Multi-omics network modeling reveals rumen-to-serum metabolic axes associated with multi-trait performance in Hu sheep

Resumen Técnico: Modelado de Redes Multi-ómicas de los Ejes Metabólicos Rumen-Suero en Ovejas Hu

Planteamiento del Problema
La producción de rumiantes depende del microbioma del rumen para convertir las fibras vegetales en energía y proteínas. Aunque estudios previos han identificado biomarcadores taxonómicos asociados con la eficiencia alimentaria, las características metabólicas transcompartimentales que distinguen a los animales con un rendimiento de crecimiento superior no han sido caracterizadas suficientemente. Específicamente, no está claro si configuraciones microbianas ruminales distintas (enterotipos) están vinculadas a estados metabólicos ruminales y sistémicos coordinados que sustenten una mayor ingesta de alimento y crecimiento, particularmente en sistemas de engorde intensivo donde la producción depende de estrategias vinculadas al apetito más que de simples mecanismos de ahorro de alimento.

Metodología
El estudio empleó un marco multi-ómico paso a paso, dirigido por hipótesis, que involucró 115 corderos de raza Hu bajo condiciones de alimentación estandarizadas (80–180 días de edad).

1. Enterotipado: La cohorte completa (n=115) fue clasificada en dos enterotipos de rumen (E1 y E2) utilizando el perfilado del gen 16S rRNA y la agrupación por Partición Alrededor de Medoides (PAM) basada en distancias de Jensen-Shannon.
2. Subcohorte Multi-ómica: Se seleccionó un subconjunto estructuralmente representativo (n=15; E1: n=5, E2: n=10) para un fenotipado profundo. Esto incluyó:
   • Secuenciación de Metagenómica: Secuenciación de lectura larga (shotgun) para evaluar el potencial funcional (CAZymes, vías KEGG).
   • Metabolómica No Dirigida: Análisis LC-MS tanto del fluido ruminal como del suero para identificar diferencias metabólicas.
3. Integración Estadística:
   • Se realizaron análisis de abundancia diferencial y de correlación utilizando ANCOM-BC2, ALDEx2 y correlaciones de Spearman.
   • Modelado de Ecuaciones Estructurales por Mínimos Cuadrados Parciales (PLS-PM): Se construyó un modelo de variables latentes de 7 bloques para cuantificar las asociaciones estructuradas entre gremios microbianos, metabolitos ruminales, metabolitos séricos y fenotipos del huésped. Este enfoque se utilizó para organizar las asociaciones en lugar de probar la causalidad directa.

Resultados Clave
El estudio identificó dos enterotipos de rumen distintos asociados con divergentes resultados de crecimiento y organizaciones metabólicas:

• Enterotipo E1 (Promotor del Crecimiento):

  • Composición Microbiana: Enriquecido en Prevotella, Succinivibrionaceae UCG-001 y Acidaminococcus.
  • Potencial Funcional: Mayor abundancia de enzimas de degradación de carbohidratos (GH28, GH35, CE12, CE15) y vías relacionadas con el metabolismo de la pirimidina y los azúcares amino.
  • Metabolitos Ruminales: Enriquecido en Pro-Ala, citrulina y derivados del ácido indolacético.
  • Metabolitos Séricos: Vinculado a niveles circulantes más altos de intermediarios del ciclo de la TCA (ácido fumárico, 2-oxoglutarato) e ácido indol-3-láctico.
  • Fenotipos: Asociado con una Ingesta Diaria Media de Alimento (ADFI) y Ganancia Diaria Media (ADG) significativamente mayores durante el periodo de 140–160 días, así como un mayor peso vivo, peso de la canal, peso del hígado y peso del rumen.

• Enterotipo E2 (Restringido al Crecimiento):

  • Composición Microbiana: Enriquecido en el grupo Christensenellaceae R-7, el grupo intestinal Rikenellaceae RC9 y el grupo Lachnospiraceae XPB1014.
  • Potencial Funcional: Mayor abundancia de enzimas como GH30, GH36, GT1 y CBM51, y vías relacionadas con el proteasoma y la digestión de grasas.
  • Metabolitos Ruminales: Acumulación de piocheilina, D-xilosa, caverina y L-lisina.
  • Metabolitos Séricos: Vinculado a leucil-triptófano y D-aspártico.
  • Fenotipos: Asociado con menor ADFI y ADG durante la etapa final de engorde, y reducción en los pesos de hígado y de la canal.

Modelado de Ruta Integrado (PLS-PM)
El PLS-PM reveló dos rutas de asociación contrastantes:

1. El Eje "Promotor" (E1): Una ruta desde el gremio centrado en Prevotella $\rightarrow$ precursores ruminales (Pro-Ala, citrulina) $\rightarrow$ metabolitos energéticos séricos (ácido fumárico, 2-oxoglutarato) $\rightarrow$ fenotipos de crecimiento positivo (ADFI, ADG, peso de la canal).
2. El Eje de "Estancamiento" (E2): Una ruta desde el gremio centrado en Christensenellaceae/Rikenellaceae $\rightarrow$ sustratos/acumulación ruminal (piochelina, D-xilosa, caverina) $\rightarrow$ marcadores de estrés sérico (leucil-triptófano, D-aspártico) $\rightarrow$ fenotipos de crecimiento negativo.

Significancia y Reivindicaciones
Los autores afirman que distintos enterotipos de rumen están asociados con diferentes organizaciones metabólicas de rumen-a-suero que impulsan la divergencia del crecimiento en ovejas Hu.

• Perspectiva Mecanística: El estudio va más allá de la abundancia de una sola especie para definir "gremios funcionales" (por ejemplo, el gremio asociado a Prevotella) que coordinan el metabolismo de la energía y el nitrógeno.
• Coordinación Metabólica: Destaca que los metabolitos ruminales como la citrulina y la Pro-Ala pueden servir como nodos transcompartimentales que vinculan la actividad microbiana con los estados energéticos sistémicos (intermediarios del ciclo de la TCA) y el rendimiento del crecimiento.
• Dependencia del Contexto: Los hallazgos sugieren que el grupo Christensenellaceae R-7, a menudo asociado con la delgadez en humanos, está vinculado a resultados de crecimiento menos favorables en sistemas de producción intensiva de rumiantes.
• Aplicación Práctica: Los autores proponen que estos hallazgos proporcionan un marco basado en datos para la futura validación mecánica y sugieren que el objetivo de la ensambladura microbiana del rumen en las primeras etapas de la vida podría ser una estrategia para mejorar el rendimiento del engorde y el rendimiento de la canal. Declaran explícitamente que el PLS-PM sirve como un marco generador de hipótesis y no debe interpretarse como evidencia de relaciones causales directas sin una validación adicional (por ejemplo, mediante el rastreo de isótopos).