Cambios estructurales en la industria de las semillas

¿Cómo utilizamos la tecnología más avanzada para crear variedades de cultivos de alto valor añadido mientras ahorramos tiempo y costes de I+D?

 

 

La industria de las semillas crea valor añadido mediante el lanzamiento de nuevas variedades. Cada nueva variedad supone un gasto total de alrededor de 136 millones de USD y, según el método de mejora genética, tarda entre ocho y diez años en desarrollarse. Dado que el coste de desarrollar una nueva variedad es elevado, las empresas de semillas tienden a invertir en cultivos que se cultivan ampliamente y en sistemas agrícolas a gran escala, como el maíz en los EE. UU. y la soja en Brasil. Sin embargo, una cartera de productos tan concentrada puede resultar arriesgada. La prohibición del uso del glifosato, por ejemplo, afecta a las ventas de 145 variedades de maíz, 23 variedades de soja, 22 variedades de algodón y 15 variedades de canola. Por lo tanto, la clave del éxito en el sector de las semillas radica en saber ofrecer con precisión aquellas nuevas variedades que satisfagan las necesidades de los agricultores y consumidores.

 

Imagínese a los agricultores pidiendo sus semillas por internet igual que compran un MacBook: color personalizado de la pulpa de la patata, proporción personalizada de ácidos grasos de la soja, resistencia personalizada a plagas/enfermedades, etc. Los caracteres se adaptan según sus necesidades. Es más, esto también permite predecir el rendimiento. En este escenario, la empresa semillera elabora un plan de producción en función de los pedidos realizados. No hay presión sobre los inventarios ni desperdicio de recursos de investigación. Los consumidores pueden elegir sus alimentos comunicando sus necesidades a los agricultores.

 

¿Cómo pasamos del sistema actual a semejante escenario futuro? Todo comienza con la herramienta de edición genética CRISPR/Cas. En pocas palabras, esta herramienta nos permite editar el genoma donde queramos utilizando dos componentes principales: CRISPR y Cas. Cas hace referencia a la proteína encargada de realizar el corte del ADN. CRISPR se refiere a la secuencia de ADN que guía a Cas hasta la ubicación deseada del genoma para realizar el corte, un mecanismo utilizado originalmente por las bacterias para su sistema inmunitario y descubierto por primera vez en el genoma de E. coli en 1987. Desde 2012, el sistema CRISPR/Cas ha demostrado que puede programarse para la escisión dirigida del ADN y se ha aplicado en campos como la terapia de enfermedades humanas, la cría de animales y también la mejora genética vegetal. Este sistema se puede utilizar para editar genes en tres pasos:

 

1. buscar el lugar correspondiente en el genoma (secuencia de ADN) que se va a editar

2. cortar el ADN

3. eliminar/reemplazar el ADN no deseado por el deseado.
 

La edición genética es como corregir errores en Microsoft Word: buscar una errata (encontrar un gen que editar), eliminar la errata (cortar el ADN), reemplazarla con la palabra correcta (pegar el nuevo ADN).

 

Corteva está utilizando CRISPR/Cas como herramienta de fitomejoramiento para una variedad de maíz, lo que acorta el ciclo de mejora de ocho a cinco años. Las ventajas y desventajas de CRISPR/Cas frente a los OMG convencionales se muestran a continuación.

 

 

A diferencia de los métodos transgénicos convencionales, CRISPR/Cas requiere una indicación precisa del lugar específico en el genoma para llevar a cabo la edición genética. Esto exige una mayor información sobre el genoma, y solo unos pocos cultivos han acumulado el conocimiento suficiente para ello (p. ej., maíz, soja y arroz).

 

A corto plazo, las empresas de semillas pueden editar cultivos con funciones genéticas conocidas, pero todavía se carece de conocimiento sobre muchas funciones génicas, por ejemplo la tolerancia a la sequía.

 

Para acelerar la investigación de las funciones génicas en los cultivos, los científicos botánicos han estado utilizando tecnologías de vanguardia. Entre ellas se incluye el uso de drones para recopilar imágenes, tecnología de la información para revelar nuevas redes reguladoras y aprendizaje profundo (deep learning) para entrenar ordenadores en la fenotipificación de alto rendimiento. La enorme cantidad de datos introducidos facilita el desarrollo de modelos para predecir el rendimiento. Combinado con las técnicas de secuenciación más recientes y modelos predictivos sólidos, será viable predecir con precisión el rendimiento a partir de la secuencia genómica de un cultivo. Esto supondrá un enorme ahorro de tiempo y dinero en la mejora genética, además de reducir los riesgos.

 

Tecnologías como sensores y drones permiten recopilar más datos en un tiempo y espacio determinados, lo que se traduce en un mayor nivel de detalle que puede utilizarse para comprender el rendimiento de los cultivos. No obstante, para extraer la información de cientos y miles de imágenes, se necesitan investigadores en el área de la (bio)informática. Sin embargo, resulta difícil encontrar a estos expertos, ya que los salarios suelen ser menos atractivos en el sector agrícola, lo que significa que puede haber escasez de personal cualificado para procesar estas enormes cantidades de datos.

 

En conjunto, las claves para lograr un fitomejoramiento personalizado son los datos (tanto fenómicos como genómicos), la modelización y la edición genética. En primer lugar, con los datos fenómicos y genómicos establecemos las relaciones entre los genes y su función. En segundo lugar, mediante la modelización predecimos el rendimiento de un genotipo determinado. Por último, gracias a la edición genética se puede crear el genotipo deseado a la mayor brevedad.

 

Conclusión
 

El fitomejoramiento ha sido una tarea larga y costosa para las empresas de semillas, pero esto está a punto de cambiar con las nuevas tecnologías. Hay tres tecnologías (edición genética, fenotipificación, deep learning) que pueden contribuir decisivamente a acortar el ciclo de mejora y reducir costes. La edición genética nos permite editar con precisión el genoma de un cultivo sin perder el fondo genético de alto rendimiento, ahorrando así tiempo. La fenotipificación mediante drones incrementa la eficiencia en la recolección de datos, mientras que el deep learning potencia la productividad del procesamiento de dichos datos. Con la convergencia de la digitalización impulsada por las TIC en las labores agrícolas y la biotecnología, el sector de las semillas evolucionará hacia una estrategia de mejora predictiva y guiada por las necesidades del cliente.