Factores ambientales que afectan el contenido de fumonisina en granos de maíz

Environmental factors that affect the fumonisin content in maize grain

Resúmenes

Técnicas de regresión logistica fueron utilizadas para estudiar las variables meteorológicas asociadas al contenido de fumonisinas en grano de maíz. La variable dependiente consistió en 29 valores de contenido de fumonisina B1 y B2 (FB1 y FB2) provenientes de muestras de un híbrido susceptible sembrado en varios sitios de la región pampeana, desde 2006/07 a 2008/09. Las variables meteorológicas fueron procesadas alrededor de la aparición de estigmas. La variable Np2 (número de períodos de dos días con registro simultáneo de lluvia y humedad relativa > o = 81 %, día 1, y humedad relativa > 70% en el segundo día) resultó la más fuertemente correlacionada con el contenido de FB1 y FB2 (coeficiente de Kendall: τ: 0,63 y 0,52 respectivamente) y fue incluida en modelos de regresión logística simple y bivariado, junto a Txm (temperatura máxima media). Un modelo trivariado integrado por dos variables interactivas y Txm logró la mayor precisión de predicción al clasificar correctamente el 93% de los casos. Las variables ambientales identificadas favorecen la infección de F. verticillioides, de esta manera se puede explicar la variabilidad en los niveles de fumonisina a cosecha. Estos resultados podrían ser útiles para el manejo racional de ambos, la enfermedad y la micotoxina.

micotoxinas; modelos logísticos; lluvia; humedad

Regression logistic techniques were used to study the environmental variables associated with fumonisin content in maize grain. The dependent variable consisted of 29 values of fumonisins B1 and B2 (FB1 and FB2) from samples of susceptible hybrid sowed in several sites of the Pampas region from 2006/07 to 2008/09. Meteorological variables were recorded in relation to the silking stage. The Np2 variable (number of periods of two days with simultaneous recording of rainfall and relative humidity > or = 81 % (day 1) and relative humidity > 70 % at the second day) was the most strongly correlated with FB1 and FB2 (Kendall coefficient: τ: 0.63 and 0.52 respectively) and was included in simple and bivariate regression logistic models with Txm (mean maximum temperature). A trivariate model integrated for two interactive variables and Txm achieved the highest accuracy of prediction, classifying correctly 93 % of cases. The environmental variables identified in this study stimulate F. verticillioides infection and can explain the variability in fumonisin levels at harvest. These results could be useful for the rational management of both disease and mycotoxin.

mycotoxins; logistic regression models; rain; humidity

ARTICLES ARTIGOS

Malvina Martínez^I; Ricardo Moschini^I; Dora Barreto^II; Jose Bodega^III; Ricardo Comerio^II; Horacio Forjan^IV; Federico Piatti^V; Daniel Presello^VI; Oscar Valentinuz^VII

^IInstituto de Clima y Agua

IIInstituto de Microbiologia y Zoología Agrícola, INTA Castelar, Castelar, Buenos Aires, Argentina

IIIEstación Experimental INTA Balcarce, Balcarce, Buenos Aires, Argentina

IVChacra Experimental Integrada Barrow ,Tres Arroyos, Buenos Aires, Argentina

VEstación Experimental INTA Manfredi, Manfredi, Córdoba, Argentina

VIEstación Experimental INTA Pergamino, Pergamino, Buenos Aires, Argentina

VIIEstación Experimental INTA Paraná, Oro Verde, Entre Ríos, Argentina

RESUMEN

Técnicas de regresión logistica fueron utilizadas para estudiar las variables meteorológicas asociadas al contenido de fumonisinas en grano de maíz. La variable dependiente consistió en 29 valores de contenido de fumonisina B₁ y B₂ (FB₁ y FB₂) provenientes de muestras de un híbrido susceptible sembrado en varios sitios de la región pampeana, desde 2006/07 a 2008/09. Las variables meteorológicas fueron procesadas alrededor de la aparición de estigmas. La variable Np2 (número de períodos de dos días con registro simultáneo de lluvia y humedad relativa >= 81 %, día 1, y humedad relativa > 70% en el segundo día) resultó la más fuertemente correlacionada con el contenido de FB₁ y FB₂ (coeficiente de Kendall: τ: 0,63 y 0,52 respectivamente) y fue incluida en modelos de regresión logística simple y bivariado, junto a Txm (temperatura máxima media). Un modelo trivariado integrado por dos variables interactivas y Txm logró la mayor precisión de predicción al clasificar correctamente el 93% de los casos. Las variables ambientales identificadas favorecen la infección de F. verticillioides, de esta manera se puede explicar la variabilidad en los niveles de fumonisina a cosecha. Estos resultados podrían ser útiles para el manejo racional de ambos, la enfermedad y la micotoxina.

Palabras claves: micotoxinas, modelos logísticos, lluvia, humedad.

ABSTRACT

Regression logistic techniques were used to study the environmental variables associated with fumonisin content in maize grain. The dependent variable consisted of 29 values of fumonisins B₁ and B₂ (FB₁ and FB₂) from samples of susceptible hybrid sowed in several sites of the Pampas region from 2006/07 to 2008/09. Meteorological variables were recorded in relation to the silking stage. The Np2 variable (number of periods of two days with simultaneous recording of rainfall and relative humidity >= 81 % (day 1) and relative humidity > 70 % at the second day) was the most strongly correlated with FB₁ and FB₂ (Kendall coefficient: τ: 0.63 and 0.52 respectively) and was included in simple and bivariate regression logistic models with Txm (mean maximum temperature). A trivariate model integrated for two interactive variables and Txm achieved the highest accuracy of prediction, classifying correctly 93 % of cases. The environmental variables identified in this study stimulate F. verticillioides infection and can explain the variability in fumonisin levels at harvest. These results could be useful for the rational management of both disease and mycotoxin.

Key words: mycotoxins, logistic regression models, rain, humidity.

INTRODUCCIÓN

Las enfermedades conocidas como "podredumbres de espiga" son causadas por hongos. La especie patógena más importante en la región maicera argentina es F. verticillioides (Sacc.) Nirenberg [sin. p.p. F. moniliforme, teleomorfo Gibberella fujikuroi (Sawada) Wollenw.]. Los síntomas generalmente aparecen en varias regiones de la espiga o en granos aislados, formando un micelio de masa algodonosa con una coloración que puede variar del blanco al rosado intenso. F. verticillioides, además de afectar directamente el rendimiento en grano, afecta la calidad de los mismos contaminándolos con sustancias tóxicas denominadas fumonisinas (FB₁, FB₂, FB₃), entre las cuales la FB₁ es la más abundante y su exposición produce leucoencefalomalacia (LEM) en ganado equino y edema pulmonar en ganado porcino, además de efectos tóxicos en el sistema nervioso central, hígado, páncreas, riñones y pulmones de varias especies de animales. En humanos, la presencia de fumonisinas en maíz se ha relacionado con casos de cáncer de esófago en habitantes de la zona de Transkei, África austral y China (FAO, 2003). Por otro lado, la Unión Europea ha impuesto límites máximos de micotoxinas, entre las que se encuentran las fumonisinas, tanto para grano de maíz como para sus derivados.

Son varias las vías de entrada del hongo a la espiga de maíz. Una de las más importantes es la infección de los granos a través de los estigmas, no obstante, la transmisión por semilla y tallo también lo pueden ser, sobretodo en aquellos genotipos con escasa transmisión por estigmas (Munkvold et al., 1997a). Según Hesseltine & Bothast (1977), el momento de infección de los granos de maíz depende de la especie fúngica actuante, siendo la principal vía de entrada los estigmas luego de la polinización. Por otro lado, el daño por insectos también ha sido reportado como una importante vía de entrada (Munkvold et al., 1997b) y como factor influyente en el contenido de fumonisina final (Schulthess et al., 2002).

La contaminación con micotoxinas es afectada por factores climáticos como la temperatura y humedad relativa disponible en pre y/o post cosecha (Paterson & Lima, 2010). En un estudio sobre la micoflora natural y contaminación con fumonisinas en maíz en Brazil, Ono et al. (1999), encontraron que la combinación de alta humedad relativa-temperatura era el factor clave para el crecimiento del hongo y la posterior contaminación con micotoxinas en el campo. En ambiente controlado Dilkin et al. (2002) evaluaron la producción de FB₁ y FB₂ por 2 cepas brasileras y una americana de F. verticillioides bajo tratamientos de diferentes temperaturas y contenidos de humedad sobre sustrato de maíz y a través de regresión lineal hallaron que la temperatura ideal para la producción de FB₁ y FB₂ fue de 24.5 y 24.3ºC respectivamente. Modelando la producción de FB₁ en función de la actividad de agua (a_w), Marin et al. (1999) encontraron que la concentración de FB₁ incrementó con la a_w y fue óptima en un rango de 15 a 30ºC.

La influencia del ambiente sobre las micotoxinas ha sido escasamente estudiado en Argentina. De la Campa et al. (2005) modelaron el efecto del ambiente, daño por insecto y genotipos Bt sobre la acumulación de fumonisina en maíz en varias localidades de Argentina y Filipinas. En este trabajo identificaron cuatro períodos alrededor de la salida de estigmas como críticos para la concentración de fumonisina a cosecha. La variabilidad en el total del contenido de fumonisinas de las muestras fue explicado en primer lugar por la ubicación del campo y el clima (47%), la severidad de daño por insecto (17%), el híbrido utilizado (14%) y la presencia o ausencia de eventos Bt (11%).

En Italia, Maiorano et al. (2009) desarrollaron un modelo de simulación dinámico (FUMAgrain) para el riesgo de fumonisinas en maíz. Establecieron tres submodelos integrados por el desarrollo del cultivo de maíz, la infección de F. verticillioides y la síntesis de fumonisinas y por último, el daño ocasionado al grano por el "barrenador europeo". Los imputs del modelo son fecha de siembra, datos horarios de temperatura, humedad relativa, velocidad del viento, intensidad de lluvia, información del desarrollo fenológico del híbrido plantado e información acerca del tratamiento químico del insecto barrenador.

Una de las medidas efectivas para reducir los contenidos de micotoxinas es el uso de híbridos resistentes. Existe una asociación positiva entre síntomas visibles (granos colonizados con micelio de color blanco a rosa intenso o estrias de color blanquecino) y contenido de fumonisinas que puede usarse ventajosamente en la selección. Presello et al. (2007) encontraron una relación lineal entre la contaminación de fumonisina en grano y el rendimiento devido a la severidad de la enfermedad. A pesar de ello, la relación entre la infección de F. verticillioides, síntomas visibles y los niveles de fumonisinas en grano no son claras (Desjardins & Plattner 1998). En el presente trabajo a partir de la identificación de variables ambientales que intervienen en la infección natural de F. verticillioides, se buscó explicar la variabilidad del contenido de fumonisina final en grano a cosecha, al mismo tiempo se trató de establecer las ventanas temporales dentro del ciclo del maíz donde son procesadas y sobre la base de estas variables se desarrollaran modelos predictivos de la concentración de la micotoxina en grano maduro.

MATERIALES Y MÉTODOS

Diseño experimental

En tres campañas (2006/07 a 2008/09) un híbrido de maíz susceptible a la podredumbre de la espiga fue sembrado en siete sitios de la región pampeana (Manfredi, Marcos Juárez, Paraná, Oliveros, Pergamino, Balcarce y Barrow) en dos fechas de siembra, (1^ra: inicio de octubre-fines de octubre; 2^da: fines de octubre-inicio de enero). En cada localidad y fecha de siembra se sembraron dos parcelas de cuatro surcos de 5 m cada uno. Cada parcela consistió de 100 plantas a una densidad de 75.000 plantas / ha. Se cosecharon manualmente todas las espigas de cada parcela, con humedad de entre 16 y 18% de acuerdo a lecturas con humedímetros portátiles y se tomaron dos muestras al azar de 50 espigas cada una. Las espigas se dejaron secar naturalmente hasta alcanzar una humedad de equilibrio de aproximadamente 13% de acuerdo a lecturas realizadas con un humedímetro eléctrico digital Burrows Modelo 700, se desgranaron manualmente y se tomó una muestra de 1kg de grano para análisis de fumonisinas y de ocurrencia de especies de Fusarium.

Análisis de fumonisinas

Una parte de las muestras de granos de maíz se reservó para el análisis del contenido de fumonisina y otra para el estudio de la composición de especies de Fusarium asociadas. La identidad de Fusarium se estudió mediante la siembra de las semillas en papel de filtro y congelamiento, con posterior repique a medios agarizados de sacarosa nutriente, hojas de clavel y papa glucosado (Neergaard, 1977; Leslie & Summerell, 2006). La cuantificación del contenido de fumonisina se realizó mediante HPLC (Método Oficial AOAC 2000 995.15).

Desarrollo de modelos

Variable dependiente: probabilidad de ocurrencia de niveles categorizados de FB₁ y FB₂ expresados en μg/kg.

Categorización: los valores de FB₁ y FB₂ se categorizaron en función de valores umbrales (ligero, moderado y severo), B₁: <=1680, >1680 y <=3240 y >3240; B₂: <=500, >500 y <=990 y >990. Dichos umbrales correspondieron a los percentiles 50 y 90% respecto a los 29 valores observados (Tabla 1).

Variables meteorológicas regresoras: a partir de información diaria de temperatura máxima (Tx °C) y mínima (Tn °C), precipitación (Pr, mm) y humedad relativa (HR%) registrada por los observatorios meteorológicos de los sitios de ensayo, se construyeron múltiples variables meteorológicas y se analizaron numerosas ventanas temporales en torno a la aparición de estigmas, en las que dichas variables fueron procesadas.

Variables simples: GDTx- se acumulan diariamente las diferencias positivas entre Tx y el umbral 28,5°C; GDTn- se acumulan diariamente las diferencias positivas entre el umbral 20°C y Tn; DT- número de días con Tn>18ºC y Tx< 30ºC; Txn- GDTx + GDTn; Txm- temperatura máxima media; Tnm- temperatura mínima media; Ndll- días con registros de Pr>0,2 mm; Np1-número de días con registros de Pr>0,2 mm y HR>81%; Np2- número de períodos de dos días con registro de Pr>0,2 mm y HR>= 81% en el día 1 y HR>70% en el segundo día; Tot- Np1 + Np2; DHR- días con registros de HR>=70%.

Interacciones de 2 variables simples: It1=Ndll*GDTn, It2=Np1* GDTn, It3=Np2*GDTn, It4=Ndll*GDTx, It5=Np1*GDTx, It6=Np2*GDTx, It7=Ndll*DT, It8=Np1*DT, It9=Np2*DT.

Análisis estadístico

- Se verificó el efecto del año, localidad, fecha de espigazón y sus interacciones a través del PROC GLM del SAS.

- Cálculo de coeficientes de correlación de Kendall (τ) (Proc Freq del SAS) entre los niveles de fumonisina B₁ y B₂ y las variables meteorológicas descritas (simples e interacciones). A partir de la maximización de estos coeficientes queda establecida la ventana temporal donde son procesadas las variables meteorológicas.

- Regresión logística (De Wolf et al., 2002; Moschini et al., 2006): mediante esta técnica se estimó la probabilidad de ocurrencia de cada categoría de fumonisina B₁ y B₂ de acuerdo a una o varias de las variables regresoras analizadas (simples o como componente interactivo). Regla de decisión: se pronostica la categoría de fumonisina con la máxima probabilidad asociada de ocurrencia. El procedimiento Logistic del SAS fija modelos de regresión paralelos para datos de respuesta ordinaria por medio del método de máxima verosimilitud, basado en la distribución de probabilidad acumulada de los niveles de respuesta. Una función logit (logaritmo natural de (Pr / 1- Pr), siendo Pr la probabilidad acumulada de las categorías epidémicas, establece la unión entre el componente estocástico y las variables regresoras meteorológicas analizadas. Los supuestos requeridos por el análisis de regresión lineal paramétrico no se exigen en la regresión logística. El método de selección de variables Stepwise del Proc Logistic fue usado para obtener el modelo más apropiado, haciendo jugar las 20 variables (simples e interactivas) descritas y fijando distintos niveles de significancia para entrar y permanecer en el modelo (NSE y NSP respectivamente).

- Precisión de predicción: porcentaje de casos correctamente clasificados. Si en cada uno de los casos analizados se compara el contenido de fumonisina observada vs. la predicha con la máxima probabilidad de ocurrencia por la ecuaciones logísticas desarrolladas, se puede calcular el porcentajes de casos correctamente clasificados.

RESULTADOS

La especie de Fusarium más frecuentemente aislada de los granos de maíz en las tres campañas y para todas las localidades estudiadas fue F. verticillioides. En Barrow, Balcarce y Bordenave también se pudo identificar F. subglutinans y F. proliferatum. Con muy poca frecuencia también se identificó el género Acremonium (Datos no publicados).

En la Tabla 1 se detallan los contenidos de FB₁ y FB₂ por localidad para las tres campañas analizadas (2006/07, 2007/08 y 2008/09). Como se puede apreciar, los valores de fumonisina en grano fueron más altos en muestras pertenecientes a la primera campaña. Los valores promedios (FB₁ + FB₂) para las tres campañas fueron de 1972,3, 939,2 y 739,0 μg/kg respectivamente; por otro lado, FB₂ representó el 30,5, 33,8 y 27,6% del contenido de FB₁ en las primera, segunda y tercera campaña respectivamente. Tanto año, localidad, fecha de espigazón como sus interacciones tuvieron un efecto significativo sobre el contenido de FB₁ y FB₂ (Tabla 2).

Las más altas correlaciones (coeficiente de Kendall) entre los contenidos de fumonisina en grano y las variables meteorológicas analizadas se encontraron cuando estas últimas fueron procesadas en el lapso que se inicia siete días antes de la fecha de plena aparición de estigmas (R1), según escala de Ritchie & Hanway (1982) y finaliza al acumularse 215 grados-día (T media diaria base 10°C). Este periodo comprende un total de 17 días ± 2. En la Tabla 3 se presentan los coeficientes de correlación de Kendall (τ) entre los contenidos de FB₁ y FB₂ y las variables simples e interactivas analizadas. Las variables Np2 y Tot resultaron las más fuertemente correlacionadas con el contenido de FB₁ y FB_2, con τ cercanos a 60% para FB₁ y a 50% para FB₂. Entre las variables interactivas de mayor respuesta estuvieron It3, It6 e It9 las que comparten como componente a la variable simple de mayor respuesta, Np2. En cuanto a las variables térmicas, todas resultaron con coeficientes de correlación de Kendall bajos. DT, de pendiente positiva, fue la de mayor coeficiente (τ: 0,25), mientras que GDx, GDn, Txn y Txm resultaron con pendiente negativa y con coeficientes muy bajos.

En la Tabla 4 se detallan los modelos logísticos desarrollados para estimar la probabilidad de ocurrencia de cada uno de los niveles epidémicos categorizados como severo (S), moderado (M) o ligero a nulo (L), utilizando variables meteorológicas simples e interactivas. Además, se muestra la precisión de predicción (Prec.%), o sea, el porcentaje de casos correctamente clasificados.

El modelo univariado I que incluye a Np2 clasificó correctamente 23 de las 29 observaciones de FB₁. El modelo II, además de Np2 incluye a la variable Txm (temperatura máxima media) y permitió clasificar correctamente 24 casos de los 29 observados (83% de precisión de predicción). El modelo III, de mayor precisión (93%), clasificó correctamente 27 de las 29 observaciones e incluye dos interacciones (It7 e It3) y a Txm. Los modelos para FB₂ (modelo IV, V y VI) estuvieron compuestos por las mismas variables que los de FB_1, pero el porcentaje de precisión fue menor.

En la Figura 1 A y ^B se comparan los valores de la variable Np2 en los percentiles 25, 50, 75% y máximo, para el total de observaciones (N= 29) de contenido de FB₁ y FB₂ agrupadas en las categorías severa, moderada y ligera a nula. Se visualizan diferencias marcadas en los valores de Np2 entre las categorías, confirmando el poder discriminante de dicha variable.

DISCUSIÓN

La especie de Fusarium más frecuentemente aislada en las siete localidades estudiadas (Manfredi, Marco Juárez, Paraná, Oliveros, Pergamino, Balcarce y Barrow) fue F. verticillioides, lo que concuerda con lo hallado en otros estudios realizados en Argentina (Shulze et al., 1996; Saubois et al., 1996) y en otros países (Ono et al., 1999; Munkvold, 2003). El hecho de que los efectos año, localidad, fecha de siembra y sus interacciones resultaran significativas sobre el contenido de FB₁ y FB₂, refleja la variabilidad de las 29 observaciones y su potencial para constituirse en la variable dependiente de modelos predictivos del nivel de fumonisina basados en variables meteorológicas. FB₂ representó el 30,5, 33,8 y 27,6% del contenido de FB₁ en las campañas 2006/07 a 2008/09 respectivamente, lo que acompaña a lo encontrado por Bullerman (1996) citado por De la Campa et al. (2005) donde detallan que el 70 a 80% del total de fumonisina en maíz corresponde a FB₁.

En este trabajo las más altas correlaciones entre los contenidos de fumonisina en grano y las variables meteorológicas se encontraron cuando estas últimas se procesaron en un periodo aproximado de 17 días alrededor de la aparición de estigmas (7 días antes y hasta 10 días después de la salida de los mismos). Similar ventana fue explorada por De la Campa et al. (2005) para explicar la concentración de fumonisina a cosecha, donde analizaron un periodo que abarca 24 días alrededor de la aparición de estigmas, iniciándose 10 días antes y finalizando 14 días después de la misma. Maiorano et al. (2009) por su parte, desarrollaron un modelo dinámico para evaluar la síntesis de fumonisina en maíz con datos provenientes del norte de Italia. Este modelo, además de estimar la infección de los estigmas a través de la simulación de la dispersión del inóculo y la germinación, amplifica la ventana de análisis simulando el crecimiento de F. verticillioides y la síntesis de fumonisina durante la etapa de maduración del grano. Al igual que De la Campa et al. (2005) estos autores toman como factor importante, incluyéndolo en un submodelo, al daño ocasionado por insectos.

Ono et al. (1999), en un estudio realizado en tres zonas (norte, centro-oeste y centro- sur) del estado de Paraná (Brazil), encontraron que la combinación de alta humedad relativa y temperatura eran claves para el crecimiento del hongo y la posterior contaminación con micotoxinas en el campo. Los más altos niveles de fumonisina fueron encontrados en la zona norte y central-oeste del estado. Una más alta temperatura máxima y humedad relativa (durante dos ciclos de cultivo) en la zona central-oeste explicaron la diferencia con respecto a las otras dos zonas. La mayor contaminación de la zona norte con respecto a la central- sur fue explicada por diferentes niveles de lluvia antes de la cosecha. En el presente trabajo, los niveles de fumonisina en grano a cosecha también fue explicado por un combinación de lluvia y humedad relativa (variable Np2). Esta combinación de factores estaría actuando en la infección del hongo y explicarían los diferentes niveles de toxina en grano a cosecha. Según Moschini & Fortugno (1996) la longitud del periodo de mojado de las espigas seguido de una lluvia es dependiente del poder evaporativo del aire. Bajos niveles de humedad relativa del aire lleva a una mayor demanda atmosférica de vapor de agua produciendo períodos de mojado más cortos. De lo expuesto anteriormente, surge la importancia de la variable Np2 (número de períodos de dos días con registro de Pr>0,2 mm y HR>= 81% en el día 1 y HR>70% en el segundo día) hallada en este trabajo y explica el bajo coeficiente de la variable Ndll (días con registros de Pr>0,2 mm). De la Campa et al. (2005) encontraron una relación positiva con la lluvia 4 a 10 días antes y 8 a 14 días después de la espigazón, y negativa 8 a 10 días después del mismo periodo. Como en el presente trabajo, Moschini & Fortugno (1996) y Del Ponte et al. (2005) desarrollaron modelos de predicción de la fusariosis de la espiga de trigo definiendo variables que derivan de la combinación de la lluvia y humedad relativa.

Según Munkvold (2003), periodos secos antes y durante el llenado de granos favorecen a una mayor severidad de enfermedad y a una más alta acumulación de fumonisina. En este trabajo, con el objetivo de verificar lo que ocurre en otros períodos con la variable lluvia, se exploraron otras ventanas (inicio: fecha de plena espigazón + 8, 10, 15, 20 y 25 días), además de la ventana de mayor ajuste (inicio: fecha de plena espigazón - 7 días hasta acumular 215 grados-día). Todos los coeficientes de correlación fueron bajos y casi todos con pendiente negativa, lo que realza la importancia tanto de la ventana como de la variable Np2 hallada. Con respecto a las variables térmicas, en este estudio, no cumplieron un rol importante sobre el contenido de FB₁ y FB₂, quizás, no sean factores limitantes para la acumulación de fumonisinas en Argentina.

La regresión logística ha sido ampliamente utilizada en estudios de relación ambiente- enfermedad en diversos cultivos. Por ejemplo, De Wolf et al. (2003) utilizaron esta técnica para modelar niveles epidémicos de la fusariosis de la espiga de trigo y Johnson et al. (1996) y Henderson (2007) la utilizaron para estudiar la relación entre el ambiente y epidemias de tizón tardío de la papa. En el caso de micotoxinas, Battilani et al. (2008) en Italia, utilizaron técnicas de regresión logística para predecir la contaminación de fumonisina en maíz, integrando información sobre cultivo precedente, tipo de hibrido, fertilización nitrogenada, fechas de siembra y cosecha y contenido de humedad del grano. En el presente trabajo se desarrollaron modelos para predecir niveles de FB₁ y FB₂ a cosecha, también utilizando técnicas de regresión logística. Como se puede ver en la tabla 4, Np2, que simula la duración del mojado de la espiga, se encuentra formando parte de todos los modelos, junto a Txm y como componente de la interacción It3.

Los modelos presentados en esta investigación pudieron establecer exitosamente la ventana temporal (alrededor de la salida de estigmas) donde las variables ambientales actuarían en los procesos de infección de F. verticillioides y en consecuencia en la posterior contaminación con fumonisinas. La combinación de lluvia con humedad relativa (variable Np2) sería la principal responsable de los diferentes niveles de contaminación con fumonisinas en grano de maíz a cosecha. Estos modelos son preliminares y fueron desarrollados a partir de datos de contaminación de granos de un híbrido susceptible, por tal motivo son necesarios nuevos ensayos con diferentes híbridos de maíz (con y sin evento Bt) para estudiar sus respuestas y poder incluir sus efectos en futuros modelos.

Recebido 6 Abril 2010

Acceptado 12 Novembro 2010

Autor para correspondencia: Malvina I. Martínez, e-mail: [e-mail]

TPP 101

Editor de Seccion: Luis Eduardo Aranha Camargo

Referencias bibliográficas

• AOAC (2000) AOAC 995.15 method In: Horwitz W (Ed.) Official Methods of Analysis of AOAC International, 17th ed., Chapter 49. AOAC Int., Gaithersburg MD. pp. 44-46.
• Battilani P, Pietri A, Barbano C, Scandolara A, Bertuzzi T, Marocco A (2008) Logistic regression modeling of cropping systems to predict fumonisin contamination in maize. Journal of Agricultural and Food Chemistry 56:10433-10438.
• Chulze S, Ramirez ML, Farnochi M, Pascale M., Visconti A, March G (1996) Fusarium and fumonisins occurrence in Argentinian corn at different ear maturity stages. Journal of Agricultural and Food Chemistry 44:2797-2801.
• De la Campa R, Hooker DC, Miller JD, Schaafsma AW, Hammond BG (2005) Modeling effects of environment, insect damage, and Bt genotypes on fumonisin accumulation in maize in Argentina and the Philippines. Mycopathologia 159:539-552.
• De Wolf ED, Madden LV, Lipps PE (2003) Risk assessment models for Fusarium head blight epidemics based on within-season weather data. Phytopathology 93:428-435.
• Del Ponte EM, Fernandez JMC, Pavan W (2005) A risk infection simulation model for Fusarium head blight of wheat. Fitopatologia Brasileira 30:634-642.
• Desjardins AE, Plattner RD (1998) Distribution of fumonisins in maize ears infected with strains of Fusarium moliniforme that differ in fumonisins production. Plant Disease 82:953-958.
• Dilkin P, Mallmann CA, De Almeida CAA, Stefanon EB, Fontana FZ, Milbradt EL (2002) Production of fumonisins by strains of Fusarium moniliforme according to temperature, moisture and growth period. Brazilian Journal of Microbiology 33:111-118.
• FAO (2003) Manual Sobre la Aplicación del Sistema de Análisis de Peligros y de Puntos Críticos de Control (APPCC) en la Prevención y Control de las Micotoxinas. Depósitos de documentos.
• Henderson D, Williams CJ, Miller JS (2007) Forecasting late blight in potato crops of southern Idaho using logistic regression analysis. Plant Disease 91:951-956.
• Hesseltine CW, Bothast RJ (1977) Mold development in ears of corn from tasseling ti harvest. Mycologia 69:328-340.
• Johnson DA, Alldredge JR, Vakoh DL (1996) Potato late blight forecasting models for the semiarid environment of south-central Washington. Phytopathlogy 86:480-484.
• Leslie JF, Summerell BA (2006) The Fusarium laboratory manual. Blackwell Publishing.
• Maiorano A, Reyneri A, Sacco D, Magni A, Ramponi C (2009) A dynamic risk assessment model (FUMAgrain) of fumonisin synthesis by Fusarium verticillioides in maize grain in Italy. Crop Protection 28:243- 256.
• Marin S, Magan N, Serra J, Ramos AJ, Canela R, Sanchis V (1999) Fumonisin B1 production and growth of Fusarium moniliforme and Fusarium proliferatum on maize, wheat and barley grain. Journal of Food Science 64:921-924.
• Moschini R, Fortugno C (1996) Predicting wheat head blight incidence using models based on meteorological factors in Pergamino. Argentina. European Journal of Plant Pathology 102:211-218.
• Moschini R, Sisterna M, Carmona M (2006) Modelling of wheat black point incidence based on meteorological variables in the southern Argentinean Pampas region. Australian Journal of Agricultural Research 57:1151-1156.
• Munkvold GP (2003) Epidemiology of Fusarium diseases and their mycotoxins in maize ears. European Journal of Plant Pathology 109:705-713.
• Munkvold GP, McGee DC, Carlton WM (1997a) Importance of different pathways for maize kernel infection by Fusarium moniliforme Phytopathology 87:209-217.
• Munkvold GP, Hellmich RL, Showers WB (1997b) Reduced Fusarium ear rot and symptomless infection in kernels of maize genetically engineered for European corn borer resistance. Phytopathology 87:1071-1077.
• Neergard P (1977) Seed Pathology. New York NY. John Wiley and Sons.
• Ono EYS, Sugiura Y, Homechin M, Kamogae M, Vizzoni E, Ueno Y, Hirooka E (1999) Effect of climatic conditions on natural mycoflora and fumonisins in freshly harvested corn of the State of Paraná, Brazil. Mycopathologia 147:139-148.
• Paterson RRM, Lima N (2010) How will climate change affect mycotoxins in food? Food Research International doi:10.1016/j.foodres.2009.07.010
• Presello DA, Iglesias J, Botta G, Eyherabide GH (2007) Severity of Fusarium ear rot and concentration of fumonisin in grain of Argentinian maize hybrids. Crop Protection 26:852-855.
• Ritchie SW, Hanway JJ (1982) How a corn plant develops. Iowa State University of Science and Technology. Special Report 48. Cooperative Extension Service Ames, Iowa.
• Saubois A, Nepote MC, Piontelli E (1996) Regional distribution of Fusarium strains in corn from the Province of Santa Fe, Argentina. Boletín Micológico 11:75-80.
• Schulthess F, Cardwell KF, Gounou S (2002) The effect of endophytic Fusarium verticillioides on infestation of two maize varieties by lepidopterous stemborers and coleopteran grain feeders. Phytopathology 92:120-128.

Factores ambientales que afectan el contenido de fumonisina en granos de maíz

Environmental factors that affect the fumonisin content in maize grain

Fechas de Publicación

• Publicación en esta colección
  31 Ene 2011
• Fecha del número
  2010

Histórico

• Acepto
  12 Nov 2010
• Recibido
  06 Abr 2010