From Field Photosynthesis to Genetic Architecture: Insights from the First Dedicated Photosynthesis Hackathon

Planten zijn de meest efficiënte zonnepanelen ter wereld; ze vangen zonlicht op en zetten het om in het voedsel dat bijna al het leven op aarde in stand houdt. Dit proces, bekend als fotosynthese, is geen enkele schakelaar maar een complexe motor met veel bewegende delen die veranderen afhankelijk van het weer, de tijd van de dag en de gezondheid van de plant zelf. Voor boeren en wetenschappers die proberen gewassen te kweken die kunnen overleven in een opwarmend klimaat, is het begrijpen van deze motor cruciaal. Als zij de specifieke genetische instructies kunnen identificeren die een plant beter maken in het gebruiken van licht, kunnen zij nieuwe variëteiten kweken die meer voedsel produceren met minder middelen. De benodigde gegevens om deze genetische aanwijzingen te vinden zijn echter moeilijk te gebruiken gebleken. Wetenschappers hebben enorme hoeveelheden metingen verzameld uit velden over de hele wereld, waarbij ze bijhielden hoe planten ademen en gloeien onder de zon, maar deze records waren vaak te rommelig of te ingewikkeld om goed te analyseren.

In maart 2026 kwamen een groep onderzoekers samen in Accra, Ghana, om dit exacte probleem aan te pakken. Ze hielden de allereerste hackathon die volledig gewijd was aan het ontsluiten van de geheimen die verborgen liggen in veld-fotosynthesegegevens. Dit was geen typische bijeenkomst van experts die in een collegezaal zaten; het was een hands-on workshop waar datawetenschappers, plantenfysiologen, genetici en veredelaars uit Europa en Afrika zij aan zij werkten. Hun doel was om ruwe metingen van vier verschillende gewassen — cowpea (varkensboon), gerst, bruine boon en aardappel — te nemen en de genetische patronen te vinden die standaardmethoden hadden gemist. Het team gebruikte handzame apparaten die meten hoe planten licht reflecteren, een techniek die onthult hoe goed de plant energie verwerkt, en combineerde deze metingen met kaarten van de genetische code van de planten.

De resultaten van deze samenwerking waren opmerkelijk omdat verschillende teams, werkend met verschillende gewassen en verschillende instrumenten, tot dezelfde drie conclusies kwamen. Ten eerste ontdekten ze dat het simpelweg invoeren van getallen in standaard computerprogramma's waardevolle informatie weggooide. Door modellen te bouwen die respecteerden voor hoe de plant biologisch werkelijk functioneert, herstelden de teams genetische signalen die voorheen onzichtbaar waren. Deze nieuwe, slimmere manieren van naar de data kijken onthulden eigenschappen die stabieler waren en direct gekoppeld aan de hoeveelheid voedsel die de planten produceerden. Ten tweede maakte de timing van de metingen enorm veel uit. De onderzoekers ontdekten dat kijken naar hoe de prestaties van een plant in de loop van de tijd veranderden, een veel duidelijker beeld gaf van de genetica dan het nemen van een enkel snapshot op één moment. De reactie van een plant op de zon is een verhaal dat zich ontvouwt, en het vastleggen van dat verhaal in beweging onthulde verbanden die een enkel moment nooit zou kunnen tonen.

De meest verrassende bevinding was misschien wel dat de ruwe data zelf meer kracht bezat dan de vereenvoudigde getallen die wetenschappers gewoonlijk eruit extraheren. In plaats van de complexe golven van lichtabsorptie en reflectie terug te brengen tot één enkel samenvattend cijfer, ontdekten de teams dat het behouden van de volledige, gedetailleerde sporen hen in staat stelde genetische eigenschappen met grotere nauwkeurigheid te voorspellen. Dit succes steunde zwaar op de unieke mix van mensen in de ruimte. Door de mensen die de planten kweken direct te laten samenwerken met de mensen die de code schrijven, zorgde het team ervoor dat hun kunstmatige intelligentie-instrumenten geworteld waren in echte biologische kennis in plaats van alleen maar patronen in de cijfers te raden. De gebeurtenis toonde aan dat wanneer domeinexperts en datawetenschappers nauw samenwerken, ze onvolledig geanalyseerde veldgegevens kunnen omzetten in een krachtig hulpmiddel voor het kweken van klimaatbestendige gewassen, wat bewees dat de antwoorden op sommige van de moeilijkste uitdagingen in de landbouw al in de data zitten, wachtend om correct gezien te worden.