Caracterización metagenómica de Chlorella vulgaris y Scenedesmus acutus para el estudio de rutas metabólicas interrelacionadas con bacterias

Abstract

Las interacciones entre microalgas y bacterias constituyen un componente fundamental de los ecosistemas acuáticos, ya que favorecen el intercambio de nutrientes, vitaminas y metabolitos que influyen en el crecimiento y la estabilidad de ambas comunidades. No obstante, los mecanismos metabólicos que sustentan estas asociaciones aún son poco comprendidos. En este trabajo se desarrolló una estrategia bioinformática integrativa para caracterizar el potencial funcional de bacterias asociadas a Chlorella vulgaris y Scenedesmus acutus mediante el análisis conjunto de datos metagenómicos y metatranscriptómicos.

A partir del ensamblaje metagenómico se reconstruyeron genomas bacterianos ensamblados por metagenoma (MAGs) de alta calidad, los cuales fueron evaluados y anotados funcionalmente utilizando bases de datos especializadas. Posteriormente, se integró la información de expresión génica para construir matrices funcionales enfocadas en rutas metabólicas relacionadas con la comunicación e intercambio de metabolitos, incluyendo biosíntesis de biotina, riboflavina, sideróforos y mecanismos de percepción de quórum. Asimismo, se desarrollaron redes metabólicas que permitieron visualizar la distribución de funciones entre los MAGs e inferir posibles interacciones ecológicas.

Como complemento, se implementó un modelo de aprendizaje automático basado en Random Forest para identificar las funciones metabólicas con mayor contribución a la importancia funcional de los MAGs dentro de la red, permitiendo priorizar procesos metabólicos potencialmente relevantes en la interacción microalga-bacteria. En conjunto, los resultados proporcionan un marco reproducible para explorar asociaciones microbianas mediante datos ómicos y aportan evidencia sobre los mecanismos metabólicos que podrían favorecer relaciones mutualistas con potencial aplicación en biotecnología y optimización de cultivos microalgales.

Microalgae-bacteria interactions are fundamental components of aquatic ecosystems, promoting the exchange of nutrients, vitamins, and metabolites that influence the growth and stability of both partners. However, the metabolic mechanisms underlying these associations remain poorly understood. This study presents an integrative bioinformatics framework to characterize the functional potential of bacterial communities associated with Chlorella vulgaris and Scenedesmus acutus through the combined analysis of metagenomic and metatranscriptomic data.

Metagenomic assembly enabled the reconstruction of thirteen high-quality metagenome-assembled genomes (MAGs), which were subsequently assessed and functionally annotated using specialized databases. Gene expression data were integrated to generate functional matrices focused on metabolic pathways involved in microbial communication and metabolite exchange, including biotin biosynthesis, riboflavin production, siderophore metabolism, and quorum sensing. In addition, metabolic networks were constructed to visualize the distribution of these functions among MAGs and to infer potential ecological interactions.

To complement these analyses, a Random Forest machine learning model was implemented to identify the metabolic functions that contributed most strongly to the functional importance of each MAG within the reconstructed network, enabling the prioritization of pathways potentially involved in microalgae-bacteria interactions. Overall, this work provides a reproducible computational framework for studying microbial associations using multi-omics data and offers new insights into the metabolic mechanisms that may promote mutualistic interactions, with potential applications in biotechnology, biomass production, and the optimization of microalgal cultivation systems.