El desarrollo de un modelo dinámico para poblaciones microbianas en lagos sanos podría ayudar a los científicos a comprender qué hay de malo en los lagos enfermos, prescribir curas y predecir lo que puede ocurrir a medida que cambian las condiciones ambientales. Estos son algunos de los beneficios que se esperan de un ambicioso proyecto para modelar las interacciones deunas 18,000 especies en un lago Wisconsin bien estudiado.
La investigación produjo lo que se cree que es el modelo dinámico más grande de interacciones de especies microbianas jamás creado. Analizando datos a largo plazo del lago Mendota cerca de Madison, Wisconsin, un equipo de investigación de Georgia Tech identificó y modeló interacciones entre 14 subcomunidades, es decir, colecciones de diferentes especies que se vuelven dominantes en momentos específicos del año. Los factores ambientales clave que afectan a estas subcomunidades incluyen la temperatura del agua y los niveles de dos clases de nutrientes: amoníaco / fósforo y nitratos / nitritos. Los efectos de estos factores en el individuolas especies fueron, en general, más pronunciadas que las interacciones entre especies.
Más allá de comprender lo que sucede en ambientes microbianos acuáticos, el modelo también podría usarse para estudiar otras poblaciones microbianas, tal vez incluso microbiomas humanos. La investigación se informó el 24 de marzo en la revista Biología de sistemas y aplicaciones , una revista asociada de Nature. El trabajo fue patrocinado por el programa Dimensiones de la Biodiversidad de la National Science Foundation.
"En última instancia, queremos entender por qué algunas poblaciones microbianas están disminuyendo y por qué algunas están aumentando en ciertas épocas del año", dijo Eberhard Voit, autor correspondiente del artículo y profesor titular de The David D. Flanagan en Wallace H. CoulterDepartamento de Ingeniería Biomédica de Georgia Tech y Emory University. "Queremos saber por qué estas poblaciones están cambiando, ya sea solo por las condiciones ambientales o por las interacciones entre las diferentes especies. Es importante destacar también el desarrollo temporal: cómolas interacciones cambian con el tiempo "
Debido a la gran cantidad de microorganismos diferentes involucrados, crear dicho modelo fue una tarea monumental. Para hacerlo más manejable, los investigadores segmentaron las especies más abundantes en grupos que tuvieron interacciones significativas en momentos específicos del año. Georgia Tech ResearchEl científico Phuongan Dam creó 14 categorías o subcomunidades de este tipo, correspondientes a aproximadamente una por mes, y cartografió las relaciones entre ellas durante diferentes épocas del año. Dos de los 14 grupos tenían dos picos de población por año.
"La parte interesante de este trabajo es que ahora podemos modelar cientos de especies", dijo Kostas Konstantinidis, coautor del artículo y profesor asociado de Carlton S. Wilder en la Escuela de Ingeniería Civil y Ambiental de Georgia Tech"La capacidad de modelar dinámicamente comunidades microbianas que contienen cientos o incluso miles de especies a medida que esas interacciones cambian con el tiempo o después de las perturbaciones ambientales tendrá numerosas implicaciones y aplicaciones para otras áreas de investigación".
En el pasado, los investigadores crearon modelos estáticos de interacciones entre grandes cantidades de microorganismos, pero estos solo proporcionaron instantáneas a tiempo y no se pudieron usar para modelar interacciones a medida que cambian a lo largo del año. Los científicos podrían querer saber, por ejemplo, qué pasaría si una comunidad perdiera una especie, si una inundación de nutrientes golpeara el lago o si la temperatura aumentara
Al igual que con muchas comunidades, el lago incluye organismos de diferentes especies y familias que están altamente interconectados, desempeñando una variedad de funciones interrelacionadas, como la fijación de nitrógeno, la realización de fotosíntesis, la degradación de contaminantes y la prestación de servicios metabólicos utilizados por otros organismos. Información sobrelos microbios provienen de un conjunto de datos a largo plazo compilado por otros científicos que estudian el lago regularmente.
Voit, un biomatemático, dijo que el modelo, aunque no lineal, usa algoritmos basados en regresión lineal, que pueden analizarse usando grupos de computadoras estándar. Usando sus 14 subcomunidades, los investigadores encontraron 196 interacciones que podrían describir la especieinteracciones: una tarea mucho más fácil que analizar los 300 millones de interacciones potenciales entre las 18.642 especies completas en el lago. La reducción del número de interacciones potenciales solo fue posible debido a la estrategia de definir subcomunidades y un enfoque de modelado inteligente.
Los investigadores inicialmente intentaron organizar los microbios en organismos genéticamente relacionados, pero esa estrategia fracasó.
"En cualquier época del año, el lago necesita especies que puedan realizar ciertas tareas", dijo Voit. "Las especies estrechamente relacionadas tienden a desempeñar esencialmente los mismos roles, por lo que reunirlas todas en el mismo grupo resulta en tenermuchos organismos hacen las mismas cosas, pero no ejecutan otras tareas que se necesitan en un momento específico. Al observar las 14 subcomunidades, pudimos obtener una mezcla heterogénea de cada tarea que debía hacerse utilizando diferentes combinaciones demicroorganismos en cada momento "
Al observar las subcomunidades presentes en momentos específicos del año, el equipo de investigación pudo estudiar las interacciones que ocurrieron naturalmente, y evitó tener que estudiar las interacciones que rara vez tuvieron lugar. El modelo examina las interacciones en dos niveles: entre los14 subcomunidades, y entre las subcomunidades y las especies individuales.
La investigación dependió en gran medida de la metagenómica, el uso del análisis genómico para identificar los microorganismos presentes. Solo el 1 por ciento de las especies microbianas se puede cultivar en el laboratorio, pero la metagenómica permite a los científicos obtener el inventario completo de las especies presentes mediante la identificación de secciones específicas desu ADN. Debido a que no son especies completamente caracterizadas, los componentes de los datos genómicos se denominan "unidades taxonómicas operativas" OTU, que el equipo utilizó como "proxy" para las especies.
El siguiente paso en la investigación será completar un estudio similar del lago Lanier, ubicado al norte de Atlanta. Además de la información estudiada para el lago Mendota, ese estudio reunirá datos sobre las actividades enzimáticas y metabólicas de las comunidades de microorganismos.El lago Lanier alimenta el río Chattahoochee y una serie de otros lagos, y los investigadores esperan estudiar todo el sistema fluvial para evaluar cómo los diferentes ambientes y actividades humanas afectan a las poblaciones microbianas.
El trabajo podría conducir a una mejor comprensión de las interacciones necesarias para un lago saludable, lo que puede ayudar a los científicos a determinar qué podría ser necesario para abordar los problemas en los lagos enfermos. La técnica de modelado también podría ayudar a los científicos con otros sistemas microbianos complejos.
"Nuestro trabajo en este momento es con la comunidad del lago, pero los métodos podrían ser aplicables a otras comunidades microbianas, incluido el microbioma humano", dijo Konstantinidis. "Al igual que con los lagos enfermos, comprender lo que es saludable podría algún día permitir que los científicos diagnostiquenafecciones de enfermedades relacionadas con microbiomas y abordarlas ajustando las poblaciones de diferentes subcomunidades de microorganismos ".
Fuente de la historia :
Materiales proporcionado por Instituto de Tecnología de Georgia . Original escrito por John Toon. Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cite esta página :