China – Científicos desarrollan una base de datos abierta sobre el perfil metabólico de las diferentes especies de microalgas.
Las microalgas son organismos “simples” de células individuales, pero tienen un gran potencial cuando se trata de ayudar a la humanidad a lograr la neutralidad de carbono, según los investigadores de la Qingdao Institute of Bioenergy and Bioprocess Technology (QIBEBT) de la Chinese Academy of Sciences (CAS).
Las actividades metabólicas de las microalgas juegan un papel fundamental en el ciclo global del carbono y convierten el dióxido de carbono en una amplia variedad de macromoléculas de alto valor.
Los investigadores de QIBEBT han desarrollado una forma de determinar rápidamente qué microalgas, entre millones de variaciones, pueden convertir más fácilmente el dióxido de carbono en compuestos valiosos que se pueden usar para combustibles, alimentos y medicamentos.
Sin embargo, el enfoque actual para identificar las microalgas y comprender su actividad metabólica implica cultivar y estudiar cada especie.
“Esto es lento y tedioso”, manifestó el primer autor Mohammadhadi Heidari Baladehi, estudiante de doctorado en el Single-Cell Center and CAS Key Laboratory of Biofuels en el QIBEBT.
“Además, la gran mayoría de las microalgas aún no se cultivan”.
Para acelerar la evaluación de las microalgas, los investigadores emplearon la microespectroscopía Raman, que produce imágenes que revelan las actividades metabólicas de la célula.
Base de datos Ramanomes
En esta investigación, Heidari Baladehi y su equipo establecieron una base de datos “Ramanomes” para las microalgas, o colección de espectros unicelulares Raman.
La base de datos consiste de más de 9,000 células de diversas especies de microalgas conocidas.
Para demostrar el poder de la base de datos en la rápida identificación y la caracterización funcional de las microalgas, ellos aplicaron un enfoque de aprendizaje automático, lo que significa que a medida que se agregaba más información al sistema, más aprendía el sistema para identificar patrones funcionales y genéticos entre diferentes organismos.
Baladehi dijo que una de las fortalezas de su enfoque fue combinar dos “retratos” basados en Raman, uno para los pigmentos y otro para todos los demás compuestos de la célula.
La mayoría de los enfoques actuales recopila solo uno de los dos “retratos” y, por lo general, no los recopilan de la misma célula.
Los investigadores de QIBEBT propusieron combinar los dos retratos, de modo que se pueda obtener una gama de información mucho más completa.
Con los “retratos” combinados y el algoritmo de aprendizaje automático, su sistema puede identificar especies y sus funciones metabólicas con un 97% de precisión, para aquellas microalgas ya cultivadas y registradas en la base de datos.
Además, para aquellas especies de microalgas que no se han cultivado, los científicos de QIBEBT inventaron una estrategia diferente: las células son fotografiadas para los dos “retratos” Raman para perfilar sus funciones metabólicas primero, y luego se clasifican y secuencian el genoma, una célula por vez.
Los investigadores lo lograron usando un instrumento desarrollado en Single-Cell Center llamado RACS-Seq.
El instrumento es único en su capacidad para producir secuencias de genoma de alta calidad para las células objetivo, a la resolución de precisamente una célula, después de recolectar la señal Raman.
“Este enfoque integral para identificar rápidamente y perfilar metabólicamente células individuales, ya sean cultivadas o no cultivadas, acelera en gran medida la extracción y el cribado de fábricas de células de microalgas para la producción de carbono neutral” destacó Xu Jian, director de Single-Cell Center y autor principal del estudio.
Basado en su base de datos Microalgal Ramanome, los investigadores han establecido una plataforma web de acceso abierto, para respaldar el sistema de identificación basado en funciones: http://mard.single-cell.cn/
Los investigadores planean desarrollar aún más su base de datos de otra clases de organismos vivos de la Tierra.
El Ministry of Science and Technology of China, la National Natural Science Foundation of China, y CAS financiaron el estudio.
Referencia (acceso abierto):
Mohammadhadi Heidari Baladehi, Maryam Hekmatara, Yuehui He, Yogendra Bhaskar, Zengbin Wang, Lu Liu, Yuetong Ji, and Jian Xu. Culture-Free Identification and Metabolic Profiling of Microalgal Single Cells via Ensemble Learning of Ramanomes. Analytical Chemistry Article ASAP DOI: 10.1021/acs.analchem.1c01015
