Los biomarcadores agronómicos, uno a uno: qué decisión soporta cada uno

Los biomarcadores agronómicos, uno a uno: qué decisión soporta cada uno

E

Equipo Científico AIMA

AIMA Agro ·
11 min de lectura
Suelo
Cultivos
Tecnología

Un panel de 49 biomarcadores no son 49 decisiones. Son cuatro o cinco preguntas agronómicas, y la mitad de los marcadores están ahí para informar sobre ellas, no para decidir por su cuenta.

Cómo agrupamos los marcadores

El panel de marcadores de producción se organiza en seis familias: nitrógeno, fósforo, potasio, bacterias promotoras del crecimiento (PGPR), sideróforos y fitohormonas. Son 49 marcadores en el microbioma completo, que cubre hongos y bacterias, y 42 en el bacterioma, que solo cubre bacterias.

Esa diferencia de siete no es un recorte comercial: es que hay funciones que las hacen hongos y con 16S no se ven. Qué técnica cubre qué está en el post de técnicas.

Qué decisión soporta cada grupo

Ordenados por lo que de verdad cambian en un programa de finca:

  • Nitrógeno → la dosis y el momento del abonado nitrogenado. Es el grupo que soporta la decisión más cara de la campaña, porque no mide «cuánto N hay» sino qué rutas compiten por él: fijación, nitrificación y desnitrificación tiran en sentidos distintos, y de ahí sale si el riesgo es lavado o pérdida gaseosa. Desarrollado en el post de nitrógeno. Kuypers, Marchant y Kartal (2018) tienen el mapa completo de esa red.

  • Fósforo → qué esperar de un solubilizador antes de comprarlo. El marcador dice si la capacidad está presente; lo que no dice es cuánto P se va a movilizar. Raymond y colaboradores (2021) son tajantes al respecto, y por eso este grupo se lee junto a la analítica química y no en su lugar. En el post de fósforo.

  • PGPR y fitohormonas → evaluar un bioestimulante. Es el grupo que sostiene un ensayo tratado/testigo: si el producto promete promoción de crecimiento, aquí se ve si el nicho estaba ocupado y si algo se movió. Con la advertencia de el post de inoculaciones delante.

  • Sideróforos → competencia y sanidad, no nutrición. Sirven para comparar parcelas y para seguir una en el tiempo. No sirven para prever si se corrige una clorosis férrica, por las razones de el post de sideróforos. Ahmed y Holmström (2014) revisan el campo.

  • Potasio → contexto. Es el grupo con menos recorrido decisorio de los seis, y conviene decirlo en vez de disimularlo entre los demás.

Los que informan y no deciden

Aquí está la parte que un folleto no escribiría, y es la que hace creíble el resto del panel. Hay un trabajo que conviene tener presente cada vez que se mira un marcador funcional: Rocca y colaboradores (2015) revisaron la relación entre la abundancia de un gen que codifica una proteína y el proceso correspondiente, y su conclusión está en el propio título —esa relación se asume habitualmente y se observa rara vez—.

Las consecuencias para la lectura del panel son tres:

  • Un marcador alto no es una tasa alta. Dice que la capacidad está representada en la comunidad, no que el proceso esté ocurriendo hoy en esa parcela.

  • La comparación vale más que el valor absoluto. Por eso el panel se lee entre parcelas o entre fechas de la misma parcela, no contra un número de referencia universal.

  • Parte del panel es inferida, no medida. Cuando el marcador viene de inferencia funcional a partir del 16S —con PICRUSt2 (Douglas et al., 2020)— está estimando el contenido génico probable de los taxones detectados. Qué infiere y qué no, en el post de PICRUSt2.

Si lo que hace falta es saber si la ruta está activa, la capa es otra — expresión génica — y se contrata aparte. Es más cara y contesta otra pregunta.

Interpretación conjunta con la analítica y el foliar

Un panel de biomarcadores leído solo describe una comunidad. Cruzado con variables que el técnico ya mide y ya entiende, empieza a sostener un cambio de programa. Es exactamente lo que ocurrió en el ensayo de cítricos que resumimos en la home: lo que convirtió el perfil en una decisión de abonado fue la correlación con el análisis foliar, no el perfil por sí mismo. El diseño, paso a paso, está en el post de diseño de ensayo.

El orden que funciona es este: primero la analítica fisicoquímica, que dice qué hay; después el panel, que dice quién puede moverlo; y, cuando existe, el foliar o el dato productivo, que dice si algo de eso llegó a la planta. Saltarse el primero convierte el tercero en una casualidad.

«Pronóstico de salud del suelo»: qué es y qué no promete

Es una lectura compuesta: agrupa los marcadores en las preguntas de arriba y resume en qué estado está cada una respecto a lo esperable para ese tipo de suelo y cultivo. Sirve para priorizar —por dónde empezar, qué mirar primero— y para seguir la misma parcela a lo largo del tiempo.

Lo que no es: una predicción de rendimiento. Entre el perfil microbiano y los kilos hay clima, agua, variedad, manejo y suerte, y ninguna de esas cinco está en el panel. Cualquiera que convierta un índice biológico en una cifra de cosecha está prometiendo algo que la biología no soporta.

Qué hacemos en AIMA Agro

Los marcadores se consultan en la plataforma, agrupados por pregunta agronómica y no como una lista alfabética de genes, con la interpretación de AIMA Vita al lado. El informe PDF recoge lo mismo para quien prefiera llevárselo al campo.

Dos cosas que hacemos a propósito y que conviene saber. La primera: el panel se entrega con el método declarado, distinguiendo lo medido de lo inferido, porque de eso depende cuánto peso puede soportar cada número. La segunda: si el diseño del muestreo no permite comparar —una sola muestra, un solo momento, sin testigo—, lo decimos antes de aceptar el encargo. Un panel sobre una muestra suelta es un retrato bonito y una decisión que no se puede tomar; cómo evitarlo está en el post de muestreo.

Referencias

  1. Rocca, J. D., Hall, E. K., Lennon, J. T., Evans, S. E., Waldrop, M. P., Cotner, J. B., Nemergut, D. R., Graham, E. B., & Wallenstein, M. D. (2015). Relationships between protein-encoding gene abundance and corresponding process are commonly assumed yet rarely observed. The ISME Journal, 9(8), 1693–1699. DOI: 10.1038/ismej.2014.252

  2. Douglas, G. M., Maffei, V. J., Zaneveld, J. R., Yurgel, S. N., Brown, J. R., Taylor, C. M., Huttenhower, C., & Langille, M. G. I. (2020). PICRUSt2 for prediction of metagenome functions. Nature Biotechnology, 38(6), 685–688. DOI: 10.1038/s41587-020-0548-6

  3. Kuypers, M. M. M., Marchant, H. K., & Kartal, B. (2018). The microbial nitrogen-cycling network. Nature Reviews Microbiology, 16(5), 263–276. DOI: 10.1038/nrmicro.2018.9

  4. Raymond, N. S., Gómez-Muñoz, B., van der Bom, F. J. T., Nybroe, O., Jensen, L. S., Müller-Stöver, D. S., Oberson, A., & Richardson, A. E. (2021). Phosphate-solubilising microorganisms for improved crop productivity: a critical assessment. New Phytologist, 229(3), 1268–1277. DOI: 10.1111/nph.16924

  5. Ahmed, E., & Holmström, S. J. M. (2014). Siderophores in environmental research: roles and applications. Microbial Biotechnology, 7(3), 196–208. DOI: 10.1111/1751-7915.12117

  6. Glick, B. R. (2014). Bacteria with ACC deaminase can promote plant growth and help to feed the world. Microbiological Research, 169(1), 30–39. DOI: 10.1016/j.micres.2013.09.009

¿Potencial o actividad? Diseñemos el estudio que lo distinga

Combinamos metagenómica con qPCR de genes marcadores y transcriptómica cuando hace falta medir función.

Diseñar un estudio