Introdução

A população mundial deverá atingir cerca de 10 bilhões até 2050, exigindo um aumento de 60-70% na produção de alimentos. Ao mesmo tempo, a terra arável per capita continua a diminuir e as mudanças climáticas introduz novas tensões abióticas e bióticas. A criação de sementes – a arte e a ciência de criar melhores variedades vegetais – permanece no centro deste desafio. Métodos tradicionais de cruzamento, que têm servido à humanidade por milênios, agora se movem muito lentamente para acompanhar essas pressões. Tecnologias emergentes estão transformando a criação de sementes de um artesanato lento e baseado em observação em uma disciplina rápida e orientada por dados, capaz de desbloquear maiores potenciais de rendimento em culturas básicas como arroz, trigo, milho e soja.

Essas inovações — genômicas escalonantes, edição de genes, fenomica e biologia sintética — trabalham juntas para comprimir ciclos de reprodução de uma década a apenas alguns anos, enquanto aumentam simultaneamente a precisão de seleção.Este artigo explora as tecnologias emergentes chave que estão remodelando a criação de sementes para um maior potencial de rendimento, fornecendo explicações detalhadas sobre como cada tecnologia funciona, o que ela tem alcançado até agora e quais desafios permanecem antes de sua plena promessa ser realizada.

A necessidade urgente de um potencial de rendimento mais elevado

O potencial de rendimento refere-se ao grão máximo ou biomassa que uma cultura pode produzir em condições ideais. Ao longo do século XX, a Revolução Verde aumentou drasticamente os limites de rendimento através de genes semi-anões, fertilizantes melhorados e irrigação. Mas os ganhos de rendimento em cereais principais diminuíram – um fenómeno chamado “plataforma de rendimento”. Enquanto isso, os eventos climáticos extremos ligados às alterações climáticas estão a reduzir os rendimentos reais abaixo do seu potencial.

Tecnologias emergentes oferecem três alavancas distintas para aumentar o potencial de rendimento: (1) acelerar a taxa de ganho genético por ciclo de criação, (2) identificar e empilhar múltiplos genes de aumento de rendimento em uma única variedade, e (3) engenharia de traços fisiológicos totalmente novos que antes eram impossíveis de alcançar através de meios convencionais.

Seleção Genômica e Criação Assistida por Marcadores

Como funciona a seleção genômica

A seleção genômica (SG) representa uma mudança de paradigma da seleção baseada em fenótipo para a predição guiada pelo genoma. Em um programa típico de GS, os criadores primeiro montam uma “população de treinamento” de várias centenas para várias milhares de plantas que são tanto genotipadas (usando matrizes de SNP ou sequenciamento de todo o genoma) e fenotipadas para características-alvo, como rendimento de grãos, altura de plantas e tempo de floração. Um modelo estatístico, muitas vezes um algoritmo Bayesiano ou de aprendizado de máquina, aprende a relação entre milhares de marcadores genéticos e o traço de interesse. Uma vez treinado, novas plantas candidatas só precisam ser genotipadas; o modelo prediz seu valor de criação com alta precisão, permitindo que os criadores selecionem os melhores indivíduos sem esperarem por testes de campo multi-ano.

Este método reduz drasticamente o ciclo de seleção. A seleção convencional de pedigree para uma cultura auto-polinização como o trigo requer de seis a oito gerações para alcançar homozigosidade; GS pode reduzir isso para duas a três gerações. O Centro Internacional de Melhoria de Milho e Trigo (CIMMYT) usou GS para aumentar o ganho genético para a produção de grãos em milho tropical em mais de 3% por ano – o dobro da taxa alcançada com métodos convencionais.

Contra-cruzamento assistido por marcadores

Enquanto o GS prevê o desempenho global, o retrocrossing assistido por marcadores (MABC) é usado para introduzir genes específicos em fundos de elite. Por exemplo, o Sub1[] gene para tolerância à submersão no arroz foi movido com sucesso para variedades de alto rendimento usando marcadores moleculares, criando linhas que podem sobreviver a enchentes completas por até duas semanas sem sacrificar o potencial de rendimento. Da mesma forma, loci de traço quantitativo (QTLs) como Gn1a] (o que aumenta o número de grãos no arroz) e GPC-B1[ (que melhora o teor de proteínas de grãos no trigo) pode ser transferido com precisão sem transportar genes não desejados ligados.

Uma limitação da seleção assistida por marcadores é que funciona melhor para características controladas por um pequeno número de genes principais. Para características altamente poligênicas como rendimento, o GS é mais apropriado. Os criadores combinam cada vez mais ambas as abordagens: usando GS para melhoria geral e MABC para implantação de genes direcionados.

Integração de criação de velocidade

A seleção genômica proporciona seu pleno poder quando combinada com a criação rápida – protocolos ambientais controlados que manipulam fotoperíodo e temperatura para acelerar o desenvolvimento das plantas. Por exemplo, o sistema de “reprodução rápida” desenvolvido na Universidade de Queensland pode produzir até seis gerações de trigo por ano em vez de uma ou duas. Ao integrar GS com a reprodução rápida, os criadores podem completar um ciclo de seleção completo em menos de 12 meses, comprimindo o que uma vez levou 10-12 anos em 3-4 anos.

Referência externa: relatório CIMMYT sobre a selecção genómica do milho

CRISPR- Cas9 e edição de genes

Precisão e velocidade do CRISPR

CRISPR-Cas9 é uma ferramenta de edição de genes derivada de um sistema imunológico bacteriano. Ele usa um RNA guia para direcionar a cas9 nuclease para cortar DNA em um local específico. Os mecanismos naturais de reparo da célula, em seguida, introduzir pequenas inserções, deleções ou substituições - ou permitir a inserção de um novo modelo de DNA. Ao contrário dos OGM transgênicos, que muitas vezes introduzem DNA estrangeiro de espécies não relacionadas, as edições CRISPR podem ser indistinguíveis de mutações naturais. Esta distinção regulatória permitiu que várias culturas com edição CRISPR alcançassem o mercado mais rápido em países como os Estados Unidos, Japão e Argentina.

Para melhorar a produtividade, CRISPR tem sido usado para modificar genes que controlam a arquitetura da planta, tamanho de grão e tolerância ao estresse. Um exemplo marcante é a edição de GS3[, GW2, e GW5]] genes no arroz para aumentar o peso e o comprimento do grão. Ensaios de campo de linhas de arroz editado na China mostraram aumentos de rendimento de 10-20% sem efeitos negativos na altura da planta ou tempo de floração.

Aumentando a eficiência fotossintética

Uma aplicação particularmente ambiciosa do CRISPR está melhorando a eficiência fotossintética. A enzima Rubisco é notoriamente ineficiente e os esforços para substituí-la por variantes mais rápidas de algas ou cianobactérias foram limitados pela complexidade do genoma do cloroplasto. O CRISPR permite edição precisa de genes nucleares que regulam a montagem e atividade de Rubisco. Pesquisadores também usaram o CRISPR para excluir genes que causam fotorrespiração – um processo desperdiçado que reduz a fixação de carbono. Ao reencaminhar a via fotorrespiratória, linhas experimentais de tabaco e arroz têm mostrado até 40% de aumento de biomassa, resultado que poderia se traduzir em maiores rendimentos de grãos se transferidos com sucesso para culturas grampeadas.

Desafios de Regulação e Percepção Pública

Apesar do seu potencial, as culturas de CRISPR são submetidas a uma regulamentação global desigual. O Tribunal de Justiça Europeu decidiu em 2018 que os organismos editados pelo genoma estão sujeitos às mesmas rigorosas regulamentações de OGM que a transgenia, bloqueando efetivamente os testes de campo na Europa. Em contraste, o Departamento de Agricultura dos EUA afirmou que não irá regular as culturas editadas que poderiam ter sido produzidas através da mutagênese convencional, abrindo a porta para a comercialização.A aceitação pública também varia; rotulagem e educação de consumidores serão essenciais para a adoção generalizada.

Referência externa: Artigo natural sobre fotorrespiração melhorada por CRISPR em arroz

Fenotipagem e Tecnologias de Imagem

Plataformas de Fenotipagem de Alta Perda

A seleção e edição de genes genômicas criam milhares de linhas candidatas, mas apenas aquelas com desempenho de campo superior. A fenotipagem tradicional – medição da altura da planta, contagem de stands e rendimento manual – é intensiva, lenta e propensa a erros. A fenotipagem de alta produtividade (HTP) automatiza a coleta de dados usando sensores montados em drones, tratores ou gantries fixos. Esses sensores capturam refletância espectral, infravermelho térmico, nuvens de ponto 3D e imagens multiespectrais que se correlacionam com características fisiológicas como o estado de nitrogênio, conteúdo de água e atividade fotossintética.

Por exemplo, um drone equipado com uma câmera multiespectral pode voar sobre um viveiro de criação de trigo e capturar dados de índice de vegetação de diferença normalizada (NDVI) para milhares de parcelas em minutos. O NDVI está fortemente correlacionado com biomassa e potencial de rendimento. Ao combinar dados da série de tempo NDVI com aprendizado de máquina, os criadores podem prever o rendimento final com alta precisão semanas antes da colheita, permitindo decisões de seleção mais precoces.

Fenotipagem raiz e Traços Escondidos

O potencial de rendimento é influenciado não só por características acima do solo, mas também pela arquitetura da raiz, que determina a captação de água e nutrientes. A fenotipagem tradicional de raízes requer escavação destrutiva — demorada e impossível em larga escala. Novas tecnologias de imagem, incluindo radar de penetração do solo e tomografia de resistividade elétrica, oferecem formas não invasivas de avaliar a profundidade da raiz e padrões de ramificação. Em ambientes controlados, rizotrões (colunas de solo claras) equipados com câmeras podem rastrear o crescimento da raiz ao longo do tempo. Estes dados ajudam a identificar genótipos com sistemas de enraizamento mais profundos que podem acessar a umidade do subsolo – um traço cada vez mais valioso sob o estresse de seca.

Máquina de aprendizagem para extração de traço

Os dados de imagem brutos são inúteis sem análise robusta. Modelos de aprendizagem profunda, especialmente redes neurais convolucionais (CNNs), podem contar automaticamente grãos por panícula, medir o tamanho do kernel e marcar a gravidade da doença a partir de imagens. Um CNN treinado em imagens de picos de trigo atingiu 96% de precisão na contagem de espigões, permitindo uma caracterização rápida de milhares de linhas de reprodução. A integração de HTP com dados genómicos permite aos criadores mapear QTLs para características dinâmicas, como taxa de crescimento em tempo real, revelando genes que eram invisíveis em medições estáticas realizadas em um único momento.

Biotecnologia e Biologia Sintética

Modificação genética para Traços de Rendimento

Embora o CRISPR gere pequenas edições, a modificação genética tradicional (GM) permite a introdução de genes inteiramente novos ou vias sintéticas que não existem no pool genético da cultura. Uma das características GM mais bem sucedidas do rendimento é a introdução de ]BtBacillus thuringiensis[][[[[][[][[[[[[D]][]][[[F]]][[F]][F][[F]][[

Biologia sintética: Engenharia Novos Caminhos

A biologia sintética vai um passo mais longe, projetando e construindo novos circuitos biológicos. Pesquisadores estão desenvolvendo a simbiose fixadora de nitrogênio em culturas não leguminosas, como arroz e milho. Se bem-sucedidas, as culturas de cereais podem fixar seu próprio nitrogênio da atmosfera, reduzindo a necessidade de fertilizantes sintéticos e potencialmente aumentando o rendimento removendo limitações de nitrogênio. O “Projeto C4 Arroz” visa converter arroz – uma planta C3 – em uma planta C4 mais eficiente, introduzindo a anatomia e o caminho bioquímico de Kranz do milho. A modelagem computacional sugere que o arroz C4 poderia produzir 50% mais do que as variedades atuais de C3 sob alta luz e temperatura.

Engenharia de Microbiome

O potencial de rendimento de uma planta também é influenciado pela comunidade microbiana associada. Tratamentos de sementes com bactérias e fungos benéficos (bioinoculantes) podem aumentar a absorção de nutrientes e a tolerância ao estresse.Abordagens avançadas envolvem a engenharia do próprio microbioma de sementes – selecionar ou modificar micróbios que colonizam a rizosfera e a filosfera para promover o crescimento de plantas.Por exemplo, cepas de Azospirillum[] e Pseudomonas[ têm demonstrado aumentar a área de superfície da raiz e o rendimento de grãos em trigo em 5-10% em vários ambientes de campo.

Criação de Sementes Resilientes ao Clima

O maior potencial de rendimento não tem sentido se as culturas não conseguirem suportar as tensões ambientais de um clima em mudança. Tecnologias emergentes estão sendo aplicadas especificamente para melhorar a tolerância ao calor, a resistência à seca e a adaptação às inundações.A seleção genômica para tolerância térmica no sorgo identificou haplótipos marcadores que mantêm o rendimento de grãos sob temperaturas superiores a 40°C. A edição de genes foi usada para modificar o gene SRL1 no arroz para reduzir a esterilidade de espigões induzidas pelo calor. Plataformas de fenotipagem equipadas com câmeras de infravermelho podem detectar milhares de linhas para temperatura de dossel – um proxy para refrigeração transpiracional e estabilidade de rendimento sob ondas de calor.

A criação de tolerância à seca avançou através da implantação do gene AtMYB44 na soja, resultando em linhas que produzem 20% a mais do que controles sob moderada seca. Combinar esses traços de tolerância ao estresse com origens genéticas de alto rendimento através de retrocruzamentos assistidos por marcadores é uma prioridade atual para muitos programas de melhoramento público e privado.

Perspectiva futura

A convergência da seleção genômica, edição de genes, fenomica e biologia sintética está criando uma aceleração sem precedentes no ganho genético. Na próxima década, podemos esperar ver arquiteturas de culturas inteiramente novas, como “ideótipos” projetados para colheita automatizada e plantio de alta densidade. Plataformas de melhoramento digital que integram dados genômicos, fenomic e ambientais permitirão o desenvolvimento de variedades “conduzidas à predição”, onde os computadores geram o genótipo ideal antes de uma única semente ser plantada. Todo o ciclo de melhoramento pode diminuir para menos de dois anos para muitas culturas.

No entanto, a realização deste potencial requer colaboração entre disciplinas e setores. O investimento público em infraestrutura genômica, bases de dados de código aberto para marcadores e modelos e testes na fazenda, participantes de agricultores, será essencial.Os quadros regulatórios devem evoluir para diferenciar a edição de genomas de OGM transgênicos, permitindo inovações seguras para alcançar os agricultores sem atrasos desnecessários. Igualmente importante é construir confiança pública através de comunicação transparente sobre a segurança e benefícios das novas tecnologias de sementes.

Considerações éticas devem orientar a implantação: garantir que os ganhos de rendimento não venham em detrimento da qualidade nutricional, que os pequenos agricultores tenham acesso a variedades melhoradas e que as patentes de sementes não restrinjam a livre troca de germoplasma. Com uma gestão cuidadosa, as tecnologias emergentes aqui descritas podem ajudar a atender à crescente demanda alimentar do mundo, reduzindo a pegada ambiental da agricultura – objetivo que não é apenas desejável, mas essencial para um futuro sustentável.

Recursos externos: Relatório FAO sobre tecnologias emergentes de sementes