Pendekatan komputasi baru yang disebut dynamicGP menggabungkan prediksi genomik dengan dekomposisi mode dinamis untuk memprediksi sifat-sifat tanaman selama perkembangan. Metode ini mengatasi tantangan memprediksi bagaimana sifat-sifat tanaman yang dapat diamati (fenotipe) berubah seiring waktu, yang dipengaruhi oleh faktor genetik, kondisi lingkungan, dan interaksinya.
Para peneliti di Institut Fisiologi Tumbuhan Molekuler Max Planck dan Institut Leibniz untuk Genetika Tumbuhan dan Penelitian Tanaman Pangan telah menunjukkan bahwa dynamicGP menawarkan prediksi yang lebih akurat daripada metode sebelumnya. Dengan menggunakan penanda genetik dan data fenotipe throughput tinggi dari jagung dan Arabidopsis thaliana, dynamicGP dapat memprediksi totalitas sifat. Kemampuan untuk memprediksi sifat dengan variasi heritabilitas yang lebih sedikit dari waktu ke waktu memungkinkan pernyataan yang lebih andal tentang prediktabilitas sepanjang perkembangan.
dynamicGP memfasilitasi studi tentang interaksi antara genotipe dan fenotipe, membuka jalan bagi peningkatan akurasi prediksi sifat-sifat yang relevan secara agronomi. Perkembangan di masa depan dapat menggabungkan faktor lingkungan, menyempurnakan pendekatan, dan secara signifikan memengaruhi pemuliaan varietas tanaman yang diadaptasi ke wilayah tertentu dan meningkatkan pertanian presisi.