Bioinformatica
Las nuevas técnicas de secuenciación de ADN están aumentando las cantidades de datos que pueden contribuir a mejorar la precisión en las definiciones de especies y las anotaciones de los genomas. En el laboratorio de bioinformática, estamos desarrollando y aplicando herramientas y procedimientos a escala genómica para predecir el comportamiento microbiano y seleccionar cepas microbianas o enzimas con capacidades sobresalientes. Nuestros estudios se aplican a cepas de interés agronómico, clínico o industrial. Además, trabajamos con metagenómica y machine learning para estudiar ambientes complejos y realizar predicciones biológicas. Estamos enfocados en los siguientes tópicos:
Minería génica y perfiles microbianos
Las funciones biológicas codificadas en un organismo eventualmente determinan su fenotipo y comportamiento en el ambiente. Sin embargo, la predicción de la función de una proteína es una tarea compleja, estando las soluciones in silico actuales centradas en la ortología. Recientemente, hemos desarrollado una herramienta que establece el perfil funcional bacteriano basado en las funciones biológicas codificadas en su genoma. Nos centramos principalmente en las rizobacterias que promueven el crecimiento de las plantas del género *Bacillus*.
Minería de datos y enzimas de uso industrial
Existe una demanda creciente de proteínas nuevas o con características excepcionales para su aplicación en diversos procesos industriales y/o el desarrollo de organismos modificados genéticamente. Si bien el advenimiento de la genómica y la minería de datos permiten la búsqueda de proteínas hipotéticas con homología a proteínas o enzimas conocidas, una gran proporción de las proteínas disponibles en las bases de datos comparten poca identidad con todas las proteínas estudiadas. En el laboratorio, utilizamos procedimientos estandarizados que emplean herramientas bioinformáticas y modelos estadísticos para la búsqueda en bases de datos de proteínas con fines industriales específicos.
Resolución taxonómica de cepas altamente relacionadas filogenéticamente
A pesar de la existencia de directrices y recomendaciones para garantizar la estabilidad, reproducibilidad y coherencia en la taxonomía, la metodología para circunscribir las cepas en las especies es aún subjetiva y arbitraria. Además, la clasificación de especies de muchos Firmicutes (Enterococcus, Lactococcus, Lactobacillus o Bacillus) no se define por un concepto teórico, sino generalmente por un requisito pragmático o de praxis industrial. Sin embargo, una asignación precisa de especies es extremadamente importante para la aceptación comercial para usos agronómicos o industriales. Por lo tanto, en el laboratorio nos enfocamos en realizar asignaciones de especies de cepas altamente filogenéticas relacionadas, logrando establecer una coherencia entre las características filogenéticas, genómicas y fenotípicas.
Metagenómica y machine learning
La metagenómica es el estudio del material genético recuperado directamente de muestras ambientales, permitiendo analizar la diversidad y funciones de comunidades microbianas complejas sin necesidad de cultivo. En nuestro laboratorio, utilizamos metagenómica para estudiar ambientes complejos como el suelo productivo, donde un gramo de suelo puede contener más de 20.000 especies. Aplicamos machine learning, que es una rama de la inteligencia artificial centrada en el desarrollo de algoritmos que permiten a las computadoras aprender de los datos, para comprender la complejidad biológica y establecer predicciones respecto a los rendimientos y la salud del suelo.
Miembros del Laboratorio
-
Martín Espariz
-
Tomás Petitti
-
Mariano Alberto Torres Manno
-
Sol Figueroa
-
Mariana Folmer
- Manuel Pantanetti (Estudiante)
Contacto
espariz@iprobyq-conicet.gob.ar
No Results Found
The page you requested could not be found. Try refining your search, or use the navigation above to locate the post.