Las comunidades de bacterias viven en todas partes: dentro de nuestros cuerpos, en nuestros cuerpos y a nuestro alrededor. El intestino humano solo contiene cientos de especies de bacterias que ayudan a digerir los alimentos y proporcionan nutrientes, pero también pueden enfermarnos. Para obtener más información sobre estosgrupos de bacterias y cómo impactan nuestras vidas, los científicos necesitan estudiarlas, pero esta tarea plantea desafíos, porque llevar las bacterias al laboratorio es imposible o interrumpiría los procesos biológicos que los científicos desean estudiar.
Para evitar estas dificultades, los científicos han recurrido al campo de la metagenómica. En metagenómica, los investigadores usan algoritmos para juntar el ADN de una muestra ambiental para determinar el tipo y el papel de las bacterias presentes. A diferencia de los campos establecidos como la química, donde los investigadores evalúansus resultados contra un conjunto de estándares conocidos, la metagenómica es un campo relativamente joven que carece de tales puntos de referencia.
Mihai Pop, profesor de ciencias de la computación en la Universidad de Maryland con una cita conjunta en el Instituto de Estudios Avanzados de Computación de la Universidad de Maryland, recientemente ayudó a juzgar un desafío internacional llamado Evaluación crítica de la interpretación del metagenoma CAMI, que comparó la metagenómicasoftware. Los resultados fueron publicados en la revista Métodos de la naturaleza el 2 de octubre de 2017.
"No hay un algoritmo que podamos decir que sea el mejor en todo", dijo Pop, quien también es codirector del Centro de Informática y Bioimagen relacionada con la salud en UMD. "Lo que encontramos fue que una herramienta funciona mejoren un contexto, pero a otro le va mejor en otro contexto. Es importante que los investigadores sepan que necesitan elegir el software en función de las preguntas específicas que intentan responder ".
Los resultados del estudio no fueron sorprendentes para Pop, debido a los muchos desafíos que enfrentan los desarrolladores de software de metagenómica. Primero, el análisis de ADN es un desafío en la metagenómica porque el ADN recuperado a menudo proviene del campo, no de un entorno de laboratorio estrictamente controlado. Además, el ADNde muchos organismos, algunos de los cuales pueden no tener genomas conocidos, se mezclan en una muestra, lo que dificulta el ensamblaje correcto o la unión de genomas individuales. Además, el ADN se degrada en ambientes hostiles.
"Me gusta pensar en la metagenómica como un nuevo tipo de microscopio", dijo Pop. "En los viejos tiempos, se usaba un microscopio para estudiar bacterias. Ahora tenemos un microscopio mucho más potente, que es la secuenciación de ADN junto conalgoritmos avanzados. La metagenómica promete ayudarnos a comprender qué hacen las bacterias en el mundo. Pero primero tenemos que ajustar ese microscopio ".
El líder de CAMI invitó a Pop a ayudar a evaluar las presentaciones de los participantes del desafío debido a su experiencia en el ensamblaje de genomas y metagenomas. En 2009, Pop ayudó a publicar Bowtie, uno de los paquetes de software más utilizados para ensamblar genomas. Más recientemente, colaboró conla Facultad de medicina de la Universidad de Maryland para analizar cientos de miles de secuencias de genes como parte del estudio más grande y completo de enfermedades diarreicas infantiles jamás realizado en países en desarrollo.
"Descubrimos bacterias nuevas y desconocidas que causan enfermedades diarreicas, y también encontramos interacciones entre bacterias que podrían empeorar o mejorar la enfermedad", dijo Pop. "Siento que ese es uno de los proyectos más impactantes que he realizado usando metagenómica".
Para la competencia, los investigadores de CAMI combinaron aproximadamente 700 genomas microbianos y 600 genomas virales con otras fuentes de ADN y simularon cómo podría aparecer una colección de ADN en el campo. La tarea de los participantes era reconstruir y analizar los genomas del ADN simuladopiscina.
los investigadores de CAMI calificaron las presentaciones de los participantes en tres áreas: qué tan bien ensamblaron los genomas fragmentados; qué tan bien "agruparon" u organizaron los fragmentos de ADN en grupos relacionados para determinar las familias de organismos en la mezcla; y qué tan bien"perfiló" o reconstruyó la identidad y la abundancia relativa de los organismos presentes en la mezcla. Pop contribuyó con métricas y software para evaluar los genomas ensamblados enviados.
Diecinueve equipos presentaron 215 entradas utilizando seis ensambladores de genoma, nueve binners y 10 perfiladores para enfrentar este desafío.
Los resultados mostraron que para el ensamblaje, los algoritmos que ensamblaron un genoma usando diferentes longitudes de fragmentos de ADN más pequeños superaron a los que usaron fragmentos de ADN de una longitud fija. Sin embargo, ningún ensamblador hizo bien en separar genomas diferentes pero similares.
Para la tarea de agrupamiento, los investigadores encontraron compensaciones en la precisión con la que los programas de software identificaron el grupo al que pertenecía un fragmento de ADN en particular, en comparación con la cantidad de fragmentos de ADN que el software asignó a cualquier grupo. Este resultado sugiere que los investigadores deben elegir su agrupaciónsoftware basado en si la precisión o la cobertura son más importantes. Además, el rendimiento de todos los algoritmos de agrupamiento disminuyó cuando las muestras incluyeron múltiples genomas relacionados.
En la elaboración de perfiles, el software recuperó mejor la abundancia relativa de bacterias en la muestra o detectó mejor los organismos, incluso en cantidades muy bajas. Sin embargo, los últimos algoritmos identificaron el organismo incorrecto con mayor frecuencia.
En adelante, Pop dijo que el grupo CAMI continuará enfrentando nuevos desafíos con diferentes conjuntos de datos y nuevas evaluaciones dirigidas a aspectos más específicos del rendimiento del software. Pop se complace en ver a los científicos usar los puntos de referencia para abordar las preguntas de investigación en el laboratorio y elclínica.
"El campo de la metagenómica necesita estándares para garantizar que los resultados sean correctos, estén bien validados y sigan las mejores prácticas", dijo Pop. "Por ejemplo, si un médico realizará una intervención basada en los resultados del software metagenómico, es esencial queesos resultados sean correctos. Nuestro trabajo proporciona una hoja de ruta para elegir el software adecuado "
Fuente de la historia :
Materiales proporcionados por Universidad de Maryland . Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cite esta página :