Predicción de candidatos a genes FOX para la fijación de nitrógeno en condiciones óxicas usando aprendizaje automático multiómico y bioinformática comparativa

Por qué convertir el aire en alimento para las plantas importa

La agricultura moderna depende en gran medida del fertilizante industrial, que se fabrica forzando el nitrógeno del aire a una forma utilizable mediante enormes cantidades de combustible fósil. Este proceso alimenta a miles de millones de personas pero también impulsa las emisiones climáticas y la contaminación del agua. En la naturaleza, sin embargo, ciertos microbios realizan silenciosamente el mismo truco químico usando la luz solar y mucha menos energía. Este artículo explora cómo decodificar y catalogar los genes que permiten a uno de esos microbios, una cianobacteria, fijar nitrógeno incluso mientras produce oxígeno —algo que normalmente detiene esta química. Comprender estos genes podría indicar el camino hacia cultivos y microbios industriales que se fertilicen a sí mismos.

El acto de equilibrar dentro de una célula diminuta

El gas nitrógeno constituye la mayor parte del aire, pero plantas y animales no pueden usarlo directamente. Microbios especializados dependen de una enzima llamada nitrogenasa para convertir el nitrógeno gaseoso en amonio, una forma que la vida puede utilizar. La nitrogenasa es extremadamente sensible al oxígeno, que la desactiva. Aun así, algunas cianobacterias, incluida la especie Anabaena 7120, realizan fotosíntesis productora de oxígeno y fijación de nitrógeno en el mismo filamento. Lo logran formando células especiales llamadas heterocistos que mantienen un entorno con bajo oxígeno para la nitrogenasa. Además de los genes básicos de la nitrogenasa, se necesitan muchos genes accesorios para construir las paredes celulares protectoras, controlar la química interna y movilizar electrones y nutrientes. Los genes cuya pérdida impide el crecimiento con nitrógeno gaseoso en presencia de oxígeno se conocen como genes FOX, y hoy solo se conoce una fracción de ellos.

Enseñar a las computadoras a detectar genes ausentes de nitrógeno

Los autores se propusieron predecir nuevos candidatos a genes FOX a lo largo de todo el genoma de Anabaena 7120 utilizando una mezcla de medidas biológicas y aprendizaje automático. Reunieron un conjunto de datos “multiómico” que siguió cómo respondía cada gen cuando se eliminaba el nitrógeno combinado del medio de cultivo, un disparador que provoca la formación de heterocistos. Esto incluyó series temporales de niveles de ARN, cambios en la abundancia de proteínas, características de las regiones de control del ADN que impulsan la transcripción, el vecindario físico de cada gen en el cromosoma y cuán fuertemente se conserva cada gen en otras cianobacterias fijadoras frente a no fijadoras. Luego etiquetaron 68 genes ya demostrados como FOX y eligieron 835 genes ampliamente conservados y no esenciales como un sustituto del grupo no-FOX.

Qué tan bien funcionaron los modelos y qué aprendieron

Usando estos ejemplos etiquetados, el equipo entrenó tres tipos de modelos —regresión logística, Random Forest y XGBoost— y los evaluó repetidamente sobre genes reservados. Los tres pudieron ordenar de forma fiable los genes FOX conocidos por encima de los genes proxy no-FOX, con los mejores modelos alcanzando un rendimiento comparable al de otros predictores de esencialidad génica. De importancia, los modelos no fueron cajas negras: los investigadores usaron una técnica llamada SHAP para ver qué características empujaban a un gen hacia una predicción tipo FOX o en contra de ella. Los genes FOX tendían a activarse fuertemente de forma tardía tras la eliminación de nitrógeno, mostraban baja actividad antes del cambio, aparecían en grupos con otros genes de diazotrofia y se conservaban más en fijadores de nitrógeno conocidos que en especies estrechamente relacionadas que no fijan nitrógeno. En contraste, los genes compartidos comúnmente con cianobacterias no fijadoras, o dispuestos en ciertos arreglos de promotores asociados a funciones de mantenimiento, eran menos propensos a ser FOX.

Nuevos candidatos génicos y una herramienta de diseño para ingenieros

Armados con estas ideas, los autores generaron puntuaciones de probabilidad para cada gen del genoma, usándolas como un ordenamiento más que como probabilidades literales. Entre los candidatos mejor clasificados se encontraban genes integrados en la región de la envoltura del heterocisto, genes ligados al balance redox y al transporte de electrones, y varios factores conocidos en otros organismos por ayudar a ensamblar o soportar la nitrogenasa pero aún no clasificados como FOX en Anabaena. Algunos de los genes con mayor puntuación ya cuentan con indicios experimentales independientes de importancia, lo que aporta credibilidad al enfoque. Para hacer los resultados prácticos para la biología sintética, el equipo también construyó una herramienta web que ayuda a los usuarios a escoger conjuntos compactos de genes candidatos que encajen dentro de un límite de tamaño de ADN elegido —aproximadamente la escala que ya se ha transferido a otras cianobacterias— usando ya sea un orden simple por rango o una estrategia voraz consciente del tamaño.

De predicciones más inteligentes a cultivos más inteligentes

Para un lector general, el mensaje clave es que este trabajo transforma una búsqueda desordenada a escala genómica en una lista priorizada de jugadores probables que permiten a microbios productores de oxígeno seguir fijando nitrógeno. El estudio muestra que los patrones en cuándo se activan los genes, cómo están conectados con sus vecinos y qué especies los conservan o descartan juntos forman una firma reconocible de la fijación de nitrógeno en condiciones óxicas. Si bien cada candidato aún necesita pruebas experimentales, las listas ordenadas y la aplicación interactiva ofrecen a los investigadores una hoja de ruta para completar sistemáticamente las piezas faltantes. A largo plazo, esa hoja de ruta podría guiar los esfuerzos para equipar cultivos o microbios industriales con sistemas de fijación de nitrógeno robustos y autónomos, reduciendo la dependencia de fábricas de fertilizantes intensivas en energía y ayudando a que la agricultura impacte con menor dureza al planeta.

Cita: Young, J., Gu, L. & Zhou, R. Predicting FOX gene candidates for oxic nitrogen fixation using multi-omic machine learning and comparative bioinformatics. Sci Rep 16, 11412 (2026). https://doi.org/10.1038/s41598-026-41873-w

Palabras clave: fijación de nitrógeno, cianobacterias, aprendizaje automático, biología sintética, heterocisto