Desarrollo de un algoritmo predictor de consorcios bacterianos, partiendo de características metabólicas con potencial uso para la biorremediación de aguas residuales contaminadas con cromo hexavalente
Cargando...
Archivos
Fecha
2024-05
Autores
Título de la revista
Publicado en
Publicado por
URL de la fuente
Enlace a contenidos multimedia
ISSN de la revista
Título del volumen
Resumen
Las industrias de curtiembres son el sector industrial con mayor impacto en la contaminación de metales pesados en el río Bogotá por sus vertimientos de altas concentraciones de cromo hexavalente. Este contaminante tiene consecuencias mutagénicas con repercusiones en la salud de los diferentes entes biológicos presentes en el ecosistema hídrico, como lo son los microorganismos. Se han propuesto técnicas para la remoción del contaminante que han sido un desafío para su desarrollo e implementación. La biorremediación se presenta como alternativa sostenible para la remoción de este metal pesado, pero su desarrollo depende de factores esenciales como la selección de microorganismos con potencial de biorremediación. El objetivo de este trabajo fue desarrollar un algoritmo predictor de consorcios bacterianos, basado en la información obtenida de rutas metabólicas, perfiles taxonómicos y perfiles funcionales de las bacterias presentes en el río Bogotá, con potencial uso para la biorremediación de Cromo hexavalente.
Se identificaron los perfiles taxonómicos y funcionales de las bacterias presentes en tres puntos de muestreo del río Bogotá mediante secuenciamiento del gen 16s. El análisis bioinformático no presentó una alfa diversidad significativa con un rango de 2.75 a 3.50 (índice de Shannon). La beta diversidad evidenció cambios significativos en la composición bacteriana de los puntos (0,76 distancia de Bray Curtis). Se identificó un aumento en la riqueza de especies Acinetobacter
johnsonii y Pseudomonas aeruginosa, así como dominancia de los géneros Arthrobacter, Duganella, Flavobacterium, Limnohabitans y Rhodoferax. Se implementó el modelo de regresión Random Forest para la predicción del porcentaje de biorremediación capaz de realizar cada perfil taxonómico. Este modelo expuso un error cuadrático de medio porcentaje de biorremediación de 5,41. Se implementó adicionalmente el método de clusterización aglomerativo jerárquico Agnes para la conformación del consorcio bacteriano biorremediador. El algoritmo utilizó la información de conectividad detectada en la red ecológica microbiana, los perfiles funcionales y la capacidad de biorremediación de 40 bacterias identificadas como indicadoras del aumento de la concentración de cromo (VI) en el río Bogotá. El algoritmo agrupó las bacterias Pseudomonas peli, Pseudomonas aeruginosa, Burkholderia singularis, Acinetobacter Bahumannii y Dechloromonas denitrificans en el cluster con mayor capacidad de biorremediación de Cr VI (92,2%). La capacidad de biorremediación del consorcio natural obtenido por método de extinción y el consorcio predicho por el algoritmo fue comparada, evidenciando un 78,14% y 87.19% de remoción respectivamente.
Descripción
Abstract
The tannery industries are the industrial sector with the greatest impact on heavy metal pollution in the Bogotá River due to their discharge of high concentrations of hexavalent chromium. This pollutant has mutagenic consequences with repercussions on the health of different biological entities present in the aquatic ecosystem, such as microorganisms. Techniques for removing the pollutant have been proposed, which have been challenging for their development and implementation. Bioremediation emerges as a sustainable alternative for the removal of this heavy metal, but its development depends on essential factors such as the selection of microorganisms with bioremediation potential. The objective of this work was to develop a predictive algorithm of bacterial consortia, based on information obtained from metabolic pathways, taxonomic profiles, and functional profiles of bacteria present in the Bogotá River, with potential use for the bioremediation of hexavalent chromium.
Taxonomic and functional profiles of bacteria present at three sampling points along the Bogotá River were identified using 16s gene sequencing. Bioinformatic analysis did not show significant alpha diversity with a range from 2.75 to 3.50 (Shannon index). Beta diversity revealed significant changes in bacterial composition between the points (Bray Curtis distance of 0.76). An increase in species richness of Acinetobacter johnsonii and Pseudomonas aeruginosa was identified, as well as dominance of the genera Arthrobacter, Duganella, Flavobacterium, Limnohabitans, and Rhodoferax. The Random Forest regression model was implemented for predicting the percentage of bioremediation achievable by each taxonomic profile. This model exhibited a mean squared error of 5.41 for bioremediation percentage. Additionally, the hierarchical agglomerative clustering method Agnes was implemented for the formation of the bioremediation bacterial consortium. The algorithm used connectivity information detected in the microbial ecological network, functional profiles, and the bioremediation capacity of 40 bacteria identified as indicators of increased chromium (VI) concentration in the Bogotá River. The algorithm grouped the bacteria Pseudomonas peli, Pseudomonas aeruginosa, Burkholderia singularis, Acinetobacter Bahumannii, and Dechloromonas denitrificans in the cluster with the highest Cr VI
bioremediation capacity (92.2%). The bioremediation capacity of the naturally obtained consortium by extinction method and the consortium predicted by the algorithm was compared, showing 78.14% and 87.19% removal, respectively.
Palabras clave
Aprendizaje automático, Abundancia taxonómica, Biorremediación, Consorcio bacteriano, Cromo hexavalente, Perfiles funcionales
Keywords
Machine learning, Taxonomic abundance, Bioremediation, Bacteria consortia, Hexavalent chromium, Function profiles