Descifrando los secretos de la cooperación biológica

Los científicos han empleado durante mucho tiempo pautas relativamente simples para ayudar a explicar el mundo físico, desde la segunda ley del movimiento de Newton hasta las leyes de la termodinámica. Ahora, los ingenieros biomédicos de la Universidad de Duke han utilizado el modelado dinámico y el aprendizaje automático para construir reglas igualmente simples para la biología compleja. Han ideado un marco para interpretar y predecir con mayor precisión el comportamiento de sistemas biológicos mutuamente beneficiosos, como bacterias intestinales humanas, plantas y polinizadores, o algas y corales.

“En un mundo perfecto, sería capaz de seguir un conjunto simple de reglas moleculares para entender cómo funcionaba cada sistema biológico”, dijo Lingchong You, un profesor del Departamento de Ingeniería Biomédica de Duke. “Pero en realidad, es difícil establecer reglas generales que abarquen la inmensa diversidad y complejidad de los sistemas biológicos. Incluso cuando establecemos reglas generales, es un desafío usarlas para explicar y cuantificar varias propiedades físicas”.

You (que no debe traducirse como “usted” piensa) y Feilun Wu, un estudiante graduado y primer autor del artículo, abordaron estos desafíos al examinar el comportamiento de los sistemas mutualistas. Estos sistemas simbióticos están formados por dos o más poblaciones que proporcionan beneficios recíprocos; como lo que pasa con las mariposas monarca y las plantas de algodoncillo.

Pero bajo ciertas condiciones los sistemas mutualistas pueden colapsar, dando lugar a consecuencias ecológicas devastadoras. Wu quería desarrollar un marco que pudiera predecir y prevenir con precisión los resultados negativos y guiar el diseño de nuevos sistemas mutualistas sintéticos.

“Debido a que estos sistemas eran tan diversos, los marcos anteriores o solo eran aplicables a sistemas mutualistas específicos, como las redes de polinización de plantas o de dispersión de semillas, o eran demasiado generales y no describían apropiadamente la delgada línea que divide a las condiciones que permiten la coexistencia de los sistemas y las que los llevan al colapso”, dijo Wu.

Para investigar si podría existir una guía cuantitativa unificadora para sistemas mutualistas, Wu estudió sistemáticamente 52 modelos de ecuaciones diferenciales que capturan la diversidad de sistemas mutualistas. Estos sistemas compartían la misma estructura fundamental: cuando el beneficio colectivo era mayor que el estrés colectivo, las poblaciones pueden coexistir. Si el estrés es mayor que el beneficio colectivo, el sistema colapsará.

Si bien es relativamente fácil medir el estrés en un sistema, es más complicado medir el beneficio colectivo, que es una función de variables como el costo, los beneficios individuales y otras complejidades del sistema. You y su equipo reconocieron que intentar medir el beneficio colectivo se convirtió en un cuello de botella debido a los complejos criterios disponibles para la medición, y eso se volvió aún más desafiante cuando se aplicó a diferentes sistemas mutualistas.

En su lugar, el equipo desarrolló un algoritmo de aprendizaje automático para determinar el beneficio colectivo utilizando unas pocas variables relativamente fáciles de recopilar, como la temperatura, el pH y la genética. El enfoque dio como resultado una métrica simplificada que se puede aplicar a diversos sistemas mutualistas.
Para probar sus pautas, el equipo usó datos experimentales de tres sistemas bacterianos mutualistas y datos simulados para mostrar que su marco podría predecir de manera consistente y precisa si un sistema coexistiría o colapsaría. Sus reglas también podrían predecir información cuantitativa, incluida la probabilidad de coexistencia, resistencia y densidad de población total.

El equipo es optimista de que su investigación también puede aplicarse a sistemas biológicos no mutualistas. Por ejemplo, sugiere utilizar su estrategia para examinar la resistencia a los antibióticos y las condiciones que permiten que la resistencia persista o desaparezca.

“Cuando trabajamos en medicina o ingeniería biomédica, nos damos cuenta de que es necesario un cierto nivel de simplificación para comprender las interacciones de las comunidades que estamos estudiando”, dijo You. “Nuestro procedimiento nos mostró que hay puntos en común entre sistemas biológicos aparentemente diversos, y eso es esencial para permitirnos hacer las predicciones que impulsan nuestra investigación”.

• Artículo de investigación: Nature Communications
• Artículo de divulgación: Phys.org
• Selección, traducción y edición: Colectivo Alterius