¿Cómo pueden los modelos informáticos ayudar a diseñar comunidades microbianas? En el marco del centro de investigación colaborativo CRC1535 “MibiNet”, coordinado por la Universidad Heinrich Heine de Düsseldorf (HHU), un equipo de investigación formado por miembros de Aquisgrán, Düsseldorf y East Lansing (EE.UU.) probó la visión del desarrollo de la llamada biología sintética. En revistas científicas biología sintética, Explican por qué la biología asistida por computadora juega un papel importante.
Las comunidades de microorganismos (bacterias, hongos y virus) se encuentran en todas partes, también y especialmente en los organismos, donde desempeñan una variedad de funciones. Por ejemplo, la comunidad microbiana del intestino humano, el llamado microbioma, es esencial para el metabolismo: se necesitan microorganismos para desbloquear muchos nutrientes y ponerlos a disposición del cuerpo. Si la composición del microbioma es incorrecta, puede causar daños importantes al organismo en su conjunto.
El campo de investigación interdisciplinar de la “biología sintética” también se centra cada vez más en estas redes microbianas. El objetivo es utilizar principios de ingeniería para diseñar y construir nuevos sistemas biológicos y organismos que puedan realizar funciones específicas. Los métodos de ingeniería genética ayudan a modificar y transferir ADN y ARN en diferentes organismos. La biología artificial se centra principalmente en organismos artificiales individuales, pero el potencial para diseñar redes altamente complejas, como comunidades artificiales de organismos (artificiales), es cada vez más evidente.
Estas comunidades artificiales ofrecen una amplia gama de áreas de aplicación potenciales, incluida la mitigación de enfermedades, la productividad de los cultivos o la producción de biomoléculas valiosas.
CRC1535 Los investigadores de “MibiNet” se inspiraron en los líquenes naturales, donde las cianobacterias o algas fototróficas establecen estrechas relaciones simbióticas con socios fúngicos heterótrofos. Tienen la intención de desarrollar las redes microbianas que se revelan aquí como ejemplo para futuras aplicaciones. Los resultados de la investigación pretenden ser una contribución al establecimiento de métodos y tecnologías interdisciplinarios para procesos con emisiones negativas de CO2, es decir, procesos que capturan activamente CO2 de la atmósfera. Otro proyecto de investigación, ACCeSS, pretende utilizar la energía del sol para tratar las aguas residuales.
En revistas científicas Biología sintéticaInvestigadores de la Universidad Tecnológica de Aquisgrán (RWTH), HHU y la Universidad Estatal de Michigan (MSU) en East Lansing, EE.UU., han delineado esta dirección futura en el desarrollo de la biología sintética. Destacan el papel de la biología computacional como componente integral, que puede simplificar enormemente el diseño de comunidades artificiales.
Prof. Dra. Ilka Axmann de HHU, autora correspondiente del estudio: “Proponemos un cambio de un enfoque centrado en un solo organismo a un enfoque que enfatice la contribución funcional de los organismos a las comunidades”. En cuanto a los métodos de investigación, añade: “La atención se centra en la función que debe desempeñar la comunidad en su conjunto. No importa qué organismos concretos contenga: los organismos son simplemente el chasis que contiene las rutas metabólicas necesarias y garantiza las funciones funcionales necesarias. “
Dr. Daniel C. Ducat, profesor de bioquímica y biología molecular en MSU, añadió: “Un número creciente de ejemplos muestran que, aunque la composición de especies específicas en comunidades microbianas complejas puede cambiar con el tiempo o en diferentes lugares, las funciones específicas de la comunidad son estables”. a gran escala.”
Dra. Anna Matuszynska, autora principal del estudio y profesora junior de ciencias biológicas computacionales en RWTH: “La biología computacional puede respaldar la modularización en biología sintética, lo cual es deseable porque reducirá la complejidad y creará estructuras versátiles y escalables que pueden ser adecuadas para especificar comunidades biológicas. Al trabajar dentro de ellas, podemos predecir y optimizar dichos sistemas para que funcionen de manera confiable y eficiente.