Integrating Crop Growth Models and Genomic Prediction to Improve Flowering Time Forecasting Across Novel Environments and Breeding Lines

Resumen Técnico: Integración de Modelos de Crecimiento de Cultivos y Predicción Genómica para Mejorar el Pronóstico del Tiempo de Floración

Planteamiento del Problema
La selección genómica (SG) ha acelerado la ganancia genética en el fitomejoramiento, pero enfrenta limitaciones al predecir el rendimiento en entornos novedosos caracterizados por fuertes interacciones genotipo-ambiente-manejo (GxExM) no representadas en los datos de entrenamiento. Aunque los modelos de crecimiento de cultivos (MCC) basados en procesos pueden extrapolar a condiciones no observadas mediante la codificación de relaciones fisiológicas, tradicionalmente carecen de la capacidad de aprovechar directamente la información genómica. Por el contrario, los modelos genómicos estadísticos estándar (p. ej., GBLUP) suelen fallar al generalizar más allá de las condiciones ambientales específicas del conjunto de entrenamiento. El desafío radica en desarrollar un marco que una la extrapolación mecanística de los MCC con el poder predictivo de la predicción de genoma completo (WGP) para pronosticar con precisión los fenotipos, específicamente el tiempo de floración, en diversos cultivos hortícolas y entornos novedosos.

Metodología
El estudio aplicó el marco de Modelo de Crecimiento de Cultivo–Predicción de Genoma Completo (CGM-WGP) a dos especies hortícolas con respuestas fisiológicas contrastantes: brócoli (Brassica oleracea var. italica) y frijol común (Phaseolus vulgaris L.).

• Fuentes de Datos:
  • Brócoli: Una población biparental de haploides duplicados (DH) de 200 líneas evaluada en seis fechas de siembra en el norte de Florida para abarcar un gradiente natural de temperatura.
  • Frijol Común: Una población de líneas de endogamia recombinante (RIL) de 187 líneas evaluada en cinco entornos en EE. UU., Colombia y Puerto Rico.
• El Marco CGM-WGP:
  • Componente Mecanístico: El tiempo de floración se modeló como un proceso impulsado por el tiempo térmico, gobernado por una función beta de temperatura cardinal y una función de fotoperiodo. El modelo calcula las tasas de desarrollo diarias basadas en la temperatura y la duración del día, acumulándose hasta que se cumple un requerimiento de tiempo fisiológico específico del genotipo ($\Theta_g$).
  • Componente Genómico: Los parámetros específicos del genotipo ($\Theta_g$, sensibilidad al fotoperiodo $S_g$ y fotoperiodo crítico $P_{c,g}$) fueron tratados como efectos aleatorios siguiendo una distribución normal multivariante con una matriz de relación genómica ($G$) como estructura de covarianza.
  • Estimación: Se utilizó un algoritmo de Esperanza-Maximización (EM) para estimar conjuntamente los hiperparámetros de la población y los parámetros específicos del genotipo. Este "enfoque conjunto" permite que los priors genómicos regularicen las estimaciones de los parámetros para genotipos con datos fenotípicos dispersos, reduciéndolos hacia sus vecinos genéticamente similares.
• Benchmarks Comparativos:
  • GBLUP de Norma de Reacción (RN-GBLUP): Un modelo estadístico que incorpora núcleos de covarianza ambiental (temperatura y duración del día) que interactúan con núcleos genómicos.
  • GBLUP Estándar: Un modelo que utiliza únicamente relaciones genómicas y efectos ambientales fijos.
  • CGM Puro: Un modelo mecanístico que utiliza únicamente parámetros de la media poblacional sin diferenciación genómica.
• Validación: Se emplearon cuatro esquemas de validación cruzada para probar la capacidad predictiva bajo una dificultad creciente: prueba dispersa (CV2), nuevos genotipos (CV1), nuevos entornos (CV0) y nuevos genotipos en nuevos entornos (CV00).

Resultados Clave

• Desempeño en Entornos Novedosos: El marco CGM-WGP superó significativamente al benchmark RN-GBLUP al predecir entornos no probados y combinaciones de genotipo-ambiente no probadas.
  • Frijol Común: En el escenario de nuevo entorno (CV0), el CGM-WGP alcanzó una correlación de Pearson ($r$) de 0.86 con un RMSE de 5.2 días, en comparación con la menor precisión de RN-GBLUP, particularmente en el sitio de alta latitud de Dakota del Norte, donde los regímenes de fotoperiodo diferían del conjunto de entrenamiento.
  • Brócoli: En el escenario de nuevo entorno, el CGM-WGP alcanzó $r = 0.66$ y RMSE = 9.4 días, superando al RN-GBLUP, que tuvo dificultades con los gradientes térmicos de las siembras de final de temporada.
• Desempeño en Pruebas Dispersas: Cuando los datos de entrenamiento cubrían todos los entornos objetivo (CV2 y CV1), RN-GBLUP alcanzó la mayor precisión (p. ej., frijol CV2 $r = 0.93$), con el CGM-WFP ocupando un segundo lugar cercano.
• Estimación de Parámetros: El requerimiento de tiempo térmico ($\Theta_g$) capturó la mayor parte de la variación específica del genotipo. Los parámetros de fotoperiodo ($S_g$ y $P_{c,g}$) colapsaron hacia los valores de la media poblacional en ambas especies, debido al limitado contraste de la duración del día en los entornos de entrenamiento.
• Heredabilidad: La heredabilidad en sentido estricto del requerimiento de tiempo fisiológico estimado ($\Theta_g$) fue moderada en frijoles ($h^2 = 0.47$) y baja en brócoli ($h^2 = 0.08$), lo que refleja la complejidad del rasgo y el diseño experimental.

Significancia y Reivindicaciones
Los autores afirman que este estudio demuestra la generalizabilidad del marco CGM-WGP desde los principales cultivos de grano (como el maíz) hacia especies hortícolas. La principal significancia reside en la capacidad del marco para:

1. Generalizar la Fisiología: Modelar con éxito cultivos con estrategias contrastantes (p. ej., sensibilidad a la temperatura en brócoli frente a la sensibilidad al fotoperiodo en frijol) utilizando una arquitectura modular unificada.
2. Extrapolar a Condiciones Novedosas: Proporcionar predicciones precisas para entornos y genotipos no presentes en los datos de entrenamiento mediante la codificación estructural de las interacciones GxExM a través de mecanismos fisiológicos, en lugar de depender únicamente de la similitud estadística.
3. Operar Sin Identificación Previa de QTL: Utilizar directamente datos de marcadores de genoma completo para predecir el tiempo de floración, eliminando el requisito de identificación previa de loci de rasgos cuantitativos (QTL) o la restricción a poblaciones de mapeo específicas.
4. Informar la Estrategia de Fitomejoramiento: Los resultados sugieren que los programas de mejoramiento que operan en diversos entornos deben considerar mantener tanto el CGM-WGP (para la extrapolación a climas/geografías novedosas) como el RN-GBLUP (para pruebas densas dentro de entornos conocidos) en sus procesos de predicción.

El artículo concluye que, si bien la selección genómica estándar se beneficia del aumento del número de genotipos dentro de los entornos objetivo, el CGM-WGP requiere diseños experimentales que abarquen deliberadamente un contraste ambiental suficiente (térmico, fotoperiódico) para permitir la calibración de parámetros transferibles. Este enfoque permite la selección para entornos objetivo que aún no están representados en la red de ensayos de un programa de mejoramiento.