IA + genética: un combo que promete un maíz revolucionario
Una de las cuentas más onerosas de cualquier productor de maíz es la factura de urea o de nitrato de amonio. Sin embargo, un estudio de la Universidad de Nueva York (NYU) sugiere que la próxima revolución no vendrá de la fábrica de fertilizantes sino del laboratorio de genes: la inteligencia artificial (IA) combinada con la biología molecular puede identificar, y luego mejorar, los grupos de genes que hacen a la planta más eficiente en el uso del nitrógeno. El hallazgo fue publicado este mes en The Plant Cell y abre la puerta a híbridos que rindan igual —o más— con dosis menores de insumo.
Estados Unidos lidera el ranking mundial de producción de maíz y, con él, de consumo de fertilizantes nitrogenados. El inconveniente es doble: solo el 55 % del nitrógeno aplicado llega a la espiga; el resto se lixivia al suelo y las napas o se transforma en óxido nitroso, un gas de efecto invernadero 265 veces más potente que el CO₂. Para el agricultor, la ineficiencia se traduce en costos crecientes; para el ambiente, en aguas eutrofizadas y más cambio climático.
El equipo dirigido por la genetista Gloria Coruzzi partió de una estrategia “modelo → cultivo” de maíz. Tomó Arabidopsis thaliana —la “mosca de la fruta” de la botánica—, cuya facilidad de estudio acelera los ensayos, y la comparó con genotipos comerciales de maíz. Mediante secuenciación de ARN observaron qué genes se encendían o apagaban al cambiar la oferta de nitrógeno. El gran volumen de datos fue procesado por algoritmos de machine learning capaces de reconocer patrones y, crucialmente, de descubrir regulones: conjuntos de genes coordinados por la misma proteína reguladora (factor de transcripción).
“Características complejas como la eficiencia en el uso del nitrógeno nunca dependen de un único gen”, explicó Coruzzi. “La IA nos permite capturar la orquesta completa, no solo al primer violín”.
Los regulones NUE, la nueva diana
Los científicos bautizaron a esos conjuntos como “regulones NUE” (por Nitrogen Use Efficiency). Tras entrenar y validar los modelos, dos factores de transcripción del maíz (ZmMYB34 y ZmMYBR3) y uno de Arabidopsis (AtDIV1) emergieron como directores de 47 genes clave para la fisiología nitrogenada. Cuando los incorporaron de nuevo al algoritmo, la capacidad de la IA para predecir qué híbridos serían más ahorrativos en campo aumentó de forma significativa.
La validación experimental en el maíz —hecha en plántulas y en condiciones de cultivo— confirmó que los regulones seleccionados efectivamente mejoraban la absorción y el metabolismo del nutriente. De esta forma, los autores sostienen que los criadores podrán utilizar marcadores moleculares para elegir, en fase de invernadero, aquellas líneas con alta expresión de los regulones deseados, reduciendo años de evaluación agronómica.
NYU ya presentó una patente provisional que cubre tanto la metodología computacional como la posible aplicación de edición génica CRISPR para “afinar” los regulones NUE en variedades comerciales. El objetivo: plantas que requieran menos fertilizante sin sacrificar rinde. De prosperar, la tecnología podría disminuir la huella de carbono de la agricultura y rebajar la dependencia de insumos importados, un punto sensible tras la escalada de precios de 2022‑23.
Repercusiones y próximos pasos para el maíz
Investigadores externos saludaron el avance. “Pasar de correlaciones sueltas a una red regulatoria validada es un salto cualitativo”, comentó Marta Sanz, fitomejoradora del INTA Balcarce. Empresas semilleras ya mostraron interés: “Una combinación de marcadores NUE con eventos biotecnológicos existentes sería muy atractiva para el productor”, apuntaron desde un gigante del sector que pidió reserva.
El equipo de Coruzzi planea ahora ampliar la base de datos con más germoplasma tropical y templado para robustecer el algoritmo, así como testear la estrategia en trigo y soja. También trabajan con economistas para modelar el ahorro potencial en fertilizante y su impacto en la huella ambiental.
Si los planes llegan a buen puerto, el resultado sería un win‑win‑win: más rentabilidad para el agricultor, menor presión sobre los bolsillos de importación de insumos y menos nitrógeno fugitivo en ríos y atmósfera. Y todo gracias a un tándem cada vez más frecuente entre los bytes de la IA y las bases del ADN.
Con información de MundoAgropecuario
