2026-04-05T00:27:54Zhttps://openaccess.uoc.edu/server/oai/requestoai:openaccess.uoc.edu:10609/1536692026-02-06T12:26:56Zcom_10609_53084com_10609_53082com_10609_47922com_10609_1col_10609_53085
Repositori Institucional (O2)
author
Jordá Fernández, Celia Rosa
other
Pérez-Millan, Agnès
tutor
Muniesa Rubio, Joan
2025-10-21T16:45:21Z
2025-10-21T16:45:21Z
2025-06-04
https://hdl.handle.net/10609/153669
Actualmente, las sequías severas están aumentando en frecuencia e intensidad debido al cambio climático, representando una de las mayores amenazas ambientales. Estos eventos generan impactos adversos sobre la estabilidad de los ecosistemas, por lo que comprender los mecanismos que permiten a las bacterias tolerar la escasez de agua resulta fundamental. Sin embargo, la imposibilidad de cultivar la mayoría de los taxones bacterianos limita significativamente nuestro conocimiento sobre estas adaptaciones. Este trabajo tiene como objetivo desarrollar un modelo predictivo capaz de inferir la tolerancia a la sequía de comunidades bacterianas a partir de su información genómica, superando así las limitaciones del cultivo. Para ello, se analizaron datos de secuenciación de ADN bacteriano (gen 16S rRNA), se identificaron variantes asociadas a condiciones de sequía y se alinearon con genomas representativos en bases de datos. Posteriormente se realizó una anotación funcional mediante grupos ortólogos de genes (COGs) y a partir de métodos estadísticos, se seleccionaron 316 COGs relevantes para distinguir las respuestas bacterianas frente a la sequía. Con esta información, se construyó un modelo computacional basado en técnicas de aprendizaje automático, optimizado y validado para garantizar su fiabilidad. El modelo alcanzó un rendimiento intermedio (Precisión = 0.723 y AUC = 0.78) e identificó funciones genómicas asociadas a la tolerancia hídrica. Estos resultados representan un primer paso prometedor hacia la predicción funcional del microbioma del suelo a partir de información genómica, y abren la puerta a futuras aplicaciones en contextos agrícolas y ambientales.
Climate change is intensifying the frequency and severity of droughts worldwide, with significant implications for ecosystem resilience and function. These events have adverse impacts on ecosystem stability, making it essential to understand the mechanisms that enable bacteria to tolerate water scarcity. However, the inability to culture most bacterial taxa significantly limits our knowledge of these adaptive strategies. This study aims to develop a predictive model capable of inferring the drought tolerance of bacterial communities based on their genomic information, thereby overcoming the limitations of cultivation. To this end, bacterial DNA sequencing data (16S rRNA gene) were analyzed, and variants associated with drought conditions were identified and matched with representative genomes from public databases. Functional annotation was then performed using Clusters of Orthologous Groups (COGs), and 316 relevant genes were selected through
statistical methods to distinguish bacterial responses to drought. Using this information, a computational model based on machine learning techniques was built, optimized, and validated to ensure its reliability. The model achieved intermediate performance (Accuracy = 0.723 and AUC = 0.78) and identified genomic functions potentially associated with drought tolerance. These results represent a promising first step toward the functional prediction
of the soil microbiome from genomic data and lay the groundwork for future applications in agricultural and environmental settings.
spa
CC BY-NC-ND
adaptación microbiana
modelado predictivo
tolerancia a la sequía
Aplicación de machine learning para inferir la adaptación bacteriana a la sequía con información genómica
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
URL
https://openaccess.uoc.edu/bitstreams/bb5fb64f-5789-44fb-a088-63c1eefb65b5/download
File
MD5
633078f8124ab945e9f62849d113d147
2601651
application/pdf
cjordafTFM0625memoria.pdf