El océano y la flora intestinal revelan el misterio de los genes microbianos

Un equipo internacional dirigido por el IRB Barcelona ha generado un algoritmo de aprendizaje automático para predecir funciones genéticas desconocidas de los microbios. El sistema examina y compara el big data existente de metagenomas de microbiomas humanos y medioambientales. Este hallazgo ha permitido a los investigadores asignar cientos de funciones genéticas que estaban fuera del alcance de los métodos actuales de la genómica computacional.

Metagenomas
La diversidad es clave: metagenomas de entornos diversos pueden predecir diferentes tipos de funciones genéticas. / F Supek, IRB Barcelona

Conocer los genes de las bacterias que forman parte del microbioma humano –el conjunto de microbios que habitan en nuestro interior– es importante porque estos genes pueden explicar los mecanismos de la infección bacteriana o de cohabitación con el huésped, la resistencia a los antibióticos o, más en general, las numerosas influencias positivas o negativas que el microbioma tiene en la salud humana.

Por sorprendente que pueda parecer, desconocemos buena parte de las funciones de los genes de los microbios

Por sorprendente que pueda parecer, desconocemos buena parte de las funciones de los genes de los microbios. Este vacio de conocimiento puede considerarse como “materia oscura genómica” de los microbios, y ni la genómica comparativa ni las técnicas de laboratorio actuales han podido desentrañarla.

Este desafío ha sido abordado por una colaboración científica internacional entre el Instituto de Investigación Biomédica (IRB Barcelona) y otros dos institutos de investigación, el IJS en Ljubljana (Eslovenia) y el RBI en Zagreb (Croacia). Sus hallazgos se han publicado en Microbiome.

Fran Supek, biólogo computacional líder del Laboratorio Genome Data Science del IRB Barcelona, que ha dirigido el trabajo, y el primer autor de la publicación, Vedrana Vidulin, desarrollaron una nueva metodología computacional capaz de examinar miles de metagenomas a la vez e identificar la señal evolutiva que puede predecir la función de muchos genes de los microbios.

Este método, que analiza el big data de microbiomas humanos (de intestino y piel, por ejemplo) y otros metagenomas (del suelo o del océano, por ejemplo), se basa en un tipo especial de algoritmo de aprendizaje automático: puede generar "árboles de decisión" para predecir cientos de funciones genéticas diferentes a la vez, encontrando vínculos entre genes y al mismo tiempo prediciendo las funciones que desarrollan en la célula microbiana.

“Esto hace que el algoritmo no se confunda con el ruido en los datos metagenómicos, lo que significa que es muy preciso y puede proponer de forma fiable un papel biológico para una gran cantidad de genes de función desconocida. Además, curiosamente, también propone muchas funciones adicionales para los genes que ya se conocían”, destaca Supek.

El hallazgo más importante que surge de esta investigación es que el análisis de microbiomas humanos y otros datos metagenómicos, como los del océano o el suelo, permite a los investigadores asignar cientos de funciones genéticas que estaban fuera del alcance de los métodos actuales de la genómica computacional.

“Los metagenomas permiten a los científicos ver lo que los genomas no pueden mostrarles”, dice el investigador

“En otras palabras, los metagenomas permiten a los científicos ver lo que los genomas no pueden mostrarles”, dice el investigador croata, recientemente premiado con una beca del Consejo Europeo de Investigación (ERC, por sus siglas en inglés).

La diversidad es la clave

Los investigadores han encontrado que diferentes tipos de entornos pueden predecir diferentes tipos de funciones génicas. Por ejemplo, los metagenomas del océano pueden usarse para predecir qué genes usan las bacterias para la fotosíntesis, mientras que esto no podría haberse descubierto a partir de las bacterias que habitan el intestino humano. Por otro lado, el microbioma intestinal ha sido muy útil para predecir genes importantes para la patogénesis, para cierto metabolismo del alcohol, o la biosíntesis de ciertos aminoácidos, mientras que estas funciones hubieran sido difíciles de descubrir estudiando microbiomas procedentes del medio ambiente.

Los autores concluyen que, mediante la aplicación de aprendizaje automático, un conjunto grande y diverso de entornos permite aprender sobre muchas funciones génicas diferentes en microbios. “Los métodos computacionales como este están arrojando luz sobre la "materia oscura” (la cantidad enorme de genes en bacterias y en arqueas cuya función todavía no se comprende) en genomas microbianos”, señala Supek.

Estos miles de predicciones computacionales necesitarán ser validadas en experimentos, y una vez que esto ocurra, podrían descubrirse nuevos genes relevantes para explicar cómo las bacterias dan forma a los ecosistemas que nos rodean y también a nuestro ecosistema interior, el microbioma humano.

Referencia bibliográfica:

Vedrana Vidulin, Tomislav Šmuc, Sašo Džeroski and Fran Supek. "The evolutionary signal in metagenome phyletic profiles predicts many gene functions" Microbiome (2018) 6:129 Doi: https://doi.org/10.1186/s40168-018-0506-4

Fuente: IRB Barcelona
Derechos: Creative Commons
Artículos relacionados