El aprendizaje automático integrador y el análisis RT-qPCR identifican genes clave que responden al estrés en Thermus...

Área de la Ciencia:

• Microbiología y Biología Molecular
• Bioinformática y biología computacional

Sus antecedentes:

• Las bacterias como Thermus thermophilus poseen complejos mecanismos de adaptación para sobrevivir a las tensiones ambientales.
• Los extremófilos ofrecen modelos valiosos para estudiar las respuestas al estrés.
• La inteligencia artificial, especialmente el aprendizaje automático, está revolucionando el descubrimiento de biomarcadores.

Objetivo del estudio:

• Identificar los genes clave en Thermus thermophilus HB8 involucrados en la adaptación al estrés utilizando datos transcriptómicos.
• Aplicar algoritmos de aprendizaje automático para la clasificación de muestras y la priorización de características.
• Para validar funcionalmente los genes candidatos que responden al estrés.

Principales métodos:

• Análisis de los datos transcriptómicos de 65 muestras de T. thermophilus HB8 bajo diversas tensiones abióticas.
• Aplicación de algoritmos de aprendizaje automático supervisado, incluido el aumento de gradiente extremo (XGBoost) y el bosque aleatorio (RF), para la clasificación.
• Análisis de la importancia de las características para identificar los genes candidatos.
• La PCR cuantitativa por transcripción inversa (RT-qPCR) para la validación funcional.
• Análisis filogenético para determinar la especificidad genética.

Principales resultados:

• Los modelos XGBoost y RF lograron un alto rendimiento de clasificación, con XGBoost mostrando una discriminación perfecta (AUC = 1,00) entre las muestras estresadas y de control.
• El análisis de la importancia de las características destacó consistentemente TTHA0029, TTHA1720 y TTHA1359 como genes clave.
• RT-qPCR confirmó una regulación significativa de TTHA0029 y TTHA1720 bajo estrés de sal y peróxido de hidrógeno.
• El análisis filogenético indicó que estos genes son específicos del género Thermus.

Conclusiones:

• TTHA0029 y TTHA1720 juegan un papel importante en la tolerancia al estrés, probablemente involucrados en la regulación redox y la homeostasis iónica en T. thermophilus.
• El aprendizaje automático es una herramienta poderosa para descubrir biomarcadores sensibles al estrés en bacterias extremófilas.
• Los genes identificados representan objetivos potenciales para la ingeniería genética para mejorar la resistencia al estrés en microorganismos y cultivos.