RESUMO

RESUMEN El pollo y el huevo son una fuente importante de proteína para el ser humano a nivel mundial. La producción de estos alimentos se ha intensificado durante los últimos años y se prevé que se produzca alrededor de 1 50 millones de toneladas de carne de pollo en 2020 (OCDE / FAO, 2018). Sin embargo, uno de los mayores problemas ligados a los procesos de producción avícola lo constituyen las enfermedades infecciosas ocasionadas por microorganismos patógenos. Entre los más relevantes se encuentran microorganismos como Salmonella ssp, Campylobacter spp, y Escherichia coli. Por lo tanto, es importante comprender los mecanismos implicados en la colonización de microorganismos patógenos que afectan a las aves de corral y sus interacciones con la microbiota gastrointestinal las cuales son clave en la mejora de la absorción de nutrientes y el fortalecimiento del sistema inmune, que influye en el crecimiento, el bienestar y la salud de las aves de corral. Sin embargo, hay poca información relacionada con la microbiota gastrointestinal de pollos parrilleros y gallinas productoras de huevo. Hasta hace poco, la caracterización se limitaba a los microorganismos que podían recuperarse a través de cultivos tradicionales. Por lo anterior, en el último tiempo se ha intensificado el uso de técnicas moleculares, entre las que se destaca la metagenómica, la cual ofrece una alternativa para una mejor comprensión de las interacciones bacterianas, la identificación de genes de resistencia a los antibióticos, identificación de elementos genéticos móviles, y el diseño de estrategias para intervenciones más efectivas con el objetivo de romper la cadena de transmisión de microorganismos patógenos durante el ciclo de producción avícola. En esta revisión, se describen los principales enfoques metagenómicos para el estudio de microbiomas de aves de corral, las técnicas de secuenciación y herramientas bioinformáticas usadas para su caracterización.

ABSTRACT Chicken and eggs are an important source of protein for humans worldwide. Production of these foods has been intensified in recent years and around 150 million tonnes of chicken meat is expected to be produced by 2020 (OECD / FAO, 2018). However, one of the biggest problems linked to poultry production processes are the infectious diseases caused by pathogenic microorganisms. Among the most relevant are found microorganisms such as Salmonella ssp, Campylobacter spp, and Escherichia coli. Therefore, it is important to understand the mechanisms involved in the colonization of pathogenic microorganisms that can affect poultry and their interactions with the gastrointestinal microbiota, which are key in improving nutrient absorption and strengthening the immune system, which it influences the growth, welfare and health of the chicken. However, there is little information related to the gastrointestinal microbiota of chicken. Until recently, the characterization was limited to microorganisms that could be recovered through culture traditional. Therefore, in the last time, it has been intensified use of molecular techniques, among those is remarked metagenomics, which offers an alternative for a better understanding of bacterial interactions, the identification of antibiotic resistance genes, identification of mobile genetic elements, and the design of strategies for more effective interventions with the aim of breaking the chain of transmission of pathogenic microorganisms during the poultry production cycle. In this review, the main metagenomics approaches are describe aimed to study microbiomes from poultry, sequencing techniques and bioinformatics tools used for its characterization.

RESUMO

Flux balance analysis (FBA) is currently one of the most important and used techniques for estimation of metabolic reaction rates (fluxes). This mathematical approach utilizes an optimization criterion in order to select a distribution of fluxes from the feasible space delimited by the metabolic reactions and some restrictions imposed over them, assuming that cellular metabolism is in steady state. Therefore, the obtained flux distribution depends on the specific objective function used. Multiple studies have been aimed to compare distinct objective functions at given conditions, in order to determine which of those functions produces values of fluxes closer to real data when used as objective in the FBA; in other words, what is the best objective function for modeling cell metabolism at a determined environmental condition. However, these comparative studies have been designed in very dissimilar ways, and in general, several factors that can change the ideal objective function in a cellular condition have not been adequately considered. Additionally, most of them have used only one dataset for representing one condition of cell growth, and different measuring techniques have been used. For these reasons, a rigorous study on the effect of factors such as the quantity of used data, the number and type of fluxes utilized as input data, and the selected classification of growth conditions, are required in order to obtain useful conclusions for these comparative studies, allowing limiting clearly the application range on any of those results.

Assuntos

RESUMO

Una de las técnicas más utilizadas para la predicción de producción de bioproductos y distribución intracelular de flujos de microorganismos es el Análisis de Balance de Flujos - FBA por sus siglas en inglés. El FBA requiere de una función objetivo que represente el objetivo biológico del microorganismo estudiado. En este trabajo se propone un nuevo tipo de funciones objetivo basada en la combinación de objetivos de compartimentos físicos presentes en el microorganismo estudiado. Este tipo de funciones objetivo son examinadas junto con un modelo estequiométrico extraído de la reconstrucción iMM904 del microorganismo S. cerevisiae. Su desempeño se compara con la función objetivo más usada en la literatura, la maximización de biomasa, en condiciones experimentales anaeróbicas en cultivos continuos y aeróbicas en cultivos tipo lote. La función objetivo propuesta en este trabajo mejora las predicciones de crecimiento en un 10% y las predicciones de producción de etanol en un 75% respecto a las obtenidas por la función objetivo de maximización de biomasa, en condiciones anaeróbicas. En condiciones aeróbicas tipo lote la función objetivo propuesta mejora en un 98% las predicciones de crecimiento y en un 70% las predicciones de etanol con respecto a la función objetivo de biomasa.

Flux Balance Analysis - FBA - is one of the most used techniques in prediction of microorganism bioproducts. It requires an objective function that represents biological objective of the studied microorganism. This paper presents a new kind of objective functions based on individual physical compartment objetives in the studied microorganism. These kind of functions was tested with a stoichiometric model extracted from iMM904 reconstruction of S. cerevisiae and its performance is compared with the most used objective function in literature, growth maximization, in anaerobic and aerobic batch conditions. The presented objective function outperform growth predictions in 10% and ethanol predictions in 75% compared with obtained by maximization of growth objective function, in anaerobic conditions. In aerobic batch conditions the presented objective function outperforms in 98% growth preditions and 70% ethanol predictions compared with growth maximization.

Assuntos

RESUMO

BACKGROUND: The main objective of flux balance analysis (FBA) is to obtain quantitative predictions of metabolic fluxes of an organism, and it is necessary to use an appropriate objective function to guarantee a good estimation of those fluxes. METHODOLOGY: In this study, the predictive performance of FBA was evaluated, using objective functions arising from the linear combination of different cellular objectives. This approach is most suitable for eukaryotic cells, owing to their multiplicity of cellular compartments. For this reason, Saccharomyces cerevisiae was used as model organism, and its metabolic network was represented using the genome-scale metabolic model iMM904. As the objective was to evaluate the predictive performance from the FBA using the kind of objective function previously described, substrate uptake and oxygen consumption were the only input data used for the FBA. Experimental information about microbial growth and exchange of metabolites with the environment was used to assess the quality of the predictions. CONCLUSIONS: The quality of the predictions obtained with the FBA depends greatly on the knowledge of the oxygen uptake rate. For the most of studied classifications, the best predictions were obtained with "maximization of growth", and with some combinations that include this objective. However, in the case of exponential growth with unknown oxygen exchange flux, the objective function "maximization of growth, plus minimization of NADH production in cytosol, plus minimization of NAD(P)H consumption in mitochondrion" gave much more accurate estimations of fluxes than the obtained with any other objective function explored in this study.

Assuntos

RESUMO

El microorganismo Saccharomyces cerevisiae cuenta con gran número de modelos biológicos conocidos como reconstrucciones, las cuales pueden ser a escala genómica. De estas reconstrucciones a escala genómica provienen los modelos matemáticos, también llamados modelos estequiométricos. Una de las técnicas más usadas para estudiar estos modelos es el Análisis de Balance de Flujos (FBA). El proposito del FBA es predecir el crecimiento del microorganismo bajo estudio, y la producción y consumo de componentes como el etanol, CO2 glicerol, sucinato, acetato y piruvato. Para determinar si las predicciones obtenidas mediante FBA son únicas se utiliza la técnica de Análisis de Variabilidad Flujos (FVA). El presente trabajo muestra los resultados de aplicar el FBA a la reconstrucción reciente del microorganismo S. cerevisiae, la denominada iMM904 y los compara con un conjunto de datos experimentales presente en la literatura. Este trabajo también estudia la existencia de múltiples predicciones FBA utilizando la técnica FVA. Los resultados ilustran que es posible predecir el crecimiento del microorganimo S. cerevisiae, con errores entre el 11% y 28%; la producción de CO2, con errores entre el 0.3% y 4.5% y la producción de etanol, con errores entre el 11% y 13%.

Several biological models, named reconstructions, are used for the study of the S. cerevisiae microorganism. The reconstructions can be genomic scaled. Mathematical models are generated from the reconstructions and they are called stoichiometric models. The flux balance analysis (FBA) is one of the tools used for the analysis of these models. The FBA attempts to predict the evolution of the microorganism and the consumption and production of components like glucose, ethanol, glycerol, succinate, acetate and pyruvate. A Flux variability analysis (FVA) is used to determine the uniqueness of the FBA predictions. This paper shows the results of applying FBA to the iMM904 reconstruction of S. cerevisiae and compares them with experimental data from literature. The results in this paper show that it is possible to predict the evolution with errors between 11% and 28% ; the production of CO2 with errors between 0.3% and 4.5%; and the production of ethanol with errors between 11% and 13%, using FBA for the iMM904 model.

Assuntos

RESUMO

La enfermedad de Chagas afecta cerca de 20 millones de personas y es una patología restringida al continente americano. Esta enfermedad de carácter crónico es causada por el parásito Trypanosoma cruzi del cual, en la actualidad se han definido dos poblaciones: Trypanosoma cruzi I y Trypanosoma cruzi II, con características particulares relacionadas con la distribución geográfica y el tipo de manifestaciones clínicas. Objetivo: Este estudio consistió en determinar si ocurre inserción del kDNA del Trypanosoma cruzi I en el genoma de pacientes chagásicos del área endémica de Santander (Colombia) a partir de muestras de ADN extraído de sangre periférica. Metodología: Se tuvieron en cuenta 130 muestras provenientes de pacientes sintomáticos, así como 50 muestras provenientes de pacientes asintomáticos, las cuales fueron analizadas mediante la técnica de PCR con los pares de cebadores Tcz1/Tcz2 y S35/S36 con el fin de identificar la presencia del parásito en dichas muestras. Posteriormente se tomaron las muestras que resultaron positivas de la PCR S35/S36, para realizar una doble digestión con las enzimas de restricción EcoRI y BamHI, luego se realizó la separación de los fragmentos de ADN obtenidos en un gel de agarosa, y posteriormente fueron transferidos a una membrana de nylon e hibridados con un oligonucleótido sintético marcado enzimáticamente con digoxigenina. Conclusión: Ninguna de las muestras que se tuvieron en cuenta en este estudio hibridó con dicho oligonucleótido, es decir ninguna de estas muestras posee aquella secuencia del gen del parásito insertado en el genoma del paciente chagásico.

Chagas disease affects nearly 20 million people and it is a pathology restricted to the American continent. This disease has a chronic character and it is caused by the parasite Trypanosoma cruzi, which is actually classified in two major lineages: Trypanosoma cruzi I and Trypanosoma cruzi II. These lineages have particular features related with geographic distribution and clinical manifestations. Objective: This study consisted in determining if the kDNA of T. cruzi I is inserted into the genome of chagasic patients from the endemic area of Santander (Colombia), specifically in DNA extracted from samples of peripherical blood. Methodology: One hundred and thirty samples from symptomatic patients and 50 samples from asymptomatic patients were considered for this study; all of them were analyzed by PCR technique with primers Tcz1/Tcz2 and S35/S36 with the purpose of identifying the parasite’s presence in these samples. The samples that resulted positive of the PCR S35/S36 were double digested with EcoRI and BamHI restriction enzymes, the DNA fragments obtained were separated in an agarose gel, transferred to a nylon membrane and hybridized with a digoxigenin marked synthetic oligonucleotide. Conclusions: None of the samples of this study hybridized with this oligonucleotide, which means that none of them possess this parasite’s gene sequence inserted in the genome of the chagasic patient.

Assuntos