Las tecnologías ómicas y la bioinformática revolucionan la agricultura

El manejo de estas disciplinas abre la puerta a una mejor comprensión de los sistemas biológicos para una producción más eficiente y sustentable de alimentos.

Según Wikipedia, ómica es un neologismo que en biología se utiliza como sufijo para referirse al estudio de la totalidad o del conjunto de algo, como genes, organismos de un ecosistema, proteínas o incluso las relaciones entre ellos. Este sufijo significa conjunto o masa (de determinadas moléculas en el interior de las células). Por su parte, la bioinformática es la aplicación de tecnologías computacionales y de la estadística a la gestión y análisis de datos biológicos. Los bioinformáticos desarrollan nuevas formas de adquisición, organización y análisis de datos biológicos, mientras que los biólogos computacionales desarrollan modelos matemáticos y técnicas de simulación para datos biológicos importantes.

Así, la bioinformática es un campo interdisciplinario que sintetiza el conocimiento de diferentes áreas, incluyendo biología, química, estadística, física y ciencias de la computación. Estas herramientas a menudo se utilizan para administrar datos de tecnologías de biología molecular, incluidas la secuenciación, las plataformas de micromatrices y las tecnologías de alta capacidad en el manejo de datos biológicos (Nunes y col., 2015). Alguien definió a la bioinformática como el nuevo microscopio de la biología.

Muy silenciosas e imperceptibles a los ojos del productor agropecuario, la ómica y la bioinformática son dos disciplinas que hoy están muy presentes en el sector de las ciencias del campo, tanto para la generación de nuevos desarrollos como en la comprensión de los procesos biológicos. En este sentido, ofrecen un conocimiento clave, extremadamente preciso y específico desde lo funcional de los organismos para los objetivos de la producción.

Las técnicas de secuenciación de biomoléculas y la organización de bases de datos biológicos en diferentes estratos bioinformáticos permite definir los temas ómicos que emergieron como la genómica (el conjunto de genes de un especie), la transcriptómica (el conjunto de genes que se expresan en un tejido específico de un organismo), proteómica (conjunto de proteínas), la metabolómica (en referencia a las enzimas involucradas coordinadamente en las vías metabólicas), la interactómica (que describe la red de interacciones entre moléculas en la célula) y la fenómica (colección de datos fenotípicos de un cultivo). Todos estos estratos de las ómicas están cruzados por la bioinformática (Mochida y Shinozaki, 2011). Además, aspectos más abarcativos de estos conjuntos de moléculas conducen a otras ómicas como la metagenómica o ecosistómica, que es la suma de genes (con sus respectivas funciones) en un ambiente, sin importar cuál es el organismo que aporta dichos genes.

En el contexto de estos conceptos, es interesante destacar algunos ejemplos particulares.

Jones y col. (2018) destacan la importancia de la bioinformática en la predicción de proteínas efectoras de patogenicidad en hongos que causan enfermedades de las plantas. El término "efector" se usa para describir múltiples familias de proteínas poco conservadas que son citotóxicas o que comprometen a las células de un organismo huésped. Ya se caracterizaron algunos efectores de hongos que están representados por motivos conservados o en repositorios de secuencias. Sin embargo, la mayoría de los efectores de hongos no suelen mostrar una alta conservación de la secuencia de aminoácidos. El aumento en el número de genomas de patógenos secuenciados contribuye al descubrimiento de nuevos efectores. Este conocimiento es básico para abordar nuevas estrategias de defensa de cultivos contra sus patógenos.

Batley y Edwards (2016) describen la aplicación de la genómica y la bioinformática para acelerar el mejoramiento de cultivos y hacer frente al cambio climático. No todos los cambios previstos en el clima tendrán un impacto negativo inmediato: las temperaturas más cálidas pueden aumentar la productividad agrícola en algunas zonas templadas al extender la temporada de crecimiento; mientras que el aumento de las concentraciones de dióxido de carbono puede aumentar la eficiencia fotosintética, reducir la pérdida de agua a través de la transpiración y conducir a un aumento neto en el rendimiento. De todos modos, sí es necesario anticiparse y mejorar la capacidad para mantener el rendimiento en condiciones de sequía o inundación, la resistencia a temperaturas extremas altas y bajas, y la resistencia mejorada a plagas y enfermedades.

La tolerancia a la sequía y la eficiencia en el uso del agua son rasgos complejos que tienen fuertes interacciones ambientales. Si bien no habrá una "bala de oro", la selección para una mejor adaptación a las condiciones más secas y el rendimiento es un objetivo importante para los fitomejoradores. El descubrimiento de genes de diferentes especies (la genómica) involucrados en estos procesos y la gran cantidad de información proveniente de estudios de diversidad genómica, ensayos fenotípicos y estudios de expresión génica, proteómica, metabolómica, epigenética, entre otros, hace que la aplicación de esta información para el mejoramiento de cultivos aplicado sea un desafío complejo, pero estratégico y útil.

Las ómicas y la bioinformática juegan un rol importante también en el campo de la ciencia de las malezas. En un artículo de perspectiva, Ravel y col. (2018) presentan los resultados de varias reuniones, discu- siones y talleres centrados en el establecimiento de un Consorcio Internacional de Genómica de Malezas. Los autores revisan el 'estado del arte' en la genómica de malezas, incluidas las tecnologías, las aplicaciones y los proyectos en curso del genoma de malezas. Es de destacar que los genomas de estas especies no tienen el grado de estudio que tiene el genoma de los cultivos.

Las preguntas biológicas claves y las aplicaciones de gestión de malezas pueden abordarse a través de una mayor disponibilidad y acceso a los recursos genómicos. Las principales áreas de enfoque incluyen la evolución de la resistencia a herbicidas y los caracteres de las malezas, el desarrollo de diagnósticos moleculares y la identificación de nuevos objetivos y enfoques para el manejo. El conocimiento que surge de la genómica de malezas puede vincularse con nuevos blancos para incipientes herbicidas, con aspectos de dispersión y evolución de estas especies, y con la conducción de un manejo no convencional de las resistencias de malezas a herbicidas, entre otros intereses.

Por su parte, Giacomini y col. (2018) discuten la utilidad del perfil transcriptómico como uno de los métodos más comúnmente utilizados para investigar la resistencia de sitios no blanco de las malezas a los herbicidas, y contribuyen al discernimiento de los mecanismos no blanco de resistencia, que hasta hoy son los menos comprendidos.

Un ejemplo del uso de las herramientas bioinformáticas para evaluar datos metagenómicos en la microbiología de suelos lo plantean Almeida y De Martinis (2019). Los autores presentan una visión general de la evolución del conocimiento de la ecología microbiana, desde métodos tradicionales dependientes del cultivo de microorganismos hasta las tecnologías de metagenómica. Es importante mencionar que solamente un 1% de la diversidad microbiana que habita el suelo puede cultivarse por métodos tradicionales. Hoy, la metagenómica expande magníficamente esa capacidad de análisis de qué genes están presentes en el suelo y a partir de esa información puede deducirse qué función cumplen dichos genes en el ecosistema.

La reducción del precio de la secuenciación de ADN dio lugar a la aparición de grandes conjuntos de datos para manejar y analizar, especialmente en los ecosistemas microbianos, que se caracterizan por una alta diversidad taxonómica y funcional. Debido a que todos los procesos de secuenciación de ADN producen errores que comprometen el análisis de datos (incluido el ensamblaje del genoma y el análisis funcional microbiano), los autores presentan un software dedicado y analizan conceptualmente las aplicaciones potenciales en el campo de la ecología microbiana general. De esta manera, se obtuvo información oculta sobre microorganismos viables pero no cultivables a partir de datos de grandes secuencias. Pero esta información no tiene sentido sin el análisis bioinformático.

Ante la naturaleza dinámica de la informática, varios programas pueden proporcionar diferentes vistas de la misma serie de datos, lo que aumenta la importancia de comprender y comparar estas herramientas para tomar la decisión correcta de una línea de bioinformática para analizar cientos de miles de secuencias derivadas de comunidades microbianas complejas.

Como puede observarse con estos pocos ejemplos, la biología está profundizando ampliamente su base de conocimiento gracias a las dos disciplinas que se discuten en estos párrafos: las ómicas y la bioinformática. El manejo de estas disciplinas junto a otras tecnologías convencionales y a otras emergentes (como la edición génica) permitirán comprender mejor los procesos que ocurren en los sistemas biológicos y así producir más y mejores alimentos, incluso de una manera más segura y sustentable.

REFERENCIAS

• Nunes R, Barbosa de Almeida Jr E, Pessoa I, de Menezes P, Malafaia G. (2015). Learning Nucleic Acids Solving by Bioinformatics Problems. Biochemistry and Molecular Biology Education, 43: 377-383.

• Mochida K and Shinozaki K. (2011). Advances in Omics and Bioinformatics Tools for Systems Analyses of Plant Functions. Plant Cell Physiol. 52: 2017–2038.

• Jones DAB, Bertazzoni S, Turo CJ, Syme RA and Hane JK. (2018). Bioinformatic prediction of plant–pathogenicity effector proteins of fungi. Current Opinion in Microbiology, 46: 43-49.

• Batley J and Edwards D (2016). The application of genomics and bioinformatics to accelerate crop improvement in a changing climate. Current Opinion in Plant Biology, 30:78–81.

• Ravet K, Patterson EL, Krahmer H, Hamouzova K,ET AL (2018). The power and potential of genomics in weed biology and management. Pest Manag Sci, 74: 2216–2225.

• Giacomini DA, Gaines T, Beffa R and Tranel PJ (2018). Optimizing RNA-seq studies to investigate herbicide resistance. Pest Manag Sci, 74: 2260–2264.

• Almeida OGG, De Martinis ECP (2019). Bioinformatics tools to assess metagenomic data for applied microbiology. Applied Microbiology and Biotechnology, 103: 69-82