Modeling the Earth Microbiome

Jack A. Gilbert and Folker Meyer

El texto comienza diciendo que a nivel mundial el hay mil millones de veces más células microbianas que estrellas en el universo. Esto hace que sea difícil de comprender la complejidad microbiana. Por tanto, los microbios y los ubicuos son importantes para el ecosistema, de hecho científicos hicieron grandes progresos que afirman que las comunidades microbianas interactúan con el mundo de la física, química y biología. Estos progresos tenían dos perspectivas, en uno se podía observar las vías metabólicas que permiten interactuar a las células con el medio ambiente y permiten la producción de más y más células. Y el otro punto de vista se explora la suma de un ecosistema taxonómico y las capacidades funcionales. The Earth Microbiome Project (EMP) es una importante iniciativa que crea múltiples conjuntos de datos comparables que describen a los microorganismos de una amplia variedad de ecosistemas. Esta iniciativa tiene varios proyectos, por lo tanto el EMP depende de interacciones frecuentes entre especialista bioinformáticos y ecólogos microbianos.

Uno de los muchos objetivos es desarrollar modelos matemáticos de ecosistemas. Estos modelos predicen como el cambio de una variable probablemente generara respuestas entre otras variables. Y no solo nos permitirán predecir el cambio de un ecosistema, sino también ayudaran a predecir como los cambios afectaran a la capacidad de un ecosistema para prestar servicios vitales con los que contamos. El EMP también está generando estudios adicionales para ayudar en la validación de las hipótesis acerca de cómo se distribuyen los microorganismos en los ecosistemas.

Sin embargo, carecemos de modelos que utilizan parámetros ambientales para producir las estructuras comunitarias taxonómicas microbianas y tener ese tipo de modelos proporcionaría información valiosa para los parámetros físicos y químicos en los ecosistemas. Afortunadamente Peter Larsen, desarrollo dos enfoques que al combinarse pueden hacer frente a esas necesidades de modelos.

El primer enfoque es el predictive relative metabolic turnover (PRMT) modelo. El segundo microbial assemblage prediction (MAP).

Un buen diseño experimental puede conducir a modelos informativos, que luego se puede utilizar para dirigir el futuro diseño experimental y también para identificar las estrategias de muestreo apropiadas.

Eduardo Arturo Jasso Sanchez