Un estudio de la Universidad de Newcastle muestra por primera vez que el aprendizaje automático puede predecir las propiedades biológicas de la enzima más abundante en la Tierra: la rubisco.
Rubisco (ribulosa-1,5-bisfosfato carboxilasa/oxigenasa) es responsable de proporcionar carbono para casi toda la vida en la Tierra. Rubisco funciona convirtiendo el dióxido de carbono atmosférico de la atmósfera terrestre en carbono orgánico, que es necesario para sustentar la mayor parte de la vida en la Tierra.
Desde hace algún tiempo, se ha observado la variación natural entre las proteínas Rubisco de las plantas terrestres y los estudios de modelado han demostrado que plantar proteínas Rubisco con ciertas propiedades funcionales puede aumentar la cantidad de plantas de cultivo de CO2 en la atmósfera que pueden absorber y almacenar.
El autor principal del estudio, Waseem Iqbal, investigador de doctorado en la Facultad de Ciencias Naturales y Ambientales de la Universidad de Newcastle y parte del grupo del Dr. Maxim Kapralov, ha desarrollado una herramienta de aprendizaje automático que puede predecir las características de rendimiento de varias proteínas vegetales Rubisco con sorprendentemente buena precisión La esperanza es que esta herramienta permita la búsqueda de una proteína Rubisco «sobrealimentada» que pueda ser bioingeniería en cultivos importantes como el trigo.
Publicado en el Diario de Botánica Experimental, El estudio proporciona una herramienta útil. Examinar y predecir la cinética de Rubisco para esfuerzos de ingeniería, así como para estudios básicos sobre la evolución y adaptación de Rubisco. Examinar la diversidad natural de la motilidad de Rubisco es la principal estrategia utilizada para encontrar los mejores Rubisco para los esfuerzos de ingeniería de cultivos.
Waseem dijo: “Nuestro estudio tendrá enormes implicaciones para los modelos climáticos y los cultivos de bioingeniería.
«Este estudio proporciona a los biólogos de plantas una herramienta de preselección para resaltar las especies de Rubisco que muestran una mejor cinética para los esfuerzos de ingeniería de cultivos.
«La herramienta de aprendizaje automático se puede usar para mejorar la precisión de las estimaciones de fotosíntesis global. Las características de rendimiento de Rubisco que predice nuestro modelo son consistentes con los Modelos del Sistema Terrestre (ESM) utilizados por los científicos del clima. Actualmente, los ESM usan un conjunto de características de Rubisco de la misma especie (o, a veces, un puñado) para estimar la fotosíntesis en todo el ecosistema. Nuestra herramienta de aprendizaje automático puede proporcionar predicciones para la mayoría de las plantas terrestres para mejorar la precisión de EMS «.
Los próximos pasos de este trabajo incluyen el aislamiento de las proteínas Rubisco mejor identificadas a partir de predicciones in vitro y el intento de bioingeniería de especies de plantas con proteínas Rubisco foráneas.
referencia
Iqbal, W., Lisitsa, A y Kapralov, M. (2022). Predicción de la motilidad de plantas Rubicon a partir de datos de secuenciación RbcL utilizando aprendizaje automático. Revista de Botánica Experimental. doi: 10.1093/jxb/erac368
-se acabó-
«Gurú del alcohol. Analista. Defensor de la comida. Aficionado extremo al tocino. Experto total en Internet. Adicto a la cultura pop. Pionero de viajes sutilmente encantador».