O metódo prevê a performance das plantas antes mesmo do seu crescimento
Usando técnicas de inteligência artificial, pesquisadores brasileiros desenvolveram modelos eficientes de seleção genômica de cana-de-açúcar e de forrageiras. A metodologia foi desenvolvida com apoio da Fundação de Apoio da Fundação de Amparo à Pesquisa do Estado de São Paulo (Fapesp) e publicada na revista Scientific Reports.
É a primeira vez que o método baseado em aprendizado de máquina foi proposto para plantas poliploides (células possuem mais de dois pares de cromossomos), como é o caso das gramíneas. Alexandre Hild Aono é cientista da computação e autor principal do artigo, para ele “na cana-de-açúcar, você cruza e a avalia a performance dos genótipos oriundos desses cruzamentos”, diz.
Com o método utilizado pelos pesquisadores é possível prever qual a performance da planta antes mesmo do seu crescimento, por meio do material genético e ter uma estimativa de rendimento. Na cana-de-açúcar, o melhoramento tradicional leve entre nove e doze anos, além de custar muito caro. O grande desafio dos cientistas é com a plantas poliploides, como as gramíneas forrageiras e a própria cana-de-açúcar, em relação a complexidade genômica.