Predicción de la presencia de hidrocarburos en sedimentos marinos de filtración fría utilizando modelos de...

Área de la Ciencia:

• Microbiología y geoquímica marina
• Aplicaciones de bioinformática y aprendizaje automático
• Estudios de la interfaz entre la biosfera y la geosfera

Sus antecedentes:

• La filtración de hidrocarburos influye en los microbiomas bentónicos marinos.
• La composición de la comunidad microbiana puede indicar la presencia de hidrocarburos.
• La predicción de los sitios de filtración de hidrocarburos es crucial para la exploración y el monitoreo ambiental.

Objetivo del estudio:

• Para probar modelos de aprendizaje automático para predecir la presencia de hidrocarburos en sedimentos marinos utilizando datos del amplicón del gen 16S rRNA.
• Identificar los taxones microbianos más indicativos de la filtración de hidrocarburos en las diferentes cuencas marinas.
• Evaluar la viabilidad de modelos predictivos generalizados en ubicaciones geográficamente distintas.

Principales métodos:

• Se utilizaron datos de secuenciación del amplicón de genes de ARNr 16S de 377 muestras de sedimentos marinos.
• Empleó la plataforma AutoML de H2O para entrenar y comparar modelos de aprendizaje automático, centrándose en las máquinas de aumento de gradiente.
• Las puntuaciones de importancia de las características analizadas para identificar los taxones microbianos de diagnóstico para la presencia de hidrocarburos.

Principales resultados:

• Las máquinas de aumento de gradiente lograron la mayor precisión de predicción para la presencia de hidrocarburos.
• Los taxones microbianos específicos, incluidos * Aminicenantia * y * Campylobacterota * en el Golfo de México, y * Campylobacterota * y el grupo JS1 en la ladera escocesa, fueron indicadores clave.
• Los modelos mostraron una alta precisión dentro de las cuencas, pero una precisión reducida en las predicciones entre cuencas; sin embargo, los modelos combinados con la selección de características mejoraron el rendimiento.

Conclusiones:

• La taxonomía microbiana, analizada a través del aprendizaje automático, muestra un potencial significativo para predecir los sitios de filtración de hidrocarburos.
• Si bien existen comunidades microbianas específicas de la cuenca, los modelos generalizados son factibles con una cuidadosa selección de características.
• Este enfoque interdisciplinario integra la bioinformática y la geoquímica, ofreciendo una herramienta poderosa para comprender los fenómenos oceanográficos y geológicos.