• Cultivar más rápidamente con Matemáticas

    LAS SIMULACIONES POR COMPUTADORA AYUDAN A MEJORAR LOS RASGOS DE LAS PLANTAS

    show caption

    Simulating biology: we all want vegetables that are large, healthy and stay fresh for as long as possible. Geert De Meyer and Dr. Kathrin Hatz use sophisticated mathematical modeling to optimize plant breeding.

Los cultivadores tienen que experimentar por lo general durante años con miles de plantas para obtener una especie con rasgos mejorados. Sus métodos de crianza son exitosos, pero es difícil cumplirlos con los requisitos cada vez más complejos de los consumidores. Por tal motivo, matemáticos de Bayer desarrollaron un programa de computadora que puede facilitar considerablemente la crianza. Recomienda una receta para llegar al objetivo con muchas menos generaciones de cruces que hasta el momento

Story check

  • El reto:
    La cría de nuevas plantas se está volviendo cada vez más compleja y con frecuencia se encuentra en callejones sin salida.
  • Solución:
    Las computadoras usan algoritmos matemáticos para calcular horarios de cruzamiento óptimos.
  • Beneficios:
    Las nuevas plantas se pueden criar de una manera más específica, más rápida y a un menor costo.

Solo el buen aspecto en el estante de las verduras no es suficiente. Los jitomates, las calabazas y compañía deben cumplir con muchos requisitos. Por ejemplo, los clientes prefieren jitomates que sean aromáticos, firmes y a su vez jugosos. Además, no deben aplastarse ni enmohecerse. Y los agricultores desean plantas de jitomate que resistan a los gérmenes patógenos y proporcionen grandes cosechas. En años pasados, los criadores de plantas solo podían transferir muchas de estas características a los jitomates mediante una crianza costosa y controlada. Se logran éxitos similares en otras plantas como el algodón. Los criadores desarrollaron especies resistentes a determinados parásitos.

Los investigadores optimizan ahora el jitomate y el algodón con la ayuda de modelos por computadora

Sin embargo, cada vez con mayor frecuencia los criadores topan con límites con sus métodos cuando quieren seguir mejorando las plantas de calidad actuales y combinar las mejores características de dos especies en una nueva. Por ejemplo, para criar jitomates que sean muy grandes y a la vez resistentes contra varias enfermedades. "Algunas características no se pueden incluir en una nueva planta con pocos pasos de crianza”, dice Geert de Meyer de Breeding and Trait Development en Gante, Bélgica.

i

Ya no basta con que los tomates, los pepinos y otras verduras se vean bien en los estantes de las tiendas de comestibles.

En los experimentos de crianza de Mendel todo era mucho más sencillo. El monje austríaco Gregor Mendel, el primer padre de la genética, cruzó en el siglo XIX, por ejemplo, dos plantas entre sí, de las cuales una daba flores rojas y la otra, blancas. Resultaron plantas de la siguiente generación de las cuales unas dieron flores rojas, otras blancas y otras rosa. Este ensayo fue comparativamente simple, porque la característica "color de flor” está codificada únicamente por un gen, el cual se encuentra en un lugar determinado de la herencia genética, que se transmite en distintas versiones de "madre” y "padre”. En otras características es mucho más complicado.

Muchos genes distintos son responsables del sabor de un jitomate

"Es imposible fusionar en un solo paso de crianza características simples de una planta padre con características complejas de una planta madre, porque la herencia genética y los cromosomas de padre y madre se mezclan en una proporción de 50:50. Cada vez perdemos un par de elementos.” Por tal motivo, se requieren varias docenas de pasos de cruce y varios miles de plantas para combinar características complejas y características simples en una nueva planta. En algunos casos, esto dispara las dimensiones de un ensayo de crianza. De Meyer: "Necesitaríamos invernaderos inmensos para poder cosechar a través de muchos pasos la planta correcta.” "Actualmente es difícil para nosotros combinar distintas características en un background genético”, señala Frank Millenaar, prebreeder de jitomate en Bayer en Nunhem, Países Bajos. Los prebreeders proporcionan a los criadores nuevas características en las plantas de especies silvestres o de material vegetal lejanamente emparentado. "Los planes de cruce optimizados nos ayudarán a lograr nuestro objetivo de la manera más rápida y eficiente.”

La diferencia fina

La técnica genética y la crianza tienen más en común que lo que se piensa en un inicio: en ambos métodos se transfieren genes. Una diferencia decisiva es cómo se desarrolla esta transferencia. Con los métodos de la técnica genética, los investigadores pueden incorporar un gen en una planta y, con ello, una característica definida. También es posible utilizar genes de otros organismos. En cambio, los criadores cruzan las plantas entre sí y combinan así distintas características - en ocasiones también no deseadas. La nueva planta porta entonces, por ejemplo, frutas más dulces, pero una pulpa más fibrosa.

Algunas características no se pueden incluir en una nueva planta con pocos pasos de crianza

Por ello, De Meyer le pidió ayuda al grupo de trabajo de Matemáticas Aplicadas. El grupo desarrolla modelos y métodos matemáticos que resuelven problemas complejos de distintas áreas de negocio - y actualmente en la crianza de plantas. En el caso concreto ampliaron el programa de computadora Genestacker, el cual fue desarrollado en una colaboración anterior con la Universidad de Gante. Calcula los pasos de crianza exactos y el número de plantas requerido para incorporar un set de características deseadas. La co-desarrolladora, doctora Kathrin Hatz, ha ajustado ahora Genestacker junto con colegas, de modo que el método puede determinar los pasos de crianza correctos para características complejas de fondo. Les recomienda a los criadores una receta con pasos de cruce.

"El algoritmo se basa inicialmente en las leyes de Mendel y se alimenta después adicionalmente con la información genética de las respectivas plantas que tenemos disponibles al inicio”, explica la doctora Hatz. "Utilizamos marcadores genéticos para sondear las secciones de ADN relevantes.”

Para combinar características de las plantas existen a menudo varios millones de posibilidades de crianza

Para las características simples y claramente delimitadas, los marcadores genéticos se colocan ahí en donde los criadores han identificado posiciones interesantes en experimentos anteriores. En cambio, los investigadores normalmente detectan el background genético con la ayuda de marcadores distribuidos en el genoma a intervalos regulares. "Sería ideal si se pudiera fusionar la totalidad de la información de background de una planta madre de alta calidad con los genes de una planta padre que porta características simples como el tamaño de la fruta”, asegura el señor De Meyer. "Pero en realidad echaríamos a perder las complejas características elite de la planta madre con la información de background de la planta padre. Para transferir toda la información de background de las características de élite de la madre, necesitamos muchos más pasos.”

Finalmente, la computadora prueba diversas variantes de crianza hasta llegar al objetivo. Lo que suena sencillo, es matemáticamente de alto nivel, pues los genes de background se transmiten parte por parte y paso a paso de una generación a la siguiente. En ello existen en ocasiones varios millones de posibilidades de combinación.

Modelos por computadora predicen necesidades de los clientes

El trabajo del grupo de Matemáticas Aplicadas también ayuda en otros planteamientos: para la división Consumer Health de Bayer se analizó, por ejemplo, cómo se pueden posicionar de otra manera los medicamentos libres de receta, para que sea más probable que los clientes los tomen. Para ello, los expertos combinaron conocimiento de la investigación del comportamiento con el análisis matemático de peticiones de búsqueda en línea. Los expertos denominan esta combinación como "Predictive Limbic Modeling”. La evaluación de los términos de búsqueda muestra tendencias en la sociedad en los últimos años con la ayuda de atributos tales como éxito, ritmo o perseverancia.

Gracias a la simulación por computadora, los obtentores sólo necesitan

1,700 plantas en lugar de 5,000

previamente necesario para obtener los rasgos deseados en una planta.

Finalmente, la computadora prueba diversas variantes de crianza hasta llegar al objetivo. Lo que suena sencillo, es matemáticamente de alto nivel, pues los genes de background se transmiten parte por parte y paso a paso de una generación a la siguiente. En ello existen en ocasiones varios millones de posibilidades de combinación.

Un elemento del programa es un procedimiento Branch-andBound desarrollado especialmente, un método matemático de optimización. "El algoritmo determina en primer lugar las posibles combinaciones conforme a las cuales se pueden mezclar entre sí los genes de paso de crianza a paso de crianza. Como en las ramas de un árbol, se forman así cada vez más ramificaciones o ‘branches’”, indica la doctora Hatz. "El método a la medida del planteamiento analiza eficientemente en las ramas prometedoras qué combinación llevará al objetivo. Las ramas que muestran desde temprano que no llevarán al genotipo deseado, se cortan y se desechan, hasta que solo queda una rama. Lo llamamos ‘bounded’”.

La crianza dirigida: experto en plantas Punika Phuwantrakul cruza plantas seleccionadas de colza.
Gracias a la simulación por ordenador, el equipo dirigido por Geert De Meyer necesita mucho menos etapas de cruzamiento para obtener las características deseadas en una planta.
Un experimento simulado demostró que los ganaderos pudieran trabajar con sólo 1.700 plantas en lugar de los 5.000 previamente es necesario.

El programa Genestacker predice qué pasos de crianza llevan a la planta deseada

El resultado es un plan de crianza exacto. El método les recomienda a los criadores qué planta se debe cruzar con cuál en el siguiente paso. Dado que los genes también se heredan siempre conforme a una cierta probabilidad, el programa también recomienda un nú- mero mínimo de plantas. Esto garantiza que los respectivos genes lleguen a cuando menos una planta hija. Los usuarios del nuevo mé- todo son criadores de la División Crop Science de Bayer, los cuales fabrican semillas para los clientes. "En nuestras muchas estaciones de crianza en todo el mundo, actualmente trabajamos en introducir las nuevas soluciones para optimizar la crianza de plantas”, dice De Meyer. El equipo de Genestacker demostró lo bien que funciona el programa por simulación por computadora en las primeras pruebas con algodón. Hasta el momento se necesitaban seis años y alrededor de cinco mil plantas para transferir una característica background a una planta de algodón. En la simulación, Genestacker reduce el número de plantas a mil 700 y el tiempo a cinco años.

Gracias a las matemáticas, una nueva crianza puede llegar entonces más rápidamente al mercado. Además, se pueden reducir considerablemente el trabajo y los gastos - en el caso del experimento con algodón en un 66 por ciento. Para el doctor Linus Görlitz, responsable en Bayer de las Matemáticas Aplicadas, no se trata de un caso aislado: "En la época de Big Data y de la creciente digitalización, podemos ofrecer múltiples soluciones nuevas, las cuales benefician a áreas completamente distintas de Bayer.”

En la crianza de plantas, el doctor Görlitz y su equipo ya han demostrado el beneficio potencial de las matemáticas: "El poder llegar un año antes al cliente con un menor uso de recursos, es una gran ventaja de competencia y también demuestra cómo la innovación y la sustentabilidad pueden ir de la mano. Genestacker es solo un ejemplo de cómo podemos crear valores mediante mé- todos matemáticos y el uso de modelos por computadora.”

ENTREVISTA: MARCO CASANOVA

"No hay que dejarse llevar solo por el sentimiento"

research habló con Marco Casanova, socio gerente del Instituto de Branding de Suiza, sobre la importancia del modelado matemático

En la actualidad, los modelos matemáticos son importantes para muchas ramas. Usted lo utiliza para la publicidad. ¿Cómo funciona?

Sabemos desde hace tiempo que el ser humano procesa los estímulos de la publicidad en el sistema límbico - esa parte del cerebro que procesa las emociones. Clasificamos estos estímulos a tres categorías: equilibrio, dominio y estimulación. El segundo se expresa mediante símbolos de estatus, éxito u honor. El equilibrio incluye atributos como seguridad y estabilidad. En cambio, la estimulación se acopla con aventura, fascinación o el deseo de cosas nuevas. Intentamos ponernos en los zapatos del cliente específico: ¿cómo debemos abordar controladamente en la publicidad cuál de las tres categorías para llegar al cliente emocionalmente de la mejor manera? Gracias al modelado por computadora ahora podemos sustentar esto de forma estadística y empírica.

¿En qué medida se pueden determinar matemáticamente las emociones?

Utilizamos el Limbic Modeling. El procedimiento puede analizar grandes cantidades de datos anonimizados, por ejemplo, sobre el comportamiento de compras o el interés de los clientes. Reconoce tendencias y la predisposición límbica actualmente predominante de los clientes. Con base en este análisis matemático, las empresas pueden decidir sobre nuevas estrategias publicitarias. En el pasado, a menudo había que confiar mucho en el sentimiento.