Científicos de la Escuela de Medicina Icahn en Mount Sinai, Sema4 y las instituciones colaboradoras de la Universidad de Nueva York y la Universidad de Florida publicaron hoy un informe que detalla su método nuevo y más preciso para identificar especies y cepas microbianas individuales en una comunidad. Esta técnica tiene implicaciones importantes para el análisis del microbioma, con posibles aplicaciones a largo plazo para la atención clínica. El diario salió hoy en Naturaleza Biotecnología.
Los microbiomas son comunidades de bacterias, virus y otros microbios que se pueden encontrar en todas partes, desde las superficies de los teclados y los teléfonos celulares hasta los entornos sobre y dentro de nosotros, como la boca o los intestinos. La interrupción del microbioma natural se ha implicado en condiciones de salud que incluyen enfermedades infecciosas, cánceres y trastornos complejos como la enfermedad de Crohn, la colitis ulcerosa y la diabetes, entre muchos otros. El éxito del análisis de los microbiomas depende de la capacidad de acercarse a estas comunidades e identificar las especies y cepas individuales que viven dentro de ellas.
Hasta la fecha, la mayoría de las técnicas para identificar miembros microbianos de estos grupos proporcionan una resolución insuficiente. Por ejemplo, una especie solo puede clasificarse como parte de su familia genética más amplia, en lugar de identificarse de forma única por sí misma. Los métodos existentes tampoco son efectivos en la caracterización de una clase importante de materiales genéticos que pueden transportarse entre diferentes especies bacterianas, conocidos como elementos genéticos móviles.
En este nuevo trabajo, los científicos utilizaron tecnología de secuenciación en tiempo real de molécula única y nuevas herramientas computacionales para clasificar microbios por primera vez mediante el análisis tanto de su código genético como de sus patrones de metilación, un segundo código de ADN que regula la actividad de los genes. Este enfoque más integral que utiliza la secuenciación de lectura larga demostró ser más preciso que los protocolos estándar de la industria, como la secuenciación 16S o la secuenciación de lectura corta, corrigiendo errores y resultados incompletos en la identificación de microbios generados por esos métodos. Es importante destacar que el método proporciona una nueva forma de vincular elementos genéticos móviles con sus huéspedes bacterianos, lo que permite a los científicos predecir con mayor precisión la virulencia, la resistencia a los antibióticos y otros rasgos críticos biológicos y clínicos de especies y cepas bacterianas individuales.
«La comunidad biomédica ha necesitado durante mucho tiempo un método de análisis de microbiomas capaz de resolver especies y cepas individuales con alta resolución», dijo Gang Fang, PhD, profesor asistente de genética y ciencias genómicas en Mount Sinai y autor principal del artículo. «Descubrimos que los patrones de metilación del ADN se pueden explotar como códigos de barras naturales altamente informativos para ayudar a discriminar especies microbianas entre sí, ayudar a asociar elementos genéticos móviles a sus genomas anfitriones y lograr un análisis de microbioma más preciso».
En proyectos piloto que utilizaron muestras de microbiomas sintéticos y del mundo real, los científicos pudieron distinguir incluso entre especies y cepas de bacterias estrechamente relacionadas. Utilizaron patrones de metilación para vincular datos de secuencias de ADN relacionados, proporcionando información más holística sobre organismos individuales. El equipo validó el método en comunidades microbianas de complejidad baja a media y actualmente está desarrollando tecnologías más avanzadas para resolver de manera efectiva las comunidades de alta complejidad, como los microbiomas ambientales.
«Este proyecto demuestra la sofisticación y el poder de analizar muchos tipos de datos juntos para generar conocimientos que no son posibles con enfoques más simples», dijo Eric Schadt, PhD, CEO de Sema4, Decano de Medicina de Precisión en Mount Sinai, y coautor. del papel «La biología es compleja, y nuestros análisis deben representar con precisión esa complejidad si esperamos eventualmente implementar esta información para uso clínico».
