La Singularidad Desnuda

Un universo impredecible de pensamientos y cavilaciones sobre ciencia, tecnología y otros conundros

Posts Tagged ‘Escherichia coli’

Aprendizaje evolutivo en bacterias

Posted by Carlos en mayo 15, 2008

La capacidad de aprendizaje (esto es, de predicción del estado próximo del entorno) es patente en organismos dotados de sistemas nerviosos más o menos complejos. El campo de las redes neuronales artificiales se basa precisamente en la utilización de ideas basadas en el proceso de reajuste de las interconexiones entre neuronas durante la vida de un organismo. Más sorprendente es sin embargo observar capacidades predictivas en organismos mucho más simples como las bacterias. Dada la ausencia de sistema nervioso en las mismas, el comportamiento de este tipo de organismos se explica mediante mecanismos físico-químicos de homeostasis, presentes en la célula gracias a la acción de la selección natural. Siendo esto así, no hay que dejar de lado en cualquier caso que toda célula contiene un sistema enormemente complejo en su interior, en la forma de redes genómicas, proteómicas y metabólicas, y que un sistema de estas características es capaz de dar muchas sorpresas.

Una de estas sorpresas es la capacidad que ciertas bacterias tienen de asociar cambios ambientales inmediatos con cambios ambientales que ocurrirán con posterioridad. Un ejemplo de este comportamiento es el que exhibe la conspicua Escherichia coli. Esta bacteria es capaz de asociar incrementos rápidos de temperatura (como los que ocurrirían al pasar de un entorno abierto al interior de la boca de una persona) con posteriores decrementos del nivel de oxígeno (como los que ocurrirían posteriormente al llegar al tracto intestinal). Un estudio al respecto ha sido publicado por Ilias Tagkopoulos, Yir-Chung Liu, y Saeed Tavazoie, de la Universidad de Princeton, en un trabajo titulado

recién aparecido en Science. Tagkopoulos et al. han realizado en primer lugar un estudio computacional, empleando técnicas de computación evolutiva y de vida artificial. En sus simulaciones se mantiene una población de organismos, cada uno de los cuales contiene una red metabólica en su interior. Esta red metabólica evoluciona mediante la aplicación de ciertos operadores de mutación al llegar a la fase reproductiva. El entorno se simula mediante una serie de señales más o menos correlacionadas con la aparición de ciertos eventos. Concretamente, consideran un evento consistente en la aparición de un recurso del que es posible extraer energía siempre que la célula exprese una cierta proteína. La energía que se gana de esta forma se ve reducida por el propio coste de mantenimiento de la red metabólica, dando lugar a un saldo energético final. En un grupo de simulaciones este saldo energético se usaba para seleccionar los individuos que pasaban a la siguiente generación, mediante el clásico procedimiento de ruleta. En otro grupo de simulaciones el proceso de reproducción era asíncrono, y se producía individualmente en cada individuo cuando acumulaba suficiente energía.

Escherichia coli at 10000x

Este tipo de simulaciones (realizadas en supercomputadores) permitieron demostrar la viabilidad en principio de que a escala evolutiva pueda producirse aprendizaje a nivel de interacción bioquímica. El siguiente experimento se realizó con ejemplares de E. coli bajo condiciones controladas en las que se realizaban cambios de temperatura entre 25ºC y 37ºC y cambios en la concentración de oxígeno entre 0% y 18%. No sólo se observó el efecto mencionado anteriormente en relación a la predicción de las condiciones del tracto digestivo, sino otro más interesante. Concretamente se realizaron experimentos con las condiciones inversas a las naturales, es decir, se evolucionó una población de E. coli en un entorno en el que el incremento de temperatura iba seguido de un incremento de la concentración de oxígeno. Se obtuvo de esta manera una cepa que era capaz de anticipar este escenario ecológicamente incoherente, mostrando así un aprendizaje genuinamente asociativo.

Según afirman los autores del trabajo, este tipo de estudios puede conducir a una mejor comprensión de la dinámica adaptativa de las bacterias y la aparición de resistencia a los tratamientos, lo que puede resultar de gran utilidad.

Posted in Biología Molecular, Computación Evolutiva, Evolución, Vida Artificial | Etiquetado: , | 4 Comments »