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

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.

• Autores: Osorio Bautista, Juan Sebastián
• Tipo de recurso: https://purl.org/coar/resource_type/c_7a1f
• Fecha de publicación: 2024
• Institución: Universidad El Bosque
• Repositorio: Repositorio U. El Bosque
• Idioma: spa
• OAI Identifier: oai:repositorio.unbosque.edu.co:20.500.12495/12591
• Acceso en línea: https://hdl.handle.net/20.500.12495/12591; https://repositorio.unbosque.edu.co
• Palabra clave: Aprendizaje automático; Abundancia taxonómica; Biorremediación; Consorcio bacteriano; Cromo hexavalente; Perfiles funcionales; 610.28; Machine learning; Taxonomic abundance; Bioremediation; Bacteria consortia; Hexavalent chromium; Function profiles
• Rights: openAccess
• License: Attribution-NonCommercial-NoDerivatives 4.0 Internacional