AI que descifra el lenguaje genómico traza un mapa de simbiosis de 100,000 especies microbianas en la Tierra
Contexto
La simbiosis microbiana desempeña funciones amplias, desde la adquisición de nutrientes y resistencia al estrés, defensa contra enfermedades hasta ciclos de carbono y nitrógeno en los ecosistemas. Sin embargo, una gran proporción de bacterias y arqueas no se cultivan en el laboratorio, lo que dificulta confirmar con quién y cómo sobreviven. Los genomas de simbióticos conocidos estaban sesgados hacia especies aisladas de humanos o animales, y hacia especies fáciles de cultivar, dificultando estimar la escala real de relaciones simbióticas en los ecosistemas.
Los simbióticos tienden a perder genes metabólicos y regiones genómicas innecesarias a medida que aumenta su dependencia del huésped. Sin embargo, no es posible determinar la simbiosis solo por el tamaño del genoma. Los microbios libres también pueden reducir su genoma durante la adaptación ambiental, y las especies con asociaciones flojas al huésped suelen mantener capacidades metabólicas completas. Los investigadores consideraron que un sistema de aprendizaje automático que lea combinaciones funcionales a nivel genómico, en lugar de genes individuales, podría superar esta limitación, distinguiendo entre formas libres, asociadas al huésped y absolutamente intracelulares.
Hallazgo clave
Los investigadores desarrollaron un marco predictivo de simbiosis llamado 'symclatron'. Primero, inferieron conjuntos ortogonales de genes a partir de 792 proteomas simbióticos seleccionados en principales grupos filogenéticos, y construyeron 26,3 perfiles ocultos de Markov en grupos con cinco o más miembros. Luego, clasificaron 6,751 genomas microbianos con historia de vida confirmada en 5,959 libres, 409 asociados al huésped y 383 absolutamente intracelulares, usándolos como datos de entrenamiento.
El clasificador 'symcla' y el modelo de regresión 'symreg', que representan la dependencia del huésped como valor continuo, recibieron 1,000 características con mayor influencia cada uno. La red neuronal final integró siete factores: predicciones de ambos modelos, integridad genómica y distancia filogenética con los datos de entrenamiento. Los investigadores también realizaron validación cruzada por grupo filogenético, excluyendo sucesivamente 11,025 linajes desde la especie hasta el filo, para probar no solo la capacidad de identificar parientes cercanos ya vistos, sino también su aplicabilidad a linajes no entrenados.
En los datos de validación, las puntuaciones F1 para formas libres, asociadas al huésped y absolutamente intracelulares fueron 0.982, 0.699 y 0.908, respectivamente. Clasificó correctamente el 97.6% de los simbióticos absolutamente intracelulares, y el 5.2% de los asociados al huésped se clasificó como absolutamente intracelulares, mientras que el 2.3% de los absolutamente intracelulares se clasificó como asociados al huésped, lo que reflejó la naturaleza continua del límite biológico entre ambas categorías.
El 'symclatron' se aplicó a genomas de metagenomas reconstruidos de 31,152 proyectos de secuenciación ambiental y a genomas de referencia. Tras eliminar duplicados según criterios de calidad y alineamiento promedio del 95%, se obtuvieron 107,067 genomas bacterianos y arqueales. Con un umbral de confianza de 0.725, se identificaron 14,070 como simbióticos, lo que representa aproximadamente el 14%, o uno de cada siete. En los metagenomas, la proporción varió entre el 15 y el 23%, y se encontraron candidatos en la mitad de los filos bacterianos y arqueales conocidos. Estos genomas se publicaron como el catálogo 'Genomas Simbióticos (SymGs)'.
Significado y perspectivas
Este estudio abre una vía para seleccionar a gran escala la posibilidad de simbiosis solo con huellas funcionales genómicas, sin necesidad de cultivo ni observación del huésped. El modelo clasificó como absolutamente intracelulares a linajes como 'Candidatus Azoamicus ciliaticola', que suministra energía a ciliados, y al arquea recientemente reportado 'Candidatus Sukunaarchaeum mirabile', lo que sugiere que puede explorar relaciones de dependencia no solo entre eucariotas, sino también entre bacterias y arqueas.
Sin embargo, se requiere cautela en la interpretación. Los datos de entrenamiento estaban sesgados hacia bacterias asociadas a eucariotas y con pocos casos de arqueas. El rendimiento disminuyó en grupos filogenéticos distantes, y la puntuación F1 de los asociados al huésped fue menor que en los otros dos grupos. Además, no es posible determinar con solo predicciones si la interacción es mutualista o parasitaria, ni identificar el socio exacto. Por lo tanto, el 'SymGs' no es una lista definitiva de simbióticos, sino más bien una guía de prioridades para estudios posteriores, como cultivos, observaciones microscópicas, análisis de células individuales y experimentos metabólicos.
Nature Biotechnology, Publicado en línea: 2 de septiembre de 2026; doi:10.1038/s41587-026-03212-2Un marco de aprendizaje automático llamado 'symclatron' utiliza el contenido de secuenciación genómica para predecir si bacterias y arqueas no cultivables viven de forma independiente o en asociación estrecha con huéspedes. Aplicado a una colección global de genomas, sugiere que los microbios dependientes del huésped son ampliamente distribuidos a través de los biomas y filos microbianos de la Tierra.
Al introducir genomas microbianos obtenidos de muestras ambientales en el 'symclatron', se pueden priorizar candidatos con alta probabilidad de dependencia del huésped. Por ejemplo, en el rizosfera de cultivos, se pueden seleccionar candidatos relacionados con la absorción de nutrientes o la supresión de patógenos para diseñar comunidades microbianas sintéticas, o en muestras marinas, se pueden rastrear pares simbióticos que median ciclos de carbono y nitrógeno. En microbiomas de humanos y ganado, se pueden predecir deficiencias metabólicas en bacterias difíciles de cultivar, ayudando a diseñar medios personalizados y condiciones de co-cultivo. Sin embargo, para adoptar cepas industriales o terapéuticas, se requiere confirmación del huésped, validación funcional y evaluación de seguridad biológica.