Quando Xiaoxi Meng e Zhikai Liang propuseram a ideia pela primeira vez, há alguns anos, James Schnable estava cético. Para dizer o mínimo.
“'Bem, você pode tentar, mas não acho que vá funcionar'”, lembra-se o professor associado de agronomia e horticultura de ter dito a Meng e Liang, então pesquisadores de pós-doutorado no laboratório de Schnable na Universidade de Nebraska-Lincoln.
Ele estava errado e, pensando bem, nunca foi tão feliz por estar. No entanto, na época, Schnable tinha motivos justos para levantar uma sobrancelha. A ideia da dupla – de que as sequências de ADN de culturas sensíveis ao frio que se rendem a uma geada forte poderiam ajudar a prever até que ponto as plantas mais selvagens e resistentes toleram condições de congelamento – parecia audaciosa. Para dizer o mínimo. Ainda assim, era uma proposta de baixo risco e alta recompensa. Porque se Meng e Liang conseguissem fazê-lo funcionar, isso poderia apenas acelerar os esforços para tornar as culturas sensíveis ao frio um pouco ou até muito mais parecidas com as suas contrapartes resistentes ao frio.
Algumas das culturas mais importantes do mundo foram domesticadas em regiões tropicais – o milho no sul do México, o sorgo na África Oriental – o que não exerceu qualquer pressão selectiva sobre elas para desenvolverem defesas contra o frio ou a congelação. Quando essas culturas são cultivadas em climas mais adversos, a sua sensibilidade ao frio limita o quão cedo podem ser plantadas e quão tarde podem ser colhidas. Períodos de cultivo mais curtos equivalem a menos tempo para a fotossíntese, resultando em rendimentos menores e menos alimentos para uma população global que se espera que se aproxime dos 10 mil milhões de pessoas em 2050.
Climas frios
Enquanto isso, espécies de plantas que já crescem em climas mais frios desenvolveram truques para suportar o frio. Eles podem reconfigurar suas membranas celulares para manter a liquidez em temperaturas mais baixas, evitando que as membranas congelem e quebrem. Eles podem adicionar gotas de açúcar aos líquidos dentro e ao redor dessas membranas, diminuindo seu ponto de congelamento da mesma forma que o sal faz com a calçada. Eles podem até produzir proteínas que sufocam minúsculos cristais de gelo antes que esses cristais se transformem em massas destruidoras de células.
Todas essas defesas têm origem no nível genético, embora não apenas nas sequências do próprio DNA. Quando as plantas começam a congelar, elas podem responder essencialmente desligando ou ligando certos genes – impedindo ou permitindo que seus manuais de instruções genéticas sejam transcritos e executados. Saber quais genes as plantas tolerantes ao frio são ativadas e ativadas diante de temperaturas congelantes pode ajudar os pesquisadores a compreender os próprios fundamentos de suas fortificações e, em última análise, criar defesas semelhantes em culturas sensíveis ao frio.
Mas Schnable também sabia, tal como Meng e Liang, que mesmo um gene idêntico responde frequentemente de forma diferente ao frio entre espécies de plantas, mesmo as mais próximas. O que significa, de forma frustrante, que compreender como um gene responde ao frio numa espécie tende a não dizer aos cientistas das plantas quase nada conclusivo sobre o comportamento do gene noutra. Essa imprevisibilidade, por sua vez, tem dificultado os esforços para aprender as regras que ditam o que irá desativar ou ativar os genes.
“Ainda somos muito, muito ruins em entender por que os genes são ativados e ativados”, disse Schnable.
Plantas de milho
Na falta de um livro de regras, os pesquisadores recorreram ao aprendizado de máquina, uma forma de inteligência artificial que pode essencialmente escrever a sua própria. Eles desenvolveram especificamente um modelo de classificação supervisionada – o tipo que pode, quando apresentado com imagens rotuladas suficientes de, digamos, gatos e não-gatos, eventualmente aprender a distinguir os primeiros dos últimos. A equipe inicialmente apresentou seu próprio modelo com uma enorme pilha de genes sequenciados do milho, juntamente com os níveis médios de atividade desses genes quando a planta foi submetida a temperaturas congelantes. O modelo também foi alimentado com “todas as características que poderíamos imaginar” para cada gene do milho, disse Schnable, incluindo seu comprimento, sua estabilidade e quaisquer diferenças entre ele e outras versões encontradas em outras plantas de milho.
Mais tarde, os investigadores testaram o seu modelo, ocultando-lhe apenas uma informação num subconjunto desses genes: se responderam ou não ao início de temperaturas congelantes. Ao analisar as características dos genes que foram informados de que eram responsivos ou não responsivos, o modelo discerniu quais combinações dessas características eram relevantes para cada um - e então alocou com sucesso a maioria dos genes restantes, da caixa misteriosa, em suas categorias corretas.
Foi um começo promissor, sem dúvida. Mas o verdadeiro teste permanecia: poderia o modelo pegar na formação recebida numa espécie e aplicá-la noutra?
A resposta foi um sim definitivo. Depois de ser treinado com dados de DNA de apenas uma das seis espécies – milho, sorgo, milheto, milheto proso, milheto rabo-de-raposa ou switchgrass – o modelo foi geralmente capaz de prever quais genes em qualquer um dos outros cinco responderiam ao congelamento. Para surpresa de Schnable, o modelo manteve-se mesmo quando foi treinado numa espécie sensível ao frio – milho, sorgo, pérola ou proso milheto – mas encarregado de prever respostas genéticas no milheto rabo-de-raposa tolerante ao frio ou no switchgrass.
Modelo
“Os modelos que treinamos funcionaram quase tão bem entre as espécies como se você realmente tivesse dados sobre uma espécie e usasse os dados internos para fazer as previsões nessa mesma espécie”, disse ele, com uma pitada de admiração persistente em sua voz meses depois. “Eu realmente não teria previsto isso.”
“A ideia de que podemos simplesmente inserir todas essas informações em um computador, e ele pode descobrir pelo menos algumas regras para fazer previsões que funcionem, ainda é incrível para mim.”
Essas previsões podem ser especialmente úteis quando se considera a alternativa. Durante cerca de uma década, os biólogos vegetais conseguiram medir o número de moléculas de ARN – as responsáveis pela transcrição e transporte das instruções do ADN – produzidas por cada gene numa planta viva. Mas comparar a forma como a expressão genética responde ao frio em espécimes vivos e em múltiplas espécies é uma tarefa árdua, disse Schnable. Isso é particularmente verdadeiro com plantas selvagens, cujas sementes podem ser difíceis de adquirir. Essas sementes podem não germinar quando esperado, ou mesmo não germinar, e podem levar anos para crescer. Mesmo que o façam, cada planta resultante tem de ser cultivada num ambiente idêntico e controlado e estudada na mesma fase de desenvolvimento.
Mais espécies
Tudo isto representa um enorme desafio para o cultivo de espécimes selvagens suficientes, de espécies selvagens suficientes, para replicar e avaliar estatisticamente as respostas dos seus genes ao frio.
“Se realmente quisermos descobrir quais genes são importantes – que realmente desempenham um papel na forma como a planta se adapta ao frio – precisamos olhar para mais de duas espécies”, disse Schnable. “Queremos olhar para um grupo de espécies que são tolerantes ao frio e para um grupo que é sensível, e observar os padrões: “Este mesmo gene responde sempre numa e nem sempre responde na outra”.
“Isso começa a se tornar um experimento realmente grande e caro. Seria muito bom se pudéssemos apenas fazer previsões a partir das sequências de DNA dessas espécies, em vez de, digamos, pegar 20 espécies e tentar colocar todas elas no mesmo estágio, submetê-las exatamente aos mesmos tratamentos de estresse, e medir a quantidade de RNA produzido para cada gene em cada espécie.”
Felizmente para o modelo, os investigadores já sequenciaram os genomas de mais de 300 espécies de plantas. Um esforço internacional contínuo poderia elevar esse número para 10,000 nos próximos anos.
Embora o modelo já tenha superado largamente as suas modestas expectativas, Schnable disse que o próximo passo envolverá, no entanto, “convencer a nós mesmos e às outras pessoas” de que funciona tão bem como tem funcionado até agora. Em todos os casos de teste até o momento, os pesquisadores pediram ao modelo que lhes contasse o que já sabiam. O teste final, disse ele, virá quando os humanos e a máquina começarem do zero.
“Acho que a próxima grande experiência que precisamos de fazer é fazer previsões sobre uma espécie sobre a qual não temos quaisquer dados”, disse ele. “Para convencer as pessoas de que realmente funciona nos casos em que nem nós sabemos as respostas.”
A equipe relatou suas descobertas na revista Proceedings of the National Academy of Sciences. Meng, Liang e Schnable foram os autores do estudo com Rebecca Roston, Yang Zhang, Samira Mahboub, do Nebraska, e o estudante de graduação Daniel Ngu, juntamente com Xiuru Dai, pesquisador visitante da Shandong Agricultural University.
Para mais informações:
Universidade do Nebraska Lincoln
www.unl.edu