La predicción genómica se impone como la vía más fiable para elegir nuevas vides

La predicción genómica es, por ahora, la herramienta más fiable para seleccionar nuevas vides en programas de mejora. Esa es la principal conclusión de una investigación publicada en la revista científica npj Science of Plants, que comparó modelos genómicos, fenómicos y metabolómicos para anticipar el comportamiento de 24 rasgos agronómicos en una población biparental de vid evaluada durante tres años.

El trabajo parte de un problema conocido en viticultura: obtener nuevas variedades lleva mucho tiempo. La vid es un cultivo perenne y sus ciclos de mejora son largos, lo que ralentiza la búsqueda de plantas con más resistencia a enfermedades y mejor adaptación a temperaturas más altas, menos agua y una mayor variabilidad climática. Los autores recuerdan además que la uva sostiene cadenas de valor ligadas al vino, al mosto y al zumo, de modo que cualquier avance que acorte la selección varietal puede tener efecto en una parte relevante del negocio de las bebidas.

Para medir qué método funciona mejor, el equipo comparó tres fuentes de información. La primera fue la genómica, basada en marcadores SNP. La segunda fue la fenómica, a partir de espectroscopia de infrarrojo cercano, conocida como NIRS. La tercera fue la metabolómica, mediante LC-MS no dirigida. El análisis incluyó siete marcos estadísticos, cuatro combinaciones de tejido y momento de muestreo y pruebas adicionales entre años y entre poblaciones para comprobar la solidez temporal y la posibilidad de trasladar los modelos a otros materiales de mejora.

En la comparación principal se usaron 24 rasgos agronómicos y, para los análisis cruzados entre capas de datos, 150 individuos seleccionados para el perfil metabolómico. La matriz genómica reunió 7.386 SNP, cada espectro NIR incluyó 2.332 longitudes de onda y los datos metabolómicos sumaron 24.814 variables en hojas y 5.778 en madera. Las muestras procedían de madera, hojas del viñedo en brotación, hojas del viñedo en floración y hojas de invernadero en floración.

Los resultados colocan a la genómica por delante del resto. La capacidad predictiva máxima llegó a una correlación de r=0,827 para el tiempo térmico entre floración y envero con un modelo Elastic Net. En promedio, la predicción genómica osciló entre 0,375 con LASSO y 0,473 con rrBLUP, que fue el modelo con mejor media dentro de esta capa de datos.

La metabolómica quedó en una posición intermedia. Su mejor valor por rasgo fue r=0,586 para el peso de la baya verde, obtenido con MBLUP y hojas del viñedo tomadas en brotación. La media más alta en este grupo también correspondió a MBLUP, con 0,424, por delante de rrBLUP, con 0,408. En varios rasgos concretos, la metabolómica igualó o superó a la genómica, entre ellos el pH de baya, la fertilidad, la calidad del cuajado, el número de brotes por planta, el peso de poda y el índice SPAD502.

La predicción fenómica fue la menos precisa. Su mejor resultado por rasgo alcanzó r=0,391 para la fertilidad primaria, con Elastic Net y hojas del viñedo en brotación. Las medias fueron mucho más bajas, entre 0,096 con rrBLUP y 0,215 con Elastic Net. Los investigadores piden prudencia con estas cifras porque, en muchos rasgos, los valores estuvieron cerca de cero y con una variabilidad amplia entre repeticiones.

Una de las razones de esa diferencia aparece en el análisis de heredabilidad de las variables de partida. Las longitudes de onda NIR mostraron una varianza genotípica baja, con una media del 2% y un máximo del 17%, y una heredabilidad media de 0,07, con un máximo de 0,46. Las variables metabolómicas fueron más heredables, con una media de 0,25 y varios valores por encima de 0,90. En términos prácticos, eso significa que las señales metabolómicas captan mejor la parte asociada al genotipo que los espectros NIR empleados en este trabajo.

El tipo de muestra también influyó. En fenómica, las hojas del viñedo tomadas en floración dieron la mejor media, con 0,172, seguidas por las hojas del viñedo en brotación, con 0,161, y por los BLUP combinados de todas las muestras, con 0,157. La madera quedó en 0,145 y las hojas de invernadero en floración en 0,088. En metabolómica, los BLUP combinados fueron los que más rindieron, con 0,421, por delante de las hojas del viñedo en brotación, con 0,382, y de las hojas del viñedo en floración, con 0,355. La madera obtuvo 0,295 y el invernadero 0,199.

La comparación entre hojas tomadas en el viñedo y en el invernadero durante la floración dejó un resultado desigual. En fenómica, el invernadero superó al viñedo en algunos rasgos, como el contenido de azúcar de la baya o el peso del racimo, pero quedó por debajo en otros, como la fecha de brotación o el potasio de baya verde. En metabolómica, el viñedo fue mejor en la mayoría de los casos. El contenido de azúcar de la baya pasó de r=0,041 en invernadero a r=0,318 en viñedo, y el pH de baya verde de 0,265 a 0,458. Aun así, los perfiles obtenidos en ambiente controlado conservaron cierta utilidad para algunos caracteres, como el tiempo térmico entre floración y envero, con r=0,367.

El estudio también probó si combinar varias capas de datos mejora la predicción. La respuesta fue, en general, no. Los modelos que unían genómica, fenómica y metabolómica no lograron una mejora constante frente a la genómica sola. En algunos rasgos sí hubo ganancias puntuales, como en fertilidad o en potasio de baya verde al sumar genómica y metabolómica, pero añadir información fenómica redujo a veces la precisión en rasgos donde la señal genética ya era fuerte. Los autores señalan que, con el tamaño muestral actual, no encontraron pruebas de una ventaja sistemática de la integración multiómica.

La conclusión práctica del trabajo es que la selección genómica debe ser la vía principal en la mejora de la vid, mientras que la metabolómica o la fenómica pueden servir como apoyo cuando un rasgo concreto y un diseño de muestreo concreto muestren una capacidad predictiva repetible. Para viveros, bodegas y programas públicos de mejora, esa jerarquía puede orientar el uso del dinero y del tiempo en una actividad donde cada ciclo de selección dura años y donde ganar rapidez puede ayudar a disponer antes de variedades con menos necesidad de fungicidas y mejor comportamiento en condiciones más cálidas y secas.