Mejora genética del maíz para doble aprovechamiento
- Autores: Noemi Gesteiro Portas
- Directores de la Tesis: Rosa Ana Malvar Pintos (dir. tes.), Rogelio Santiago Carabelos (dir. tes.)
- Lectura: En la Universidade de Vigo ( España ) en 2024
- Idioma: español
- Tribunal Calificador de la Tesis: Ana Butrón Gómez (presid.), José Carlos Souto Otero (secret.), Matthieu Paul Louis (voc.)
- Programa de doctorado: Programa de Doctorado en Ecosistemas Terrestres, Uso Sostenible e Implicaciones Ambientales por la Universidad de Vigo
- Materias:
- Enlaces
- Tesis en acceso abierto en: Investigo
- Resumen
El maíz (Zea mays L.) ocupa un lugar destacado entre los cultivos más importantes a nivel mundial, debido a su extensa adaptabilidad y su posición en la producción agrícola. Con más de 200 millones de hectáreas cultivadas a nivel mundial y una producción que supera los 1200 millones de toneladas, el maíz no solo ocupa vastas extensiones de tierras de cultivo, sino que también proyecta su impacto en sectores tan diversos como la alimentación humana, la ganadería, la industria y la producción de bioenergía. Desde hace años, como respuesta al cambio climático y ante la creciente demanda de fuentes de energía sostenibles, se ha impulsado a nivel global la transición hacia biocombustibles renovables a partir de biomasa vegetal. El maíz juega un papel esencial, especialmente en España, donde parte de su producción se destina a la producción de biocombustibles desde 2012, aumentando en consecuencia el valor comercial del cultivo.
La planta de maíz ofrece dos componentes principales para la producción de bioetanol: el grano, rico en almidón, y los residuos después de la cosecha del grano, conocido como rastrojo, compuesto principalmente de componentes celulósicos y lignina. Mientras la producción de etanol a partir del grano plantea problemas debido a la competencia entre suministro energético y alimentario, los biocombustibles de segunda generación derivados de residuos vegetales, como el rastrojo de maíz, se presentan como una alternativa sostenible. Así, el maíz no solo asegura la seguridad alimentaria, sino que también desempeña un papel crucial en la producción de bioetanol. Para maximizar su utilidad, se propone mejorar el maíz para doble uso, optimizando tanto el rendimiento del grano como la productividad del rastrojo.
El rastrojo de maíz representa una materia prima extensa y disponible para la producción de biocombustibles de segunda generación. La conversión de esta biomasa lignocelulósica a etanol implica un proceso de tres pasos: pretratamiento, sacarificación y fermentación; donde la complejidad de la pared celular, resistente a la degradación natural, constituye un desafío clave, impulsando la investigación hacia avances en la eficiencia tecnoeconómica de las tecnologías de procesamiento de biomasa y en el desarrollo de materias primas bioenergéticas que se hidrolicen más fácilmente y/o produzcan mayores cantidades de carbohidratos fermentables por unidad de biomasa.
La pared celular vegetal, derivada de la interacción entre celulosa, hemicelulosa, lignina y otros compuestos, define las propiedades físicas de las células y determina la morfología de la planta. La modificación de la pared celular del rastrojo de maíz para una producción rentable de biocombustibles plantea desafíos, ya que cualquier cambio podría afectar el crecimiento y desarrollo de la planta. Por lo tanto, la comprensión detallada de los componentes del rastrojo lignocelulósico es esencial para modificar los cultivos sin comprometer otras características. El estudio de la lignocelulosa del rastrojo de maíz, compuesta por celulosa (39,4%), hemicelulosa (33,1%), lignina (14,9%) e hidroxicinamatos (1-8%), se centra en la optimización de la celulosa y la hemicelulosa, mientras aborda la complejidad de la lignina y los hidroxicinamatos que podrían interferir, a priori, negativamente en el proceso de sacarificación.
La mejora genética del maíz ha estado históricamente enfocada en el rendimiento del grano, pero la atención hacia el rastrojo y su doble uso ha sido limitada. El avance de la biología molecular y la secuenciación del genoma de maíz ayuda a diseñar programas de mejora más eficientes, incluyendo estudios de asociación del genoma completo (GWAS, por sus siglas en inglés) que nos permiten entender la genética detrás de caracteres fenotípicos complejos.
La diversidad genética y fenotípica del maíz, junto con la rápida caída del desequilibrio de ligamiento, lo convierte en un cultivo ideal para el GWAS. Sin embargo, la varianza fenotípica generalmente baja explicada por los loci de caracteres cuantitativos (QTL) ha llevado a la necesidad de explorar otros enfoques complementarios para desvelar la genética implicada en los caracteres cuantitativos, como el estudio de rutas metabólicas sobrerrepresentadas en la herencia del carácter. Por otro lado, la ausencia de QTLs mayores para los caracteres estudiados sugiere que la selección genómica podría ser preferible a la selección asistida por marcadores para unos pocos marcadores asociados a QTLs mayores. La selección genómica, basada en marcadores de ADN, ha transformado notablemente la mejora genética vegetal al permitir una evaluación precisa y temprana del potencial genético de los individuos. La mejor predicción lineal insesgada (BLUP) destaca como un modelo paramétrico común en este contexto, aplicándose con éxito en la mejora del rendimiento de grano, la resistencia a plagas y adaptación a condiciones de sequía.
Los objetivos de este trabajo se centran en optimizar los programas de mejora del maíz para su doble aprovechamiento, detectando QTL e identificando rutas metabólicas asociadas con el rendimiento y la calidad del rastrojo. Además, se busca desarrollar modelos de selección genómica para mejorar simultáneamente el rendimiento del grano y la producción de bioetanol, contribuyendo así a la sostenibilidad agrícola. Este enfoque permitirá avanzar en la comprensión genética y metabólica del maíz, facilitando la aplicación de estrategias de mejora genética para su producción sostenible.
Para llevar a cabo este estudio se utilizó el panel de asociación del USDA-ARS NCRPIS compuesto por 835 líneas puras de maíz, derivadas de programas de mejora con diversos objetivos y realizados en entornos diferentes. Esta investigación tuvo como objetivo evaluar las características genéticas y fenotípicas relevantes para el doble aprovechamiento del maíz, considerando tanto el rendimiento de grano como la eficiencia de sacarificación, fibras de la pared celular y otros componentes asociados. La metodología utilizada incluyó técnicas avanzadas de genotipado por secuenciación (GBS), análisis de varianza, estudios de asociación genómica (GWAS), asignación de rutas metabólicas y predicciones genómicas mediante el modelo GBLUP.
El panel completo de líneas puras de maíz se evaluó en condiciones específicas de Pontevedra durante dos años consecutivos (2018 y 2019), utilizando un diseño aumentado. En concreto, se seleccionó un subpanel de 350 líneas para la evaluación de ciertos caracteres. Las líneas se seleccionaron en base a criterios de adaptación local, variabilidad para floración femenina y número adecuado de plantas por parcela.
El genotipado de las líneas del panel completo se llevó a cabo mediante el método GBS en el Instituto de Biotecnología de la Universidad de Cornell, lo que permitió obtener datos genómicos detallados para cada línea. Los análisis de varianza combinados para los caracteres estudiados se realizaron utilizando el procedimiento PROC MIXED del software SAS 9.4, mientras que el análisis de asociación genómica (GWAS) se llevó a cabo con BLINK, basado en un modelo lineal mixto implementado en R. Se asignaron rutas metabólicas a los caracteres evaluados utilizando la herramienta PAST de MaizeGBD. La predicción genómica se llevó a cabo con el modelo GBLUP, utilizando un enfoque de validación cruzada para evaluar la precisión y capacidad predictiva de los modelos. Y se implementó un proceso de selección basado en los modelos de predicción para identificar las 10 líneas puras más destacadas del panel para su uso dual orientado a producción de bioetanol y de grano.
Los resultados revelaron diferencias significativas entre las líneas puras para la mayoría de los caracteres evaluados, subrayando la diversidad genética presente en la población estudiada. Las heredabilidades fueron, en su mayoría, de moderadas a altas, con excepción de la lignina Klason y la eficiencia de sacarificación, cuya estima no fue significativamente diferente de cero. Este patrón sugiere que la variación genética aditiva desempeña un importante papel en la determinación de la mayoría de los caracteres, destacando el potencial para mejorar con éxito los mismos a través de la selección fenotípica.
En el contexto del doble aprovechamiento, se destacó la correlación genotípica entre el rendimiento de grano y el rastrojo. Aunque se observó esta correlación positiva que sugiere la posibilidad de mejorar simultáneamente ambos rendimientos, se planteó un desafío importante debido a la correlación negativa entre el rendimiento de rastrojo y la eficiencia de sacarificación. Esta compleja relación puede afectar la respuesta a la selección destinada a mejorar el rendimiento de rastrojo y su calidad. Un aspecto relevante del estudio fue la fuerte y positiva correlación genotípica observada entre las fibras de la pared celular, especialmente la celulosa, y la eficiencia de sacarificación. Esta asociación sugiere que las paredes celulares más ricas en celulosa albergan mayores cantidades de azúcares disponibles para la fermentación. En este contexto, se propuso que centrarse en aumentar el contenido de celulosa, en lugar de solo mejorar el proceso de sacarificación, podría representar una estrategia más efectiva y práctica.
La propuesta de mejorar el contenido de celulosa planteó la necesidad de optimizar el análisis de su contenido, considerando posibles limitaciones en el protocolo actual. También destacaron las correlaciones entre el polímero de la hemicelulosa, especialmente la arabinosa de arabinoxilanos, y los diferulatos, que pueden desempeñan un papel crucial en la recalcitrancia de la pared celular.
En cuanto al análisis de asociación de todo el genoma reveló que, tanto el rendimiento de grano como el de rastrojo demostraron ser caracteres altamente poligénicos, enfatizando la necesidad de enfoques de mejora genética que aborden la contribución de múltiples genes con efectos individuales pequeños. En cuanto a la calidad del rastrojo, QTL asociados al contenido de celulosa son relevantes debido a la alta correlación entre el contenido de celulosa y la eficiencia de sacarificación y a la falta de identificación de QTLs para este último. En este sentido, dos SNPs significativamente asociados con el contenido de celulosa estuvieron ubicados en el mismo bin que QTLs identificados en estudios anteriores para la liberación de glucosa en el contexto de la producción de bioetanol.
La falta de QTL de gran efecto sugiere que numerosos genes con pequeños efectos individuales pueden influir en la misma vía metabólica. En este sentido, destaca la vía de degradación de galactosa, específicamente relacionada con el diferulato 8-O-4, que podría afectar las propiedades físicas y químicas de la pared celular, influyendo directamente en la degradación de la biomasa lignocelulósica del rastrojo de maíz.
Hasta ahora, la investigación ha destacado la elevada heredabilidad de los caracteres estudiados, respaldando la selección fenotípica como método tradicional. Sin embargo, se señala que la selección fenotípica es laboriosa y consume un tiempo considerable. Con el abaratamiento de las técnicas de genotipado, se plantea la selección asistida por marcadores moleculares como una alternativa económicamente más eficiente. No obstante, el estudio revela que los caracteres analizados son poligénicos, no se detectaron QTLs con efectos particularmente significativos, y se subraya la complejidad de la herencia de cada carácter. En este contexto, la selección genómica se presenta como una alternativa más recomendable en comparación con la selección basada en unos pocos marcadores asociados a QTLs específicos.
Dentro de los modelos de predicción genómica desarrollados mediante GBLUP, se destaca la heterogeneidad en la capacidad predictiva para diferentes caracteres. En términos generales, la capacidad predictiva de la mayoría de los caracteres fue moderada. Destaca el modelo para el rendimiento de rastrojo con una alta capacidad predictiva (0.59), mientras que el de eficiencia de sacarificación mostró una baja capacidad predictiva (0.23). La variación en la capacidad predictiva se atribuye a factores como la heredabilidad del carácter, el diseño experimental, la densidad de marcadores, el tamaño de la población de entrenamiento y la relación entre las poblaciones de entrenamiento y prueba.
La capacidad predictiva genotípica también se ve afectada por los métodos estadísticos empleados y, en este caso, la elección del modelo se basó en la consideración de su practicidad computacional. Se optó por el modelo GBLUP, ampliamente utilizado, dado que modelos más complejos tienden a tener mayores demandas computacionales con ganancias mínimas en capacidad predictiva. Este modelo se basa en la Ridge Regression BLUP (RRBLUP), asumiendo que todos los marcadores genéticos contribuyen al carácter.
Este enfoque de selección genómica se propone como una herramienta efectiva para seleccionar parentales al inicio del proceso de mejora, optimizando caracteres de calidad del rastrojo o fortificación de la pared, evitando la necesidad de un fenotipado extenso. Los modelos genómicos se han implementado para seleccionar las 10 mejores líneas para la mejora dual del maíz en tres ventanas de floración. La estrategia implica clasificar las líneas en grupos de precocidad para optimizar la eficiencia y facilitar la gestión. Estas líneas podrían considerarse como candidatas ideales para su uso en programas de mejora genética. Sin embargo, primero, es fundamental validar experimentalmente la eficacia de los modelos de predicción en condiciones de campo. Tales comparaciones se vuelven particularmente importantes porque la selección genómica mediante GBLUP implica suposiciones poco realistas pero convenientes de que cada uno de los marcadores explica una proporción igual de la varianza genética total y que la epistasia está ausente.
Se llevó a cabo un ejemplo práctico mediante la validación experimental de modelos desarrollados para las floraciones, aprovechando la disponibilidad de datos reales para las 835 líneas del panel completo. Los elevados coeficientes de correlación entre los valores predichos y los valores reales observados en todo el panel indican que no hay una sobreestimación de la precisión del modelo, calculada mediante validación cruzada. Estos resultados son interesantes porque sugieren que podríamos optimizar el grupo de entrenamiento o anticipar ganancias genéticas en programas de mejora sin depender de evaluaciones de campo para este carácter en un amplio conjunto de líneas. El subpanel utilizado se caracteriza por la amplia diversidad que presenta y, con los resultados obtenidos, se demuestra que es eficiente para realizar predicciones precisas incluso para líneas genéticamente diversas que no formaron parte del grupo de entrenamiento inicial. Este hallazgo resalta la robustez del modelo y su capacidad para generalizar de manera efectiva en contextos genéticos diversos, lo que es esencial para su aplicabilidad práctica. Sin embargo, se necesitan realizar validaciones específicas para cada carácter, ya que es posible que la correlación no sea tan efectiva debido a la heredabilidad y la diversidad de alelos específicos del grupo que tengan efecto sobre el carácter en cuestión.
En el desarrollo de un programa de mejora es importante tener en cuenta que la selección genómica permite predecir los valores genotípicos de los individuos para su posible selección como parentales con el fin de reducir el tiempo y el trabajo asociado al fenotipado de las progenies. La línea 89S4110, perteneciente al germoplasma BSSS (Iowa Stiff Stalk Synthetic), destaca como un buen parental para incluir en un programa de mejora para doble uso en zonas templadas o como una excelente línea para generar híbridos de doble uso mediante el cruce con destacadas líneas que pertenecen a germoplasma Lancaster como Mo17+/su, AusTRCF305849, SeagullSeventeen, AusTRCF305846, 58801InbredMo17 y Hi60 o las derivadas de poblaciones sintéticas que combinen las seis líneas Lancaster.
