Un nuevo método para examinar los patrones de expresión génica, denominado transcriptómica del paisaje, podría ayudar a identificar las causas del estrés en los abejorros y, con el tiempo, podría proporcionar información sobre el declive general de las poblaciones de abejas, según un estudio dirigido por investigadores de la Universidad Estatal de Pensilvania. El equipo publicó sus hallazgos en la revista Molecular Ecology .
por Katie Bohn, Universidad Estatal de Pensilvania
Este estudio fue la primera prueba del campo emergente de la transcriptómica del paisaje, concebido recientemente por un equipo interdisciplinario dirigido por científicos de la Facultad de Ciencias Agrícolas de Penn State. El equipo planteó la hipótesis de que sería posible recolectar animales y plantas de la naturaleza y determinar qué factores estresantes experimentaban en función de patrones o firmas específicas en sus perfiles de expresión genética.
En este estudio, los científicos utilizaron un enfoque de inteligencia artificial conocido como aprendizaje automático para evaluar los perfiles de expresión génica de abejorros individuales . Los investigadores descubrieron que el método podía identificar con precisión las características genéticas de factores estresantes, como el calor y el frío excesivos, en abejas tanto en el laboratorio como en la naturaleza.
Gabriela Quinlan, quien dirigió el estudio cuando era investigadora postdoctoral en la Facultad de Ciencias Agrícolas, dijo que los hallazgos sugieren que la transcriptómica del paisaje podría usarse para acelerar los esfuerzos de conservación de especies en riesgo.
«Este es un gran paso para demostrar esta nueva estrategia de identificación de poblaciones en riesgo y demostrar cómo estos modelos de aprendizaje automático pueden utilizarse tanto en el laboratorio como en el campo», afirmó. «También descubrimos información directamente aplicable, como conjuntos de genes asociados a diferentes factores de estrés en los abejorros, algo que no teníamos antes».
Las abejas, al igual que muchas otras especies de plantas y animales, se encuentran actualmente en declive a nivel mundial, según los investigadores, lo que sugiere que algo está causando suficiente estrés como para desencadenar la disminución de sus poblaciones. Sin embargo, comprender con exactitud cuáles son esos factores estresantes puede ser un desafío.
Ahí es donde entra en juego la transcriptómica del paisaje, según Christina Grozinger, profesora de Entomología Publius Vergilius Maro y directora de los Institutos Huck de Ciencias de la Vida.
«Es como la biología forense, donde se pueden observar los patrones de expresión genética de un organismo e identificar una firma o huella digital relacionada con el estrés que está experimentando», dijo Grozinger. «La transcriptómica del paisaje debería permitirnos identificar poblaciones estresadas de especies objetivo mucho más rápidamente que los métodos tradicionales, que requieren recolectar y analizar muchas muestras durante largos períodos de tiempo».
Aunque estudios anteriores habían descubierto que era posible detectar firmas transcripcionales de estresores específicos en organismos criados y tratados en el laboratorio bajo condiciones muy controladas, el equipo de investigación quería ver si el método aún sería factible en organismos que viven en la naturaleza.
«En los estudios de laboratorio típicos, utilizamos organismos del mismo origen genético, de la misma edad, criados de la misma manera y que están expuestos a factores estresantes en niveles y períodos de tiempo estrictamente controlados», dijo Grozinger. «Pero al recolectar organismos en la naturaleza, no sabemos nada sobre ellos ni sobre los factores estresantes que han experimentado, por lo que teníamos curiosidad por ver si aún podíamos ver estas huellas transcripcionales específicas relacionadas con el estrés».
Para este estudio, los investigadores primero realizaron un experimento en el laboratorio en el que expusieron abejorros a diferentes tipos de factores estresantes, incluidos el calor, el frío y los desafíos inmunológicos. Luego extrajeron el ARN de las abejas (el material genético que se utiliza para construir proteínas y ayudar a regular las funciones biológicas) y enviaron las muestras al Centro de Genómica de Penn State para su secuenciación de alto rendimiento.
Esto proporcionó a los investigadores información sobre el número de cadenas de ARN correspondientes a cada gen, lo que representa los patrones de expresión génica. Los perfiles de ARN de los individuos que estuvieron expuestos a diferentes factores estresantes se utilizaron luego para entrenar un modelo de aprendizaje automático, que es un tipo de inteligencia artificial, para reconocer qué patrones de expresión génica estaban asociados con cada tipo de factor estresante.
Quinlan afirmó que una de las fortalezas de este estudio fue el enfoque que adoptaron para entrenar su modelo de aprendizaje automático para reconocer las diferentes firmas genéticas de cada factor estresante.
«Sabemos que en la naturaleza los organismos se ven sometidos a múltiples factores estresantes al mismo tiempo, así que ¿cómo diferenciamos un factor estresante de otro?», dijo. «Utilizamos un algoritmo que toma todas las entradas de todos los genes y encuentra los patrones que surgen cuando las abejas experimentan cada factor estresante. Pudimos obtener un modelo con una precisión del 92%, que luego pudimos utilizar para evaluar a las abejas silvestres».
Para su segundo experimento, el equipo recogió abejas silvestres de dos sitios: uno en el Arboretum de Penn State y otro en una zona boscosa y más montañosa.
Los sitios fueron elegidos para aumentar la probabilidad de que las abejas estuvieran expuestas a diferentes factores estresantes: las del Arboreto tenían acceso a abundantes recursos florales y mucho sol, mientras que las abejas del segundo sitio experimentaban más sombra y podrían no tener tantas flores para buscar alimento.
Tras analizar los transcriptomas de estas abejas, los investigadores descubrieron que el modelo volvía a ser muy preciso a la hora de predecir los factores de estrés que estaban experimentando las abejas. Sin embargo, los investigadores descubrieron que estas firmas no duraban mucho en el ARN de las abejas. En las abejas recogidas la mañana siguiente a una ola de calor, cuando las temperaturas ambientales habían vuelto a la normalidad, sus firmas genéticas de estrés térmico ya no eran visibles.
Pero esto también significó que los investigadores pudieron obtener detalles precisos sobre cómo transcurre el día de las abejas. Por ejemplo, descubrieron que muchas abejas mostraban señales de estrés por inanición al ser recolectadas por la mañana en comparación con la tarde, lo que podría brindar información sobre cómo buscan alimento las abejas y su motivación para hacerlo.
Quinlan dijo que en el futuro, trabajos adicionales podrían entrenar a estos modelos para que detecten los factores estresantes que las abejas han experimentado durante períodos de tiempo más prolongados.
«La motivación inicial de este estudio fue observar señales de mayor duración para comprender qué estresa a estas abejas a largo plazo y qué podría contribuir al declive poblacional», afirmó. «La transcriptómica es muy precisa, ya que capta lo que ocurre en el momento, por lo que podría ser cuestión de entrenar estos modelos para que detecten estas diferencias más sutiles y a largo plazo».
Más información: Gabriela M. Quinlan et al., Aprovechamiento de las firmas transcripcionales de diversos factores de estrés para la conservación de los abejorros, Molecular Ecology (2024). DOI: 10.1111/mec.17626
