Исследовательская группа впервые моделирует связь между активностью ферментов и урожайностью

Команда из Иллинойсского университета разработала модельную структуру, связывающую активность ферментов, связанную с фотосинтезом, с урожайностью. Это первый случай, когда модель напрямую связала динамические пути фотосинтеза с ростом урожая.

«Предыдущая модель объединяла данные с генетического, метаболического и листового уровней, но нам нужно было связать метаболический уровень с более широким уровнем полога», — сказал Юфэн Хэ, научный сотрудник-постдокторант в Matthews Group в Иллинойсе. «Новая модель позволяет нам изучить, как изменения в активности ферментов могут повлиять на урожайность, лучше связывая изменения окружающей среды, испытываемые культурами в поле, с метаболическими процессами».

Эта работа является частью проекта «Повышение эффективности фотосинтеза» (RIPE), международного исследовательского проекта, направленного на повышение продуктивности сельскохозяйственных культур за счет улучшения фотосинтеза — естественного процесса, который все растения используют для преобразования солнечного света в энергию и урожайность.

В недавнем исследовании, опубликованном в в кремниевых растенияхОн и другие показывают, как их модель положительно повлияет на способность ученых точно моделировать рост сельскохозяйственных культур. Раньше ученые, желающие моделировать полевые эксперименты, должны были рассматривать процесс фотосинтеза и связанную с ним активность ферментов, как если бы растение находилось в устойчивом состоянии. Для любого, кто был на поле, это очень нереалистичная мера.

«Растения не существуют в стабильной среде. Мы можем использовать эту работу для изучения чувствительности ферментов в различных условиях окружающей среды», — сказала Меган Мэтьюз, главный исследователь проекта RIPE и доцент кафедры гражданского и экологического строительства в Иллинойсе. «Модель позволит нам увидеть, какие фотосинтетические ферменты являются ограничивающими в различных средах и как они могут привести к повышению урожайности в долгосрочных климатических условиях».

Способность модели понимать, какие ферменты могут быть ограничивающими, и связывать это с ожидаемым урожаем исходит из представления фотосинтеза как подробной серии динамических ферментативных реакций, а не упрощенного представления нескольких реакций в устойчивом состоянии. Дополнительным преимуществом этой модели является то, что ее можно использовать для изучения неустойчивых фотосинтетических реакций, например, когда тень от облачного покрова или других листьев, движущихся на ветру, может заставить растение начать или остановить фотосинтез в течение дня. Предыдущие модели, которые рассматривали фотосинтез как динамический процесс, не могли масштабироваться до роста урожая на уровне поля.

«Масштабирование от уровня метаболитов до уровня поля представляет собой решающий шаг к достижению более точного моделирования фотосинтеза и роста сельскохозяйственных культур», — сказал Хе. «Наша сопряженная модель обещает улучшить наше понимание ферментативной динамики и физиологии сельскохозяйственных культур. Кроме того, ее будущие приложения помогут улучшить стратегии управления сельскохозяйственными культурами, способствовать устойчивым методам ведения сельского хозяйства и укрепить продовольственную безопасность в условиях глобальных вызовов».

Он и Мэтьюз надеются, что их модель, доступная с открытым исходным кодом на Github, поможет исследователям лучше понять и предсказать, как конкретные ферменты влияют на рост и урожайность сельскохозяйственных культур в различных условиях.