Un trabajo reciente publicado en Plant Biotechnology Journal presenta un marco computacional basado en inteligencia artificial diseñado para identificar péptidos de señalización en plantas. Estos pequeños péptidos desempeñan un papel clave en la comunicación célula a célula, coordinando el desarrollo vegetal, la organización de los tejidos y las respuestas al estrés ambiental. Sin embargo, problemas prácticos derivados de su pequeño tamaño, el bajo nivel de expresión o la frecuente integración en proteínas precursoras de mayor tamaño, han dificultado su detección mediante enfoques experimentales clásicos. El estudio propone una estrategia integradora que combina datos transcriptómicos con análisis de secuencias basados en aprendizaje automático, para predecir de forma sistemática candidatos a péptidos de señalización en genomas de plantas. Al capturar patrones sutiles de secuencia y características contextuales, el método permite identificar péptidos crípticos que de otro modo pasarían desapercibidos. Este catálogo ampliado de señales candidatas abre nuevas perspectivas para estudios funcionales y constituye un valioso recurso para comprender cómo las plantas coordinan procesos biológicos complejos. Varios investigadores afiliados al IHSM La Mayora han desempeñado un papel clave en este trabajo, entre ellos Verónica G. Doblas e Ian Morilla. Esta contribución pone de manifiesto la fortaleza del IHSM La Mayora en la integración de biología computacional, biología molecular vegetal y enfoques basados en datos para abordar cuestiones fundamentales de la ciencia vegetal. Más allá de los avances metodológicos, esta investigación tiene claras implicaciones para la agricultura, ya que un mayor conocimiento de las vías de señalización de plantas puede contribuir al desarrollo de estrategias para mejorar el rendimiento, la resiliencia y la capacidad de adaptación de los cultivos.