstandsfähiger und produktiver sind, was letztlich zu höheren Erträgen führt.

Er und Matthews hoffen, dass ihr Modell, als Open Source auf Github verfügbar, können Forschern helfen, besser zu verstehen und vorherzusagen, wie bestimmte photosynthetische Enzyme das Wachstum und den Ertrag von Nutzpflanzen in verschiedenen Umgebungen beeinflussen. Diese Arbeit ist Teil von Verwirklichung einer gesteigerten photosynthetischen Effizienz (RIPE), ein internationales Forschungsprojekt zur Steigerung der Produktivität von Nutzpflanzen durch Verbesserung der Photosynthese, des natürlichen Prozesses, mit dem alle Pflanzen Sonnenlicht in Energie und Ertrag umwandeln.

DER ARTIKEL::

Yufeng He, Yu Wang, Douglas Friedel, Meagan Lang, Megan L Matthews, Verknüpfung detaillierter photosynthetischer Kinetik mit Pflanzenwachstum und Ertrag: ein gekoppelter Modellierungsrahmen, in silico Plants, Band 6, Ausgabe 2, 2024, diae009, https://doi.org/10.1093/insilicoplants/diae009