Weltweite Nahrungsmittelproduktion muss um 70 % erhöhen, um den Bedarf von weiteren 2.3 Milliarden Menschen bis 2050 zu decken. Während die Zukunft in erhöhtem Kohlendioxid steigt wird den Ertrag vieler Feldfrüchte steigern, Ressourcenverfügbarkeit für Enzyme, die für die Photosynthese wichtig sind begrenzt ihre Produktivität unter erhöhtem Kohlendioxid. In einem kürzlich veröffentlichten Artikel von in silico Pflanzen, Dr. Marshall-Colon und Kollegen verwendet ein Mehrskalenmodell, um festzustellen, welche enzymkontrollierenden Transkriptionsfaktoren die Produktivität bei zukünftigen Kohlendioxidwerten steigern werden.
Die Autoren erstellten zunächst ein Multiskalenmodell der Sojabohnenblatt-Photosynthese, indem sie drei Modelle über Skalen auf molekularer und Organebene hinweg integrierten die yggdrasil Rahmen. Dieses Mehrskalenmodell wurde dann verwendet, um Prozesse von der Genexpression bis zum photosynthetischen Stoffwechsel zu skalieren, um die Blattphysiologie als Reaktion auf steigendes Kohlendioxid vorherzusagen. Die Flusskontrollanalyse wurde verwendet, um Enzyme zu identifizieren, die die größte Änderung erfordern, um sich optimal an erhöhtes Kohlendioxid anzupassen. Die Verknüpfung des GRN mit Proteinkonzentrationen, die als Eingabe für das Stoffwechselmodell dienen, ermöglichte die Identifizierung wichtiger Transkriptionsfaktoren, die hoch- oder herunterreguliert werden könnten, um die Photosynthese zu verbessern. Anschließend wurden spezifische Enzyme mit hohen Kontrollkoeffizienten in der Umgebung und erhöhtem Kohlendioxid identifiziert.
Das Mehrskalenmodell der Sojabohnen-Photosynthese hat erfolgreich die Akklimatisierungsänderungen im Photosyntheseapparat von Pflanzen vorhergesagt, die unter hohen Kohlendioxidkonzentrationen auf dem Feld gewachsen sind. Das Modell sagte voraus, dass Ribulose-1,5-Bisphosphat-Carboxylase/Oxygenase (RuBisCO) unter erhöhtem Kohlendioxid weniger einschränkend ist als unter Umgebungs-Kohlendioxid und herunterreguliert werden sollte, um eine Neuzuweisung von Ressourcen an Enzyme zu ermöglichen, die die Regenerationsrate steuern von Ribulose-1:5-Bisphosphat (RuBP).
Durch die Verknüpfung des genregulatorischen Netzwerks durch Proteinkonzentration mit dem Stoffwechselmodell konnten die Autoren Transkriptionsfaktoren identifizieren, die mit der Hoch- und Herunterregulierung von Genen übereinstimmen, die zur Verbesserung der Photosynthese benötigt werden. Die Analyse identifizierte spezifisch den Transkriptionsfaktor GmGATA2, der Gene für die RuBisCO-Synthese herunterreguliert, während er Gene hochreguliert, die die RuBP-Erzeugung und die Stärkesynthese kontrollieren.
„Bestehende Modelle der Photosynthese bieten keine Möglichkeit, beobachtete transkriptionelle Veränderungen mit dem Stoffwechsel und der Photosynthesekapazität auf Blattebene zu verknüpfen. Unser integriertes Modell überwindet dies und führt zu einem Modell, das in der Lage ist, die im Feld beobachtete photosynthetische Akklimatisierung unter erhöhten CO2-Konzentrationen vorherzusagen. Das Modell lieferte auch Vorhersagen über spezifische Regulationsmechanismen, auf die wir nun mit technischen Maßnahmen abzielen können, um die photosynthetische Effizienz von Sojabohnen unter zukünftigen CO2-Konzentrationen zu verbessern“, sagt Amy Marshall-Colon, Assistenzprofessorin für Pflanzenbiologie an der University of Illinois.
Die Autoren planen, die Vorhersagen zu verwenden, um die genetische Verbesserung zu steuern Sojapflanzen, die unter hohem Kohlendioxidgehalt wachsen mit dem Ziel, Nutzpflanzen zukunftssicher zu machen.
Der Quellcode für die Modelle in dieser Studie befindet sich im Repository unter https://github.com/cropsinsilico/yggdrasil.
