iStock Uma equipa de investigadores da Universidade Estatal de Iowa, nos Estados Unidos da América (EUA), desenvolveu um modelo genético que permite prever com elevada precisão a altura e o tempo de floração do sorgo, com base em dados genómicos e meteorológicos recolhidos no início da época de cultivo.
Nos testes realizados, o modelo alcançou até 96% de precisão na previsão da altura das plantas e 74% na previsão do tempo de floração, mesmo em campos que não foram usados para treinar o sistema.
“Obter informações sobre o que é provável que aconteça com antecedência tem um valor imenso”, afirmou Jianming Yu, professor de agronomia na Universidade Estatal de Iowa e coordenador do estudo.
A investigação baseou-se em dados de 14 épocas de cultivo, utilizando o Painel de Associação do Sorgo – uma coleção de 400 variedades geneticamente sequenciadas para representar a diversidade global da planta.
Os investigadores analisaram os fatores ambientais que mais influenciam o desenvolvimento do sorgo: o acumulado térmico no segundo mês de crescimento foi crucial para a floração, enquanto a variação térmica diária entre os dias 25 e 31 foi determinante para a altura.
Além disso, foram identificados sete grupos genéticos ligados ao tempo de floração e 69 à altura das plantas, com base em 265 mil marcadores genéticos.
Os cientistas utilizaram métodos avançados de associação genómica e predição genómica, integrando também um índice ambiental que permite ajustar os modelos às diferentes respostas das plantas a diversos contextos de cultivo – um fenómeno conhecido como plasticidade fenotípica.
Os investigadores avançam que, para além de acelerar a melhoria de novas variedades, o estudo pode ajudar a tornar as culturas mais resilientes às alterações climáticas e apoiar decisões dos agricultores em tempo real, com previsões sazonais fiáveis.
Foi também por isso que o estudo mereceu destaque na capa de uma edição especial da revista Plant, Cell and Environment, dedicada à segurança alimentar e nutricional.
A equipa de cientistas planeia, no futuro, reforçar ainda mais os modelos de previsão com dados adicionais recolhidos diretamente no campo, nomeadamente através de drones.
