Al predecir la función de una comunidad microbiana, la simplicidad puede ser mejor.

A medida que los biólogos aprenden más sobre cómo trabajan juntas las comunidades microbianas, el objetivo principal es comprender cómo sus componentes determinan la función. ¿Qué combinación de especies y especies forma el mejor grupo para descomponer la contaminación, por ejemplo, o combatir las infecciones? Durante años, los científicos han intentado resolver este problema calculando cómo interactúan los microorganismos entre sí, pero la combinación de microbios es casi infinita en cada comunidad, estos cálculos son casi imposibles.

Un nuevo estudio realizado por investigadores de la Universidad de Chicago, la Universidad de Yale y la Universidad de Washington en St. Louis. Louis sugiere que adoptar un enfoque simple podría ser mejor. En un papel impreso en Ecología y evolución natural. El 2 de octubre de 2023 presentan un modelo estadístico que puede predecir con precisión la función de la comunidad microbiana considerando la presencia o ausencia de diferentes especies y no los detalles de sus interacciones.

Este enfoque funciona con múltiples conjuntos de datos de diferentes ecosistemas, lo que demuestra que puede resultar útil para diseñar comunidades microbianas con funciones específicas para muchas aplicaciones diferentes.

«Predecir utilizando métodos estándar es un desafío y requiere muchos datos», dijo Seppe Kuehn, Ph.D., profesor asistente de Ecología y Evolución en UChicago y coautor del estudio. «En algunos casos, ese enfoque ha tenido éxito. Pero lo sorprendente de nuestro artículo es que sólo podemos tener éxito si ignoramos todo eso».

Los investigadores han utilizado conceptos tomados de la genética. La forma en que las mutaciones genéticas afectan la capacidad física o la capacidad de un organismo para sobrevivir y transmitir material genético a la descendencia se conoce comúnmente como «paisaje de aptitud física». En esta imagen, se supone que una combinación de mutaciones es un punto en un “mapa” abstracto de posibles organismos. La altura del paisaje sobre cada punto corresponde a la aptitud del organismo. El resultado parece un mapa topográfico con picos y valles que representan cuerpos altos y bajos.

En un nuevo estudio, en lugar del paisaje, los investigadores consideraron aspectos similares de la función de la comunidad en los que la adición o eliminación de especies es similar a la «transformación» y que la parte superior de la topografía representa una comunidad con una mayor tasa de producción de componentes. Alguno.

En principio, el aspecto de estos paisajes puede ser arbitrariamente complejo o «áspero», con muchos picos y valles. Pero al probar este método en seis conjuntos de datos de diferentes laboratorios, el equipo descubrió que el panorama era sorprendentemente fluido. Esta suavidad significa que la apariencia del paisaje se puede estimar con datos mínimos, lo que permite a los investigadores predecir las funciones de la comunidad, así como enfoques más complejos que tienen en cuenta el potencial y la diversidad de las especies.

La simplicidad del método puede contribuir a su solidez. «Este modelo funciona bien en comparación con otros métodos estadísticos, pero lo más importante es que parece funcionar bien en diferentes conjuntos de datos», dijo Abby Skwara, autora principal del estudio y estudiante de posgrado. «Cada uno con diferentes microbios para diferentes funciones». UChicago y ahora es estudiante de posgrado en la Universidad de Yale.

De los seis ejemplos probados por un investigador, la comunidad microbiana pudo producir butirato, un ácido graso de cadena corta esencial para una digestión saludable. Otro conjunto de datos midió la separación del polvo.

Los investigadores esperan que el nuevo modelo de paisaje pueda proporcionar una herramienta que ayude a diseñar una comunidad microbiana para un propósito específico, como separar contaminantes del medio ambiente en el suelo o producir los solventes adecuados para ayudar a restaurar un sistema digestivo saludable. En el proceso, también puede conducir a una mejor comprensión de cómo funciona la comunidad microbiana en primer lugar.

Mijail Tikhonov, Ph.D. «El éxito de este enfoque simple es tan impresionante que contradice nuestra intuición sobre las complejidades de la ecología», dijo el profesor asistente de Física en WashU y coautor principal. «Aquí las comunidades son complejas, pero el panorama de sus funciones no existe. Comprender por qué esto es una cuestión apasionante para la teoría».