Une équipe de la Université de l'Illinois a développé pour la première fois un cadre de modélisation reliant l'activité enzymatique liée à la photosynthèse dynamique au rendement.
« Un modèle précédent combinait les données génétiques, métaboliques et foliaires pour simuler la photosynthèse au fil du temps. Nous sommes allés plus loin et avons relié le niveau métabolique à l'ensemble de la canopée et simulé le rendement sur une saison de croissance », a déclaré Yufeng He, chercheur postdoctoral au sein du groupe Matthews de l'Illinois. "Le nouveau modèle nous permet d'examiner comment les changements dans les activités enzymatiques en réponse à l'environnement peuvent affecter le rendement en reliant la variation environnementale subie par les cultures sur le terrain aux processus métaboliques."
Dans une étude récente, Publié dans in silico Plants, Lui et d'autres ont utilisé leur nouveau modèle pour démontrer qu'augmenter la concentration des enzymes clés affectant la photosynthèse pourrait augmenter le rendement. Auparavant, les scientifiques simulant l'activité enzymatique de la photosynthèse se limitaient à étudier la réponse photosynthétique au niveau des feuilles, ignorant les réponses physiologiques dynamiques des plantes aux facteurs environnementaux tels que la lumière, la température et l'eau, qui ont un impact intégré sur une saison de croissance. Pour quiconque a déjà travaillé dans un champ de culture, c'est très irréaliste.
« Les plantes n'existent pas dans un environnement stable. Nous pouvons utiliser ces travaux pour étudier la sensibilité des enzymes dans les différentes conditions environnementales que connaissent les plantes », a déclaré Megan Matthews, professeur adjoint en génie civil et environnemental à l'Illinois. "Le modèle nous permettra de voir quelles enzymes photosynthétiques sont limitantes dans différents environnements et comment elles peuvent conduire à un gain de rendement dans les conditions climatiques futures."
L’utilisation d’un modèle dynamique permet aux chercheurs de prédire avec plus de précision comment les plantes réagiront à leur environnement changeant. Au cours d'une journée normale, le couvert végétal subit des fluctuations importantes du processus photosynthétique en raison de facteurs tels que la couverture nuageuse et l'ombrage provenant d'autres plantes. L'intégration de cette variabilité dans le modèle améliore sa précision et sa fiabilité. De plus, identifier les enzymes qui limitent la photosynthèse et la croissance des plantes dans divers environnements comme la sécheresse, les fortes pluies ou une concentration élevée de CO2 est crucial. Cela peut permettre aux sélectionneurs de plantes et aux ingénieurs de cibler des enzymes spécifiques pour l’amélioration des cultures. En optimisant l’activité enzymatique, il est possible de développer des variétés végétales plus résilientes et productives, conduisant finalement à des rendements accrus.
Lui et Matthews espèrent que leur modèle, disponible en open source sur Github, peut aider les chercheurs à mieux comprendre et prédire comment des enzymes photosynthétiques spécifiques affectent la croissance et le rendement des cultures dans différents environnements. Ce travail fait partie de Obtenir une efficacité photosynthétique accrue (RIPE), un projet de recherche international visant à rendre les cultures plus productives en améliorant la photosynthèse, le processus naturel utilisé par toutes les plantes pour convertir la lumière du soleil en énergie et en rendements.
LIRE L'ARTICLE:
Yufeng He, Yu Wang, Douglas Friedel, Meagan Lang, Megan L Matthews, Connecter la cinétique photosynthétique détaillée à la croissance et au rendement des cultures : un cadre de modélisation couplé, in silico Plants, Volume 6, Numéro 2, 2024, diae009, https://doi.org/10.1093/insilicoplants/diae009
