Models trained with noisy genomes extend bacterial phenotype prediction into deep time
Mediante el entrenamiento de modelos de aprendizaje automático con contenido génico bacteriano y aumentación de ruido para mejorar la generalización a través de distancias evolutivas, los investigadores predijeron con éxito fenotipos ancestrales y concluyeron que el último ancestro común bacteriano era probablemente un organismo anaerobio, de doble membrana y moderadamente termofílico.
Artículo original bajo licencia CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Esta es una explicación generada por IA de un preprint que no ha sido revisado por pares. No es consejo médico. No tome decisiones de salud basándose en este contenido. Leer descargo de responsabilidad completo
Imagina que tienes una biblioteca masiva de manuales de instrucciones (genomas) de cada bacteria viviente que puedas encontrar hoy en día. Los científicos ya han descubierto cómo usar esos manuales modernos para predecir cómo se ven las bacterias y cómo se comportan (sus fenotipos), algo así como adivinar la velocidad de un coche simplemente leyendo el manual de su motor.
Este artículo trata sobre tomar esa idea y retroceder el reloj miles de millones de años para adivinar cómo eran las primeras bacterias.
Aquí tienes el desglose sencillo de cómo lo hicieron y qué encontraron:
La máquina del tiempo "ruidosa"
Los investigadores construyeron un modelo informático (un algoritmo de aprendizaje automático) para aprender la conexión entre los genes de una bacteria y sus rasgos. Sin embargo, hay un problema: cuanto más atrás en el tiempo vas, más cambian y se desordenan los "manuales de instrucciones". Es como intentar leer una receta de hace 1,000 años donde faltan algunas palabras y otras están mal escritas.
Para solucionar esto, los científicos hicieron algo ingenioso: añadieron "ruido" intencionalmente (errores aleatorios o piezas faltantes) a los datos genéticos modernos mientras entrenaban a su computadora. Piensa en ello como practicar para un examen estudiando con un libro de texto borroso y ligeramente dañado. Al aprender a hacer buenas conjeturas incluso cuando los datos son desordenados, la computadora se volvió mucho mejor para manejar los datos genéticos "difusos" de los ancestros antiguos.
Los resultados: ¿Qué tan atrás pudieron ver?
El modelo funcionó de manera diferente dependiendo del rasgo:
- Los rasgos de la visión general: Para características complejas que dependen de que muchos genes diferentes trabajen juntos —como si una bacteria necesita oxígeno, cómo es su capa externa o qué temperatura le gusta—, el entrenamiento "ruidoso" permitió al modelo ver claramente hasta el mismísimo principio del árbol genealógico bacteriano.
- Los rasgos específicos: Para rasgos más simples o específicos, como la composición química de su ADN o si pueden formar esporas, la visión del modelo se volvió borrosa mucho antes. No pudo predecir estos rasgos de manera confiable tan atrás en el tiempo.
El retrato de la primera bacteria
Debido a que el modelo podía ver los rasgos de la "visión general" con tanta claridad, los científicos pudieron pintar un cuadro del Último Ancestro Común Bacteriano (LBCA) —el tatarabuelo de todas las bacterias vivas hoy en día.
Basándose en sus hallazgos, este ancestro antiguo era probablemente:
- Anaerobio: No necesitaba oxígeno para sobrevivir (vivía en un mundo sin él).
- De doble membrana: Tenía una piel exterior de doble capa.
- Termófilo: Amaba el calor, prosperando en temperaturas entre 46 °C y 75 °C (aproximadamente 115 °F a 167 °F).
La conclusión
En resumen, al enseñar a las computadoras a manejar datos "desordenados", los investigadores crearon una nueva forma de mirar hacia el pasado profundo. Lograron usar este método para deducir cómo eran las primeras bacterias, demostando que podemos aprender sobre la evolución temprana de la vida estudiando las pistas genómicas dejadas atrás.
¿Ahogado en artículos de tu campo?
Recibe resúmenes diarios de los artículos más novedosos que coincidan con tus palabras clave de investigación — con resúmenes técnicos, en tu idioma.