Una evaluación crítica reciente de las herramientas de software representa un paso clave para dominar la naturaleza del "Salvaje Oeste" del floreciente campo de la metagenómica, dijo un biólogo matemático de la Universidad Estatal de Oregón que participó en la investigación.
La metagenómica se refiere a la ciencia de estudiar genéticamente comunidades enteras de microorganismos, en lugar de secuenciar especies individuales cultivadas en cultivo.
"Los microbios son ridículamente importantes para la vida", dijo David Koslicki, profesor asistente de matemáticas en la Facultad de Ciencias de la OSU. "No solo pueden causar que sucedan cosas terribles, como el tizón y las enfermedades, sino que, en general, de manera abrumadora, los microbios sonnuestros amigos. Sin ellos haciendo su trabajo, los cultivos no podrían crecer también, sería difícil digerir nuestros alimentos, podríamos no tener sueño en los momentos apropiados. Los microbios son tan fundamentales para la vida, para la salud, que realmente necesitamos sabertanto como podamos sobre ellos "
Koslicki, líder en un programa de investigación y educación a nivel universitario conocido como OMBI, la Iniciativa del Microbioma de OSU, describió los hallazgos, publicados recientemente en Métodos de la naturaleza , como "sobrio"
dijo: "No hay muchas técnicas y herramientas computacionales bien establecidas y bien caracterizadas que los biólogos puedan usar", dijo. "Y la evaluación mostró que muchas de las herramientas que se utilizan no funcionan tan bien como antesinicialmente pensado, por lo que definitivamente hay margen de mejora allí.
"Dicho esto, dependiendo de la situación en la que esté interesado un biólogo, definitivamente hay diferentes herramientas que han demostrado ser las mejores hasta ahora"
La metagenómica es un campo relativamente nuevo que se desarrolló rápidamente una vez que la secuenciación de la próxima generación creció lo suficientemente económica como para que observar comunidades microbianas enteras se volviera económicamente viable, dijo Koslicki.
"La visión típica de la biología es un laboratorio húmedo y todo eso, pero otra faceta tiene que ver con estas formas de alto rendimiento de acceder al material genético", dijo. "Uno termina con una tonelada de datos,y cuando terminas con una tonelada de datos, introduces un nuevo problema: ¿cómo obtengo la información importante? Tienes que crear un algoritmo que permita a los biólogos responder las preguntas que consideran importantes: ¿Qué criaturas hay?, cuántos hay, qué están haciendo, ¿hay algún virus? Necesitamos responder esas preguntas y no solo responderlas rápidamente sino también tener algún tipo de idea de cuán precisa es la respuesta ".
La vertiginosa variedad de herramientas que los biólogos están utilizando para tratar de responder esas preguntas es "algo así como el Salvaje Oeste", dijo Koslicki. "Si desea saber qué bacterias hay en una muestra, no hay menos de tres o cuatrodocenas de herramientas diferentes que las personas han ideado, y de una manera bastante desarticulada. Usted tiene equipos de estadísticos, matemáticos, biólogos, microbiólogos, ingenieros, todos mirando esto desde sus propias perspectivas y creando sus propias herramientas. Luego, el usuario finalaparece un biólogo y se enfrenta con 40 herramientas diferentes, y ¿cómo saben qué tan buenos son para responder las preguntas que necesitan ser respondidas? "
La investigación de Koslicki, conocida como el desafío CAMI - evaluación crítica de la interpretación de metagenomas - tenía como objetivo clasificar esas herramientas para proporcionar una hoja de ruta para los biólogos.
"El desafío involucró a la comunidad global de desarrolladores para comparar sus programas en conjuntos de datos altamente complejos y realistas, generados a partir de aproximadamente 700 microorganismos recién secuenciados y alrededor de 600 nuevos virus y plásmidos y que representan configuraciones experimentales comunes", dijo. "iniciativa independiente. Normalmente, cuando se comparan las herramientas, se adjunta a la publicación de un nuevo método que se compara con otras herramientas que funcionan peor, por lo que el nuevo método se ve bien. No ha habido mucha investigación independiente sobre qué herramientas funcionan realmente,qué tan bien funcionan, en qué tipo de datos funcionan bien, etc. "
El Consejo de Investigación de Ingeniería y Ciencias Físicas del Reino Unido, el Departamento de Energía de EE. UU., El Clúster de Excelencia en Ciencias de las Plantas, el Consejo de Investigación Australiano, el Consejo de Investigación Europeo, la Agencia de Ciencia, Tecnología e Investigación de Singapur, la Fundación Lundbeck yla National Science Foundation apoyó esta investigación.
Fuente de la historia :
Materiales proporcionado por Universidad Estatal de Oregón . Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cite esta página :