En un puñado de tierra conviven bacterias, hongos, plantas, protistas y virus. Secuenciar todo ese ADN mezclado ya es rutina en muchos laboratorios. El problema llega después: buena parte de los fragmentos no se parecen a nada conocido y nadie sabe de qué organismo vienen. A esa fracción sin identificar se la conoce como materia oscura microbiana. Un equipo de la Universidad Hebrea de Jerusalén ha presentado una herramienta de inteligencia artificial para empezar a ordenarla. Se llama BBERT.

Esta pieza es un resumen propio del estudio y de la nota de prensa difundida por Phys.org, no una traducción.

Qué es BBERT y cómo funciona

BBERT usa el mismo tipo de arquitectura que los modelos de lenguaje que procesan texto. En lugar de frases, ha aprendido los patrones del ADN bacteriano. Su principal ventaja es que no necesita encontrar una secuencia parecida en una base de datos de referencia, que es como funcionan muchos métodos clásicos. Si un fragmento procede de un organismo que nadie ha catalogado, esos métodos suelen dejarlo sin clasificar. BBERT, en cambio, lo juzga por su aspecto.

Con cada fragmento corto de ADN, el modelo responde tres preguntas:

• ¿Parece ADN de bacteria o de otro tipo de organismo?
• ¿Contiene un trozo de un gen que codifica una proteína?
• Si es así, ¿en qué posición empieza el marco de lectura, es decir, cómo hay que leerlo en grupos de tres letras para obtener la proteína correcta?

El estudio lo han dirigido Amir Erez, del Instituto de Física Racah, y Omri M. Finkel, del Departamento de Ciencias Vegetales y Ambientales, ambos de la Universidad Hebrea. Dmitry Alekhin, Moshe Alon y Tomer Sidi figuran como coautores con la misma contribución. También han participado la Universidad de Haifa y el Instituto Volcani de la Organización de Investigación Agrícola.

Los resultados, en cifras

En las pruebas, BBERT distinguió el ADN bacteriano del que no lo es con alrededor de un 90 % de acierto. Según los autores, superó a las otras herramientas de aprendizaje profundo con las que lo compararon. Reconoció los fragmentos que codifican proteínas con un 88 % de acierto y encontró el marco de lectura correcto en un 96 % de los casos.

Después lo aplicaron a 1.969 conjuntos públicos de ADN de suelo. Allí clasificó muchos fragmentos que una herramienta de comparación muy extendida había dejado sin asignar. El hallazgo más curioso es que los fragmentos sin función conocida resultaban con más frecuencia no bacterianos. Eso sugiere que la materia oscura microbiana no está formada solo por bacterias raras. Su origen sería más variado.

La otra gran aportación es práctica. Reconstruir genomas completos a partir de miles de trocitos sueltos exige mucha memoria y mucho tiempo de cálculo. Si BBERT filtra antes las lecturas, el trabajo se aligera:

• En mezclas simuladas de organismos, el tiempo medio de reconstrucción bajó de unas 66 horas a unas 25 por conjunto de datos. Hubo menos errores y huecos, y se conservó cerca del 96 % de la cobertura de los genomas bacterianos.
• Con ADN de nódulos de raíces de leguminosas silvestres, el tiempo se redujo a la mitad. El pico de memoria pasó de 188 GB a 82 GB.

Además, el modelo funciona en un ordenador personal con una tarjeta gráfica adecuada. Los investigadores incluso lo probaron en un portátil.

Limitaciones que conviene tener en cuenta

Los propios autores reconocen los fallos de BBERT. A veces se le escapan fragmentos bacterianos y otras veces etiqueta como bacteriano ADN que no lo es. Puede confundir el ADN de los cloroplastos con el de las bacterias, algo lógico porque los cloroplastos descienden de bacterias antiguas. También le cuesta separar las bacterias de las arqueas, otro gran grupo de microorganismos con una biología muy parecida.

En el caso de los nódulos de raíz, el filtrado redujo la contaminación de algunos genomas reconstruidos, pero a cambio se perdió parte de la información bacteriana. Por eso BBERT no sustituye al análisis detallado. Su papel es el de una criba previa, rápida y barata, y siempre habrá que valorar si lo que se gana en velocidad compensa lo que se pierde por el camino.

Por qué importa

El suelo es uno de los ecosistemas más diversos del planeta. Sus microbios influyen en la fertilidad, en el crecimiento de los cultivos y en los ciclos del carbono y del nitrógeno, pero buena parte de lo que se secuencia sigue sin identificar. Una herramienta que clasifica el ADN sin depender de catálogos previos permite volver a analizar los miles de conjuntos de datos ambientales ya guardados en repositorios públicos. Si además funciona en un ordenador corriente, laboratorios sin grandes centros de cálculo también podrán asomarse a esa materia oscura microbiana.

Referencia: Alekhin D., Alon M., Sidi T. et al. (dirigido por Erez A. y Finkel O. M.), «Fast and accurate taxonomic domain assignment of short metagenomic reads using BBERT», Nucleic Acids Research, 2026. DOI: 10.1093/nar/gkag1002. Fuente divulgativa: Phys.org.