A indústria da cannabis
“Nós precisamos de ciência. Nós precisamos de ciência. Nós precisamos de ciência"
Estas foram as mensagens repetidas pelos palestrantes na quinta conferência anual da Emerald Conference, na Califórnia, um evento focado em discutir as mais recentes análises e produção de cannabis. Este mantra é a resposta a dois problemas fundamentais enfrentados pela indústria da cannabis.
O primeiro desses problemas é que ninguém conhece os mecanismos de como esta planta afeta os seres humanos. Existem alguns entendimentos básicos sobre o sistema endocanabinóide humano observados através de estudos anedóticos, mas pouco em termos de ensaios clínicos baseados na ciência.
O segundo desafio para a ciência da cannabis é que é incrivelmente difícil realizar legalmente um estudo científico sobre a cannabis.
Num esforço para impulsionar o estado do conhecimento sobre a cannabis os pesquisadores buscam parcerias com produtores de cannabis licenciados que possam produzir resultados mutuamente benéficos. Em princípio, os produtores geralmente são muito receptivos a esse tipo de parceria - é vista como uma oportunidade potencial de estar na vanguarda das novas tecnologias ou estratégias de produção que podem dar-lhes vantagem num mercado extremamente competitivo.
Na prática, as parcerias entre pesquisadores científicos e produtores de cannabis são muito desafiadoras, pois as duas partes tendem a ter objetivos diferentes. Os estudos científicos geralmente exigem bastante tempo, espaço e gestão meticulosa da experiência. Se um estudo estiver a explorar várias doses de um determinado tratamento, isso pode resultar em plantas extremamente stressadas e de baixo rendimento, a ponto de perder a colheita. Embora isso possa ter sido parte do projeto experimental, é compreensível que os produtores não estejam entusiasmados com uma parceria de pesquisa em que perdem parte de sua produção e prejudicam os seus resultados.
O que torna um estudo "científico"?
Simplificando, um estudo científico produz resultados que têm um grau quantificável de certeza para eles. Por exemplo, se um estudo constatar que um de seus tratamentos experimentais foi "estatisticamente significativo", isso geralmente significa que havia mais de 95% de chance de que o resultado observado fosse de fato devido ao tratamento aplicado, e não devido ao acaso. Essa certeza de 95% é o limite mais comum para considerar algo estatisticamente significativo (embora haja exceções em que esse limite deve ser muito superior a 95%), e o limite usado num estudo é sempre claramente indicado num relatório científico.
Para atingir esse grau de certeza, os estudos empregam randomização e replicação para explicar fatores potencialmente confusos que podem gerar resultados enganosos. A randomização e replicação adequadas são essencialmente o que é o design experimental e é o que separa uma experiência científica de uma comparação anedótica.
Projetando uma experiência numa estufa
Para entender os tipos de fatores de confusão que podem gerar resultados enganosos numa experiência, vamos considerar um exemplo de experiência realizado numa câmara de crescimento de plantas, onde queremos comparar a influência de dois espectros de luz diferentes no rendimento das plantas. Uma luz é amarela na aparência e a outra aparece ciano. Dentro de nossa câmara, temos uma grade de arame à esquerda e uma grade de arame à direita. Ambas as racks de arame têm quatro camadas nas quais podemos cultivar plantas. Projetado como um ambiente altamente controlado especificamente para pesquisa de produção de plantas, o ambiente interior é teoricamente homogêneo. Existem vários sensores em toda a câmara monitorizando constantemente o ambiente - temperatura, humidade relativa, déficit de pressão de vapor, velocidade do ar e concentrações de CO2 são contabilizadas. As plantas cultivadas na câmara são geneticamente muito semelhantes, sendo clonadas da mesma planta mãe. Todas as plantas são ancoradas no mesmo substrato inerte de enraizamento e alimentadas a partir do mesmo reservatório de nutrientes que é constantemente monitorizado quanto ao pH, condutividade elétrica e teor de oxigênio dissolvido. À medida que prosseguimos com nosso estudo, comparando a influência de duas qualidades luminosas diferentes no rendimento nesse ambiente, aparentemente não deve haver outro fator que influencie o nosso resultado.
Na prática, é incrivelmente difícil alcançar um ambiente totalmente uniforme, e geralmente é aceite que nenhum ambiente jamais atinja essa uniformidade teórica perfeita. Mais frequentemente, existem muitas pequenas inconsistências no ambiente que têm o potencial de gerar um problema para o seu estudo. Nesse caso, talvez o posicionamento das sondas de CO2 tenha fornecido uma excelente leitura da média de CO2 dentro da câmara, mas não captou o fato de que a concentração de CO2 era maior perto do chão do que do teto.
Além disso, talvez as linhas de fertirrigação que alimentam o lado esquerdo da câmara tenham desenvolvido um nível de contaminação de algas alto o suficiente para que as algas estivessem consumindo muitos dos nutrientes da solução de fertirrigação antes de atingir as plantas em estudo.
Nesta situação hipotética, as plantas em direção ao fundo da câmara e no lado direito da câmara seriam pré-descartadas para obter maiores rendimentos, estas desenvolviam-se num ambiente comparativamente rico em CO2 e nutrientes, apesar dos esforços feitos para homogeneizar a câmara de pesquisa.
O projeto experimental adequado pressupõe que fatores de confusão aleatórios e muitas vezes misteriosos como esses são inevitáveis e, portanto, a randomização e a replicação são usadas para explicar a influência que esses fatores podem estar tendo no seu estudo.
De volta ao exemplo da nossa câmara de crescimento, podemos tentar identificar fatores que não esperamos impactar significativamente no nosso estudo, mas reconhecemos a possibilidade de que talvez haja algo sobre esse fator que não entendemos. Lembre-se, no início deste estudo, não sabemos que haverá um problema com algas nas linhas de fertirrigação no lado esquerdo da câmara, nem que nossas concentrações de CO2 são desiguais. Em vez disso, identificamos que nossas plantas experimentais estão espalhadas pela câmara. Algumas plantas estão lá em cima, outras estão lá em baixo, algumas estão à esquerda e outras à direita. A partir disso, identificamos dois fatores potencialmente confusos: "Altura" e "Lateral". Como cultivamos plantas em quatro níveis, o fator conhecido como "Altura" tem quatro níveis: Superior, Médio-Alto, Médio-Baixo e Inferior. Como temos um conjunto de prateleiras à esquerda e um conjunto de prateleiras à direita, o fator conhecido como "Lateral" tem dois níveis: esquerda e direita. Pode-se argumentar facilmente que poderia haver outro fator chamado “Profundidade”, no qual tentamos explicar a variabilidade da frente para a parte traseira da câmara.
Depois de identificar o que pensamos ser fatores de confusão em nosso ambiente de produção, podemos determinar a melhor forma de introduzir o fator que realmente estamos tentando estudar: "Qualidade da luz". De fato, para todos os efeitos, nosso "tratamento" é apenas outro fator de influência. Nesse caso, esse fator é chamado de "Qualidade da luz" e possui dois níveis: "amarelo" e "ciano". Nosso objetivo aqui é sistematicamente misturar nosso fator de interesse com os outros dois fatores que identificamos como potencialmente em jogo na nossa câmara.
Por exemplo, queremos garantir que, no nível "inferior" do fator "Altura", tenhamos alguma qualidade de luz "amarela" e alguma qualidade de luz "ciana". O mesmo raciocínio se aplica à mistura da qualidade da luz entre o fator lateral.
Deveríamos terminar com um layout parecido com o seguinte:
Ao randomizar sistematicamente as réplicas de nosso fator de interesse, podemos explicar qualquer influência que nossos fatores de confusão possam ter no nosso resultado.
No nível conceitual, veja como isso funciona: ao analisar os dados de rendimento dessa experiência, cada fator seria inicialmente analisado separadamente. Analisando a influência da “Altura” neste estudo, todos os dados para cada nível de Altura seriam calculados em média e depois comparados entre si. Como cada nível de altura possui um número igual de plantas com qualidade de luz ciana e amarela, o fator de qualidade da luz não faz nenhuma diferença na nossa análise do fator de altura; qualquer variabilidade introduzida pela Light Quality é contabilizada e anulada nesta comparação.
Em seguida, o fator "Side" pode ser analisado. Todos os dados de rendimento das plantas no lado esquerdo da câmara são calculados em média, assim como os dados do lado direito da câmara. Essas médias são comparadas para determinar se houve uma diferença significativa no rendimento das plantas com base no lado da câmara em que foram cultivadas. Novamente, a influência da qualidade da luz é anulada pelo fato de que ambos os lados da câmara estão equilibrados nos níveis de qualidade da luz.
Finalmente, a qualidade da luz pode ser analisada. Os dados de rendimento de todas as plantas de qualidade da luz amarela são calculados em média, assim como os dados de rendimento das plantas de qualidade da luz ciana. Comparando essas médias, podemos identificar se o fator Qualidade da luz teve uma influência significativa no rendimento.
No espírito de manter este artigo sobre os princípios do projeto experimental e não a aritmética, não discutimos aqui exatamente como saber se as médias que compara dentro de um fator (por exemplo, o rendimento médio entre as plantas do lado esquerdo e o direito) Plantas secundárias) são significativamente diferentes ou não. A resposta curta é que isso tem a ver com a variabilidade em torno de cada uma dessas médias e quanto a variabilidade entre as duas médias se sobrepõe. Para aprender os detalhes, convém estudar os valores de erro padrão e desvio padrão.
Ao projetar o nosso estudo de câmara desta maneira, eliminamos o potencial de fatores de confusão para influenciar os efeitos de nosso fator de interesse. Pode parecer um exagero, mas, ao contabilizar o maior número possível de fatores de confusão, alcançamos um nível de credibilidade e certeza em nossos resultados que, de outra forma, seriam inatingíveis.
Este artigo é apenas uma breve introdução às estratégias para o design experimental adequado. A mensagem para os produtores aqui é que, se deseja executar um estudo científico, esteja atento a todos os fatores que podem influenciar seus resultados. Faça isso, e a sua empresa poderá ser a empresa que lidera a vanguarda da pesquisa sobre cannabis que todo mundo deseja que exista.
Bons cultivos ;)
Gostou deste artigo? Separamos alguns artigos que lhe podem interessar:
.