español    español

Predicción del microbioma del suelo a partir de variables ambientales: agricultura de precisión para todos

Las comunidades microbianas afectan al ecosistema donde viven, modificando la disponibilidad de nutrientes o elicitores químicos. Por lo tanto, conocer la composición microbiana de un hábitat es relevante para mejorar su productividad o salud. Sin embargo, las tecnologías de secuenciación no siempre están disponibles, o son excesivamente costosas en algunos casos. Por lo tanto, poder predecir la composición del microbioma utilizando factores fácilmente cuantificables sería deseable.

Para afrontar este objetivo, hemos desarrollado un sistema computacional, basado en arquitecturas de aprendizaje automático. El modelo se construyó a partir de datos experimentales del microbioma de la rizosfera del maíz. El maíz es uno de los tres cultivos más importantes del mundo, junto con el trigo y el arroz, y por tanto un modelo para el desarrollo de estrategias para aumentar la productividad. Nuestro sistema reconstruye la composición microbiana (más de 700 taxones) con una alta fidelidad (>0.9 de correlación), y predice satisfactoriamente el microbioma a partir de unas pocas variables ambientales (0.73 de correlación).

La herramienta permite además predecir la composición microbiana en escenarios hipotéticos, como por ejemplo las condiciones ambientales de cambio climático, lo que puede ser de gran utilidad para anticiparse con estrategias agrícolas adecuadas. Asimismo, el conocimiento sobre el microbioma se almacena en el modelo de inteligencia artificial, que se puede re-usar en otras condiciones, lo que permitirá la aceleración del uso de herramientas de bajo coste para el diseño de estrategias de agricultura de precisión.

La herramienta está disponible en un navegador web que no requiere experiencia computacional previa. Así que puedes probar a predecir el microbioma de la rizosfera del maíz para los valores de las variables ambientales que desees.

zoom

Publicación Original:

García-Jiménez, B., Muñoz, J., Cabello, S., Medina, J., Wilkinson, M.D. 2020. Predicting microbiomes through a deep latent space. Bioinformatics. DOI: 10.1093/bioinformatics/btaa971

 

Centro de Biotecnología y Genómica de Plantas UPM – INIA Parque Científico y Tecnológico de la U.P.M. Campus de Montegancedo
Autopista M-40, Km 38 - 28223 Pozuelo de Alarcón (Madrid) Tel.: +34 91 0679100 ext. 79100  Fax: +34 91 7157721. Localización y Contacto

Síguenos en: