Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
Generación de compartimientos en el análisis de la red metabólica en un metagenoma de suelo para determinar flujo de gases invernadero D. Olivera1,2, A. González1, S. Restrepo2 1. Departamento de Ingeniería Química Universidad de los Andes, Bogotá, Colombia. 2. Facultad de Ciencias, Universidad de los Andes, Bogotá, Colombia. Resumen El modelamiento de las redes metabólicas de los microorganismos ayuda a entender como funciona la dinámica de un ecosistema, de manera que se puedan desarrollar técnicas de intervención para solucionar problemáticas ambientales. Este proyecto propone una plataforma para la construcción de las redes metabólicas involucradas en el flujo de gases invernadero, haciendo énfasis en la creación de compartimientos. A partir de un metagenoma de suelo de bosque altoandino se realizó un análisis metabólico y taxonómico que permitió establecer la existencia de 6 compartimientos. Para cada compartimento se realizó un análisis de las reacciones involucradas con el cual se analizó su reversibilidad y se establecieron los metabolitos que debían intercambiarse entre compartimientos. Palabras clave: Metagenoma, compartimientos, KEGG, BLAST. 1.Introducción En un mundo globalizado, donde las llamadas economías emergentes demandan cada vez más alimentos y recursos para poder satisfacer su poblaciones en crecimiento y sus industrias en desarrollo, es inevitable observar cómo los suelos vírgenes son devastados para darle paso a las diferentes actividades económicas. Por ende, resulta de vital importancia poder determinar los efectos de la intervención humana en los suelos, y como estos terminan afectando el efecto invernadero. El suelo es el sitio en donde se lleva a cabo la mayor parte del intercambio de nutrientes y la transformación de compuestos de los ciclos biogeoquímicos. Por tal motivo, varios autores han intentado modelar el funcionamiento de estos ciclos, teniendo como principal objetivo, lograr un entendimiento de las relaciones entre las sustancias, la dinámica del sistema y la habilidad para poder modificarlos [1]-[3]. La manera en la que se ha resuelto este problema es a través del uso de modelos que estudian el comportamiento de las sustancias involucradas en estos ciclos. Algunos de estos asumen que el suelo se comporta como un reactor y solo modelan la entrada y salida de nutrientes [1], mientras que otros tienen en cuenta que en realidad en los ciclos geoquímicos, los compuestos no son fijados en el suelo por alguna reacción química establecida y en el proceso se encuentran involucrados varios microorganismos con diversos metabolismos [2]-[5]. Los modelos que tienen en cuenta la interacción de los microorganismos en los ciclos geoquímicos se han podido construir gracias al desarrollo de herramientas como la genómica, con la cual es posible tener la información de todos los genes presentes dentro de un ecosistema, sin la necesidad de trabajar con los organismos individualmente en el laboratorio. Además, herramientas como las bioinformáticas y las bases de datos permiten, a partir de secuencias de ADN, identificar los organismos y características particulares de estos, tales como las rutas metabólicas que realizan [6]. Así mismo, disciplinas como la termodinámica y la ingeniería de reacciones permiten diseñar modelos aproximados a la realidad sobre el funcionamiento de las reacciones y metabolismos de los organismos dentro de un ecosistema y como es el flujo de nutrientes entre estos [7]–[9]. A partir de las herramientas mencionadas anteriormente, se crean redes genéticas, que han permitido el desarrollo de proyectos que reconstruyen las rutas metabólicas de organismos individuales o de ecosistemas particulares mediante la obtención de las reacciones del sistema y el análisis de estas, basados en una metodología establecida[2][3][7][10][11]. En el primer paso, de esta metodología, se anotan los genomas con el fin de obtener identificadores que permitan determinar las reacciones bioquímicas del sistema. Una vez se tienen las reacciones se procede a hacer una curación manual donde se seleccionan las rutas de interés y completan aquellas reacciones que no pudieron ser encontradas en las bases de datos. Finalmente se lleva a cabo un análisis termodinámico que establece la reversibilidad de las reacciones y un proceso de optimización donde se encuentran las velocidades de reacción [6]. Para el procedimientos estándar de la creación de redes metabólicas existen scripts [2][3] que permiten realizar cada uno de los pasos y herramientas virtuales tales como MG-RAST que utilizan una interfaz gráfica, haciendo el proceso más sencillo [12]. El algoritmo de obtención de la redes genéticas permite ver la dinámica de los metabolitos dentro del sistema, sin embargo asume que todas las reacciones suceden dentro de un mismo compartimento. El modelamiento se hace en un gran citoplasma, dejando por fuera la existencia de organelos, el transporte de metabolitos y las tasas de difusión al medio. Algunos autores se han centrado en este problema y han propuesto modelos matemáticos para encontrar la mejor manera de generar estas divisiones [9], sin embargo sus aproximaciones solo han sido a nivel intracelular y poco se encuentra en la literatura sobre la generación de compartimientos a nivel intercelular. Para la generación de los compartimentos no se tiene una plataforma establecida que se pueda seguir si se quieren analizar unos datos genómicos. Este proyecto pretende establecer una plataforma para determinar flujo de gases invernadero en metagenomas de suelo a través de un análisis funcional y un análisis taxonómico que permitan establecer una red metabólica teniendo en cuenta la existencia de compartimientos. 2. Metodología Para desarrollar el modelo de la red metabólica, de flujo de gases invernadero del suelo de bosque alto andino colombiano, se propuso el procedimiento de la Figura 1, teniendo en cuenta el procedimiento general de reconstrucción de redes metabólicas [6] y la información requerida para la generación de los compartimientos. Dentro de los pasos adicionales al proceso general de reconstrucción de redes, se diseñó un análisis taxonómico de los organismos que conformaban el metagenoma. Esto con el fin de identificar características importantes a nivel morfológico que influyeran en el transporte de metabolitos, así como identificar las características metabólicas comunes entre las ramas del árbol y las características particulares de cada una. A continuación se explican cada uno de los pasos de manera detallada: Figura 1 Esquema general para el análisis de una red metabólica teniendo en cuenta los compartimientos 2.1Aproximación taxonómica: Para llevar a cabo el análisis taxonómico del metagenoma, primero se realizó un alineamiento múltiple con la herramienta BLAST del Centro Nacional de Información Biotecnológica de Estados Unidos (NCBI). Este programa utiliza un algoritmo de alineamiento local basado en un heurístico que encuentra un alineamiento corto, lo extiende, y asigna un puntaje dependiendo de la similitud de la secuencias a comparar [13]. BLAST provee información estadística sobre el alineamiento con el fin de ver si los resultados son estadísticamente significativos. Dentro de esta información se encuentra un puntaje definido por los parámetros del programa y el e-value, valor que representa el numero de secuencias que se pueden alinear con la secuencia de entrada, por azar con ese puntaje o uno más alto [14]. Los limites de estos estadísticos deben ser establecidos por el usuario; para este caso el e-value mínimo fue de 0.01 y el puntaje mínimo se dejó con el valor por defecto del programa. Los resultados del alineamiento fueron ingresados en MEGAN4. Software de la Universidad de Tubinga, que toma los resultados de un BLAST ylos organiza en un árbol taxonómico que muestra gráficamente las proporciones de los organismos encontrados al nivel taxonómico que se desee [15]. 2.2Análisis metabólico: 2.2.1 Reacciones del sistema Para llevar a cabo en análisis metabólico, primero, fue necesario encontrar las enzimas que eran codificabas por el metagenoma. Para esto se tradujo cada secuencia en los seis marcos de lectura y se desarrolló un script en Bioperl [16] con el cual se escogieron todas las secuencias con mas de 10 aminoácidos. En este punto es importante hacer una comparación en el modo de obtención de las enzimas. La mayoría de autores al traducir las secuencias, seleccionan el marco de lectura con la secuencia mas larga [3]. Sin embargo se debe tener en cuenta que, en el proceso de secuenciación, el ADN es cortado aleatoriamente y es posible tener segmentos cortos y truncados de enzimas, por lo cual al escoger la secuencia mas larga se crea un sesgo que aumenta la probabilidad de dejar información relevante por fuera del análisis. Para evitar este sesgo, se seleccionaron todas las secuencias traducidas con mas de 10 aminoácidos, longitud que permitía a la secuencia ser considerada una polipéptido con estructura terciaria y le permitía ser comparadas eficazmente contra las bases de datos. Partiendo del archivo de las proteínas traducidas se realizó una anotación metabólica utilizando un grupo de scripts desarrollados en lenguaje de programación php. En estos scripts, las proteínas son comparadas con la base de datos de proteínas de NCBI con el fin de obtener solo las proteínas metabólicas; estás son comparadas con la Enciclopedia de Genes y Genomas de Kioto (KEGG) [17] , para encontrar los números EC (Enzyme commission numbers) que representan la enzima correspondiente a la proteína metabólica[3]. Finalmente con los números EC es posible identificar las reacciones y los metabolitos involucrados en estas, a partir de un código desarrollado previamente en el lenguaje de programación Python®[18] [3]. 2.2.2 Curación manual de las reacciones Una vez las reacciones fueron obtenidas se realizó un proceso de curación manual donde se seleccionaron las reacciones pertenecientes a las rutas metabólicas de los gases invernadero, teniendo en cuenta los resultados del análisis taxonómico. En este proceso se analizó el origen y el destino de todos los metabolitos dentro del sistema de manera que estos siempre se generarán en una reacción y fueran utilizados en otra evitando así, la acumulación de metabolitos en las células. 2.2.3 Análisis termodinámico Al realizar la curación manual de las reacciones fue necesario establecer la reversibilidad de estas a partir del valor energía libre de Gibbs de la reacción. Si este valor era cercano a cero la reacción se consideraba reversible. En general, cuando se realiza un análisis termodinámico de un sistema, se utilizan datos de energía de reacción experimentales, sin embargo cuando se habla de sistemas biológicos esta información es muy reducida; en un organismo modelo no se alcanzan a describir mas del 8% de las reacciones. Por lo anterior para hacer el análisis termodinámico se utilizó el método descrito por Jankowski et al. basado en la contribución de grupos [8]. En el calculo de energía libre por medio de contribución de grupos se calcula la energía de formación para cada metabolito por separado y luego la energía de reacción es calculada de acuerdo a la ecuación 1, donde ni hace referencia a los coeficientes estequiométricos [8]. ∆𝐺°!"# = 𝑛!∆𝐺°! !"#$%&'#( − 𝑛!∆𝐺°! !"#$%&'() 𝐸𝑞 1. Cada compuestos se descompone en grupos de moléculas pequeñas, teniendo en cuenta los subgrupos estructurales que la conforman. Cada uno de estos subgrupos estructurales asociado un ∆𝐺 , que considera la energía de formación y la energía relacionada con las interacciones que este realiza con sus vecinos [8]. Con la energía de formación de todos los grupos estructurales, la energía total del metabolito es calculada sumando los aportes de energía de cada uno de los grupos por la cantidad de veces que estos se encuentren dentro de la molécula [8]. Para calcular el ∆𝐺 de las reacciones seleccionadas, se utilizó el material suplementario del articulo de Jankowski et al, en el cual se encontraba el valor de las energías libres de Gibbs del 70% de las reacciones analizadas. El 30% restante fue analizado de acuerdo a la energía de formación teórica de los metabolitos encontrada en la literatura y en la plataforma en internet del Laboratorio de sistemas computacionales de biotecnología de la Escuela Politécnica Federal de Lausana, la cual utiliza estructura química del compuesto para calcular la energía de formación basándose en la misma metodología de contribución de grupos que Jankowski et al. 3. Resultados y Análisis 3.1Analisis taxonómico En el árbol taxonómico de los organismos presentes en el suelo de bosque alto andino (Figura 2) una pequeña porción del metagenoma alineado corresponde a virus y el resto corresponde a organismos celulares, donde predominan las bacterias seguidas por los eucariotas. Sin embargo, es importante resaltar que parte de los datos no fueron asignados o no tuvieron hits, lo cual se debe a que los datos del metagenoma contenían secuencias muy cortas que al ser alienadas no cumplían los criterios mínimos de los estadísticos establecidos y no eran tenidos en cuenta como resultados. Figura 2 Árbol taxonómico del metagenoma Una gran proporción de los organismos encontrados en el metagenoma fueron eucariotas los cuales se caracterizan por tener organelos con membrana, donde ocurren varias rutas metabólicas [19]. Esta característica morfológica particular afecta el acceso de los metabolitos, pues estos se encuentran dentro de un compartimiento donde tienen que pasar barreras físicas para poder ser accesibles para otras rutas metabólicas. En los procariotas (arqueas y bacterias), no se tienen divisiones intracelulares rodeadas por membrana y todas las reacciones suceden dentro del mismo compartimiento que es el citoplasma [19]. En este caso las limitaciones de acceso a metabolitos están dadas intercelularmente. Sin embargo crear un modelo teniendo en cuenta el transporte de metabolitos de célula a célula implicaría crear una red metabólica muy compleja y difícil de modelar. Debido a lo anterior se realizó una aproximación cualitativa para la creación de compartimentos en estos dominios teniendo las características metabólicas de las ramas. Se analizaron los principales gases invernadero y las rutas en las que estos estaban involucrados. Con esto se quería encontrar rutas importantes en el ciclo del carbono que fueran exclusivas de dos o tres filos significativamente representados en el árbol, y generar compartimientos para cada una de estas rutas. Uno de los gases invernadero de gran interés es el metano y su síntesis es exclusiva del metabolismo de las Arqueas [20]. Al revisar en el árbol taxonómico se encontraron algunos de estos microorganismos (Methanosarcina mazei o Methanosphaerula palustris), sin embargo al revisar los resultados de BLAST de éstos, se evidenció que su segunda opción en el alineamiento correspondía a bacterias típicas de suelo como Ralstonia Solanacearum y ambas tenían estadísticos muy similares. Este resultado fue apoyado con el análisis metabólico, donde al analizar las reacciones relacionadas con los proceso de metanogénesis solo se encontraron el 35% de las reacciones, las cuales eran compartidas por otros ciclos como el del Acetil-CoA. Por lo anterior y debido a la baja proporción de Arqueas metanogénicas en los resultados, este metabolismo no es tenido en cuenta como compartimiento cualitativo. Otro de los gases invernadero de gran importancia es el dióxido de carbono. La producción yfijación de éste está dado por varias rutas metabólicas, una de las más importantes es la fotosíntesis. En el árbol de la Figura 3Figura 3 este metabolismo en bacterias es exclusivo de los organismos pertenecientes a las ramas Cianobacteria y Chloroflexi (Figura 3). Este metabolismo también es realizado en los cloroplastos de las eucariotas y el acceso a los metabolitos producidos por la fotosíntesis se ve principalmente afectado por las membranas de estos organelos. Por lo anterior este metabolismo es tenido en cuenta como compartimientos cualitativo [22]. Los metabolismos anaerobios también son de gran importancia en el ciclo del carbono, ya que ayudan a la fijación de nutrientes [21]. Los Bacteriodetes y las Firmicutes tales como Clostridium botulinum de la clase Clostridia, son las ramas del árbol que poseen este tipo de metabolismo el cual también es tenido en cuenta dentro del modelo como compartimiento [22][23]. 3.2 Análisis metabólico Al traducir las secuencias del metagenoma, se encontraron 3064 secuencias asociadas a enzimas metabólicas de las cuales 263 correspondían a las reacciones involucradas en el metabolismo de gases invernadero. Estas reacciones tenían en cuenta los metabolismos establecidos en el análisis taxonómico: fotosíntesis, anaerobiosis y metanogénesis así como otros metabolismos de la fijación de carbono y el metabolismo del nitrógeno. Figura 3 Árbol taxonómico de las bacterias Figura 4 Distribución de las reacciones involucradas en el flujo de gases invernadero La Figura 4 muestra la proporción de cada uno de los ciclos. El 16% de las reacciones encontradas pertenecen al ciclo del nitrógeno en el cual se lleva a cabo el metabolismo de los óxidos de nitrógeno. Estos óxidos son gases invernadero que han demostrado tener un gran impacto en la formación y destrucción de la capa de ozono así como en la fijación del metano en la troposfera [24]. El metabolismo del nitrógeno es llevado a cabo por varios procariotas de diferentes filos como los Firmicutes y las Proteobacterias [25]. Dada la importancia de este metabolismo, se debe considerar como compartimento cualitativo de las procariotas. El 84% de las reacciones restantes corresponden a metabolismos asociados a la fijación del carbono. Para cada uno de estos metabolismos se llevo a cabo una curación manual donde se agregaron reacciones de procesos intermedios que no pudieron ser identificadas con los datos del metagenoma. Así mismo fue necesario hacer la curación de los metabolitos asociados a una sola reacción. Ya que si se hace un análisis de flujo de estos, se va a ver una acumulación (Caso A Figura 5) o consumo (Caso B Figura 5) acelerado dentro la célula, haciendo el metabolismo inviable para los microorganismos. Para solucionar esta inconsistencia fue necesario agregar reacciones adicionales al sistema. Las primeras reacciones que se buscaron adicionar fueron las reacciones inversa. Sin embargo al calcular la energía libre Gibbs de cada reacción se encontró que solo el 2% de las reacciones seleccionadas eran reversibles y en esta pequeña proporción no se encontraban los metabolitos asociados a una sola reacción. Dado esto, fue necesario buscar nuevas reacciones que involucraran el consumo o la producción de los metabolitos problema en otros metabolismos. La Tabla 1 muestra el resumen de las reacciones encontradas con los datos del metagenoma para cada uno de los metabolismos analizados en comparación con las reacciones totales que se dan en cada uno de estos. Para la mayoría de los metabolismos solo fue necesario agregar enzimas de pasos intermedios faltantes, con excepción de la fijación anaerobia del carbono. En este metabolismo se utiliza folato como reactivo en uno de los pasos, sin embargo este no esta asociado a otra reacción, 12% 25% 16% 15% 3% 6% 15% 4% 4% Ciclo de Krebs Glicolisis Ciclo del nitrogeno Fotosintesis Metanogenesis Fijacion anaerobia Figura 5 Metabolitos asociados a una sola reacción se acumulan (A) o agotan(B) rápidamente en la células. Para resolver esta inconsistencia es necesario adicionar reacciones (rojo) ya sean las reacciones inversas o nuevas reacciones. por lo cual fue necesario adicionar 15 reacciones para que produjeran este metabolito a partir de una azúcar generada en la glicolisis. Tabla 1 Proporción de reacciones del metabolismo encontradas en el metagenoma y reacciones adicionadas para completar el metabolismo Ruta Metabólica % Encontrado en el metagenoma Adiciones Ciclo de Krebs 100 0 Glicolisis 93.94 2 Ciclo del nitrógeno 87.5 2 Fotosíntesis 100 0 Fijación anaerobia 90 18 Pentosa fosfato 89.29 3 Fosforilación Oxidativa 75 1 Ciclo Enter Duodoroff 90 1 Todos los metabolismos seleccionados para la construcción de la red metabólica están representados por mas del 87% en el metagenoma, a excepción del ciclo de la fosforilación oxidativa. Este proceso consiste de 4 reacciones, para la última, la enzima no fue identificada en los datos del metagenoma, sin embargo se puede asumir su existencia pues es la encargada de la síntesis de ATP, molécula esencial para todos los procesos en las células [27]. En el análisis metabólico del presente trabajo se encontraron mas reacciones por metabolismo comparado con los resultados de un análisis previo del mismo metagenoma [3]. Esta diferencia de cobertura de información se debe a que las diferencias presentadas en la metodología a la hora de seleccionar las proteínas a analizar. 3.3 Generación de compartimientos y construcción de la red metabólica De acuerdo con los resultados obtenidos en el análisis metabólico y taxonómico de los datos del metagenoma de suelo de bosque alto andino se generaron 6 compartimientos para el desarrollo del modelo de flujo metabólico de gases invernadero. El primero de estos compartimientos son los eucariotas, los cuales tienen realizan rutas metabólicas particulares como lo son los ciclo C4 y CAM de la fotosíntesis. Dentro de este compartimiento existen dos compartimiento generados debido a la existencia de una doble membrana de los organelos, estos son: La mitocondria donde se lleva a cabo la fosforilación oxidativa y los cloroplastos donde se lleva a cabo el ciclo el Calvin Benson. Aunque este ultimo también se realiza en procariotas, se determinó que el acceso a los metabolitos de este ciclo esta limitado por las barreras existentes en las eucariotas y no por las barreras procariotas. Dentro de los compartimientos procariotas se encuentra la fijación del carbono realizada en anaerobiosis donde se realizan el ciclo inverso del acido cítrico y el ciclo de Wood –Ljungdahl. Un compartimento donde se realiza ciclo de Enter- Duodoroff, el cual metaboliza la glucosa en la mayoría de procariotas. Y el compartimiento de la fijación del nitrógeno. El ciclo de Krebs, la Glicolisis y el ciclo de pentosa fosfato son metabolismos que se encuentran en la mayoría de organismos, tanto eucariotas como procariotas, por lo cual no son asignados a ningún compartimiento en particular. Con la creación de los compartimientos volvió a surgir el problema de la disponibilidad de algunos metabolitos para las reacciones, debido a la existencia de barreras físicas en los compartimientos. Por lo anterior, se establecieron nuevas reacciones para describir el transporte de los metabolitos. Los compuestos esenciales como el ATP, CO2 y el agua, así como transportadores de electrones como el NADH y el FADH requieren ser transportados entre todos los compartimientos. Mientras que azucares como la sedoheptulosa o compuestos como el folato son transportados entre compartimientos particulares. La Figura 6 presenta un esquema general de los compartimientos generados y muestran algunos de metabolitos deben ser intercambiadosentre estos. 4. Conclusiones A partir del análisis taxonómico se estableció que para el modelamiento de las redes genéticas del metagenoma se debe tener en cuenta las diferencias morfológicas entre las eucariotas y procariotas. Gracias al análisis metabólico y taxonómico se pudo establecer que la metanogénesis no era un ciclo importante para el modelamiento del sistema. Esto se debe a que la producción de metano esta asociada a arqueas las cuales se encuentran principalmente en suelos de ganadería bovina y no en suelos de bosque [26]. Más del 90% de las enzimas asociadas a las reacciones de los metabolismos de la fijación del carbono y el nitrógeno se encontraron en los datos del metagenoma, esta gran cobertura se obtuvo al modificar algunos de los pasos propuestos para la construcción de la red metabólica. Con el análisis termodinámico se encontró que solo el 2% de las reacciones eran reversibles por lo cual fue necesario encontrar nuevas reacciones de otros metabolismos para hacer la curación manual de los compuestos asociados a solo una reacción. Se propusieron 6 compartimientos para el modelo de flujo de gases invernadero en suelo de bosque alto andino: Células eucariotas dentro del que se encuentran las mitocondrias y los cloroplastos, metabolismo del nitrógeno, fijación anaerobia del carbono y ciclos del carbono específicos de procariotas. Tener información sobre el área del muestreo es importante para decidir si una de las rutas debe ser considerada en la red, como sucedió en el caso del metano. Para analizar el flujo de los gases invernadero dentro del sistema es necesario encontrar las velocidades de reacción, con lo cual se puede establecer cuales son los ciclos mas favorecidos en este suelo y como se relaciona con la producción de gases invernadero Figura 6 Red Metabólica del flujo de gases invernadero del suelo de bosque alto andino 5. Trabajo futuro El siguiente paso a seguir es encontrar las velocidades de reacción con el fin de analizar cuales de las reacciones del sistema tienen mayor influencia dentro de la red. Esto se logra por medio de una optimización donde la función objetivo debe ser la combinación lineal de las velocidades de las reacciones del sistema metabólico y las restricciones el flujo de masa dado por la estequiometria de las reacciones[6]. Finalmente, el trabajo futuro basado en los resultados obtenidos en el presente artículo es el análisis cuantitativo de la expresión de las rutas metabólicas encontradas en el proyecto, ya sea por experimentación en el laboratorio o por una análisis transcriptómico de la muestra. 6. Agradecimientos Primero quiero agradecer a Dios y mi familia por darme fuerzas para seguir adelante. Al doctor Andrés González y la doctora Silvia Restrepo por su guía y asesoría. Y a los estudiantes Juan David Enciso y Camilo Mora por sus valiosos aportes en el desarrollo de este proyecto. Referencias [1] S. Blagodatsky and P. Smith, “Soil physics meets soil biology: Towards better mechanistic prediction of greenhouse gas emissions from soil,” Soil Biol. Biochem., vol. 47, pp. 78–92, Apr. 2012. [2] M. A. Zamora, A. Pinzón, M. M. Zambrano, S. Restrepo, L. J. Broadbelt, M. Moura, and A. F. G. Barrios, “Analysis of Metabolic Functionality and Thermodynamic Feasibility of a Metagenomic Sample from ‘El Coquito’ Hot Spring,” in Advances in Computational Biology, L. F. Castillo, M. Cristancho, G. Isaza, A. Pinzón, and J. M. C. Rodríguez, Eds. Springer International Publishing, 2014, pp. 287–293. [3] C. A. Mora and A. González, “Análisis de la red metabólica obtenida a partir de la reconstrucción de un metagenoma del ecosistema de Bosque Alto Andino.,” Universidad de los Andes, Bogotá, 2013. [4] S. G. Pritchard, “Soil organisms and global climate change,” Plant Pathol., vol. 60, no. 1, pp. 82–99, 2011. [5] S. D. Allison, M. D. Wallenstein, and M. A. Bradford, “Soil-carbon response to warming dependent on microbial physiology,” Nat. Geosci., vol. 3, no. 5, pp. 336–340, May 2010. [6] A. M. Feist, M. J. Herrgård, I. Thiele, J. L. Reed, and B. Ø. Palsson, “Reconstruction of biochemical networks in microorganisms,” Nat. Rev. Microbiol., vol. 7, no. 2, pp. 129–143, Feb. 2009. [7] A. Pinzón, L. M. Rodriguez-R, A. González, A. Bernal, and S. Restrepo, “Targeted metabolic reconstruction: a novel approach for the characterization of plant–pathogen interactions,” Brief. Bioinform., vol. 12, no. 2, pp. 151–162, Mar. 2011. [8] M. D. Jankowski, C. S. Henry, L. J. Broadbelt, and V. Hatzimanikatis, “Group contribution method for thermodynamic analysis of complex metabolic networks,” Biophys. J., vol. 95, no. 3, pp. 1487–1499, Aug. 2008. [9] S. Mintz-Oron, A. Aharoni, E. Ruppin, and T. Shlomi, “Network-based prediction of metabolic enzymes’ subcellular localization,” Bioinforma. Oxf. Engl., vol. 25, no. 12, pp. i247–252, Jun. 2009. [10] F. H. Karlsson, I. Nookaew, D. Petranovic, and J. Nielsen, “Prospects for systems biology and modeling of the gut microbiome,” Trends Biotechnol., vol. 29, no. 6, pp. 251–258, Jun. 2011. [11] L. Liu, R. Agren, S. Bordel, and J. Nielsen, “Use of genome-scale metabolic models for understanding microbial physiology,” FEBS Lett., vol. 584, no. 12, pp. 2556–2564, Jun. 2010. [12] F. Meyer, D. Paarmann, M. D’Souza, R. Olson, E. M. Glass, M. Kubal, T. Paczian, A. Rodriguez, R. Stevens, A. Wilke, J. Wilkening, and R. A. Edwards, “The metagenomics RAST server – a public resource for the automatic phylogenetic and functional analysis of metagenomes,” BMC Bioinformatics, vol. 9, no. 1, p. 386, Sep. 2008. [13] S. F. Altschul, W. Gish, W. Miller, E. W. Myers, and D. J. Lipman, “Basic local alignment search tool,” J. Mol. Biol., vol. 215, no. 3, pp. 403 – 410, 1990. [14] S. Karlin and S. F. Altschul, “Methods for assessing the statistical significance of molecular sequence features by using general scoring schemes.,” Proc. Natl. Acad. Sci. U. S. A., vol. 87, no. 6, pp. 2264–2268, Mar. 1990. [15] D. H. Huson, S. Mitra, H.-J. Ruscheweyh, N. Weber, and S. C. Schuster, “Integrative analysis of environmental sequences using MEGAN4,” Genome Res., vol. 21, no. 9, pp. 1552–1560, Sep. 2011. [16] J. E. Stajich, D. Block, K. Boulez, S. E. Brenner, S. A. Chervitz, C. Dagdigian, G. Fuellen, J. G. R. Gilbert, I. Korf, H. Lapp, H. Lehväslaiho, C. Matsalla, C. J. Mungall, B. I. Osborne, M. R. Pocock, P. Schattner, M. Senger, L. D. Stein, E. Stupka, M. D. Wilkinson, and E. Birney, “The Bioperl toolkit: Perl modules for the life sciences,” Genome Res., vol. 12, no. 10, pp. 1611–1618, Oct. 2002. [17] M. Kanehisa, S. Goto, Y. Sato, M. Furumichi, and M. Tanabe, “KEGG for integration and interpretation of large-scale molecular data sets,” Nucleic Acids Res., vol. 40, no. Database issue, pp. D109–114, Jan. 2012. [18] van Rossum,Guido and de BOer, Jelke, “Interactively Testing Remote Servers Using the Python Programming Language,” CWI Q., vol. 4, no. 4, pp. 283–303, Dec. 1991. [19] D. E. Sadava, Life, the science of biology. Sunderland, MA; Gordonsville, VA: Sinauer Associates ; W.H. Freeman and Co., 2008. [20] T. Watanabe, G. Wang, C. G. Lee, J. Murase, S. Asakawa, and M. Kimura, “Assimilation of glucose-derived carbon into methanogenic archaea in soil under unflooded condition,” Appl. Soil Ecol., vol. 48, no. 2, pp. 201–209, Jun. 2011. [21] F. Dassonville, J. J. Godon, P. Renault, A. Richaume, and P. Cambier, “Microbial dynamics in an anaerobic soil slurry amended with glucose, and their dependence on geochemical processes,” Soil Biol. Biochem., vol. 36, no. 9, pp. 1417–1430, Sep. 2004. [22] J. L. Johnson, “Use of Nucleic-Acid Homologies in the Taxonomy of Anaerobic Bacteria,” Int. J. Syst. Bacteriol., vol. 23, no. 4, pp. 308–315, Oct. 1973. [23] D. Mariat, O. Firmesse, F. Levenez, V. D. Guimarăes,H. Sokol, J. Doré, G. Corthier, and J.-P. Furet, “The Firmicutes/Bacteroidetes ratio of the human microbiota changes with age,” BMC Microbiol., vol. 9, no. 1, p. 123, Jun. 2009. [24] G. Lammel and H. Graßl, “Greenhouse effect of NOX,” Environ. Sci. Pollut. Res., vol. 2, no. 1, pp. 40–45, Jul. 1995. [25] J. Raymond, J. L. Siefert, C. R. Staples, and R. E. Blankenship, “The Natural History of Nitrogen Fixation,” Mol. Biol. Evol., vol. 21, no. 3, pp. 541–554, Mar. 2004. [26] V. Radl, A. Gattinger, A. Chroňáková, A. Němcová, J. Čuhel, M. Šimek, J. C. Munch, M. Schloter, and D. Elhottová, “Effects of cattle husbandry on abundance and activity of methanogenic archaea in upland soils,” ISME J., vol. 1, no. 5, pp. 443–452, Jul. 2007. [27] Boyer, Paul. “The ATP Synthase a splendid molecular machine”. Annu. Rev. Biochem. vol, 66, pp.717–49, 1997
Compartir