BAQLaVa: Perfilado viral multiómico mejorado a partir de secuenciación de comunidades microbianas

Área de la Ciencia:

• Microbiología
• Virología
• Bioinformática

Sus antecedentes:

• Los virus son componentes esenciales pero a menudo indetectados de los ecosistemas microbianos.
• Las tecnologías actuales enfrentan limitaciones en la detección viral experimental y analítica.
• La comprensión de las comunidades virales es crucial para la investigación de la salud y las enfermedades humanas.

Objetivo del estudio:

• Desarrollar un novedoso algoritmo, BAQLaVa, para el perfilado viral de alta resolución.
• Mejorar la detección y el análisis de especies virales en muestras biológicas complejas.
• Investigar la dinámica de las comunidades virales en las enfermedades inflamatorias intestinales (EII).

Principales métodos:

• Desarrolló el algoritmo BAQLaVa para el perfilado de agrupaciones de genomas virales (VGB) utilizando alineación basada en referencias.
• Utilizó marcadores de nucleótidos y conjuntos de proteomas para mejorar la detección viral.
• Aplicó BAQLaVa a muestras de metagenoma (MGX) y metatranscriptoma (MTX) de la cohorte HMP2 IBDMDB.

Principales resultados:

• BAQLaVa logró una recuperación y precisión a nivel de especie >90%, superando a los métodos existentes.
• Identificó una reducción de la diversidad del viroma que se correlaciona con la diversidad bacteriana durante la inflamación de la EII.
• Descubrió el enriquecimiento de virus específicos en la EII, asociados con sistemas anti-defensa y la regulación de la lisogenia.
• Infirió relaciones fago-huésped utilizando señales escalables de co-ocurrencia y co-variación.

Conclusiones:

• BAQLaVa ofrece un marco escalable para el perfilado viral sensible y específico a partir de datos MGX y MTX.
• El algoritmo facilita la epidemiología del viroma y el análisis sistemático de las interacciones virus-huésped.
• Los hallazgos revelan nuevas perturbaciones y dinámicas virales asociadas con la EII.