A produção mundial de alimentos deve aumentar em 70% para atender às necessidades de mais 2.3 bilhões de pessoas até 2050. Enquanto os aumentos futuros de dióxido de carbono elevado aumentará o rendimento de muitas colheitas, disponibilidade de recursos para enzimas importantes para a fotossíntese limita sua produtividade sob dióxido de carbono elevado. Em artigo publicado recentemente por in silico Plantas, Dr. Marshall-Colon e colegas usaram um modelo multiescala para identificar quais fatores de transcrição que controlam a enzima aumentarão a produtividade sob níveis futuros de dióxido de carbono.
Os autores primeiro criaram um modelo multiescala da fotossíntese da folha de soja, integrando três modelos em escalas moleculares e de nível de órgão usando da yggdrasil quadro. Este modelo multiescala foi então usado para dimensionar processos desde a expressão gênica até o metabolismo fotossintético para prever a fisiologia da folha em resposta ao aumento do dióxido de carbono. A análise de controle de fluxo foi usada para identificar as enzimas que requerem a maior mudança para se adaptar de forma ideal ao dióxido de carbono elevado. Vincular o GRN às concentrações de proteína, que servem como entrada para o modelo metabólico, tornou possível identificar os principais fatores de transcrição que podem ser regulados para cima ou para baixo para melhorar a fotossíntese. Enzimas específicas que tinham altos coeficientes de controle em ambiente e dióxido de carbono elevado foram então identificadas.
O modelo multiescala da fotossíntese da soja previu com sucesso as mudanças aclimatárias no aparato fotossintético de plantas cultivadas sob altos níveis de dióxido de carbono no campo. O modelo previu que a ribulose-1,5-bifosfato carboxilase/oxigenase (RuBisCO) era menos limitante sob dióxido de carbono elevado do que sob dióxido de carbono ambiente e deveria ser regulada para baixo, permitindo a realocação de recursos para enzimas que controlam a taxa de regeneração de ribulose-1:5 bisfosfato (RuBP).
Ao vincular a rede reguladora de genes por meio da concentração de proteínas ao modelo metabólico, os autores foram capazes de identificar fatores de transcrição que correspondiam à regulação positiva e negativa dos genes necessários para melhorar a fotossíntese. A análise identificou especificamente o fator de transcrição GmGATA2, que regulou negativamente os genes para a síntese de RuBisCO enquanto regulou positivamente os genes que controlam a geração de RuBP e a síntese de amido.
“Os modelos existentes de fotossíntese não fornecem um meio de vincular as alterações transcricionais observadas com o metabolismo e a capacidade fotossintética no nível da folha. Nosso modelo integrado supera isso, resultando em um modelo capaz de prever a aclimatação fotossintética observada em campo sob concentrações elevadas de CO2. O modelo também forneceu previsões sobre mecanismos reguladores específicos que agora podemos direcionar com a engenharia para melhorar a eficiência fotossintética da soja sob futuras concentrações de CO2”, diz Amy Marshall-Colon, professora assistente de biologia vegetal na Universidade de Illinois.
Os autores planejam usar as previsões para orientar o melhoramento genético em plantas de soja crescendo sob alto dióxido de carbono com o objetivo de preparar as colheitas para o futuro.
O código-fonte dos modelos deste estudo pode ser encontrado no repositório localizado em https://github.com/cropsinsilico/yggdrasil.
