VIRify, el flujo computacional que busca revelar la materia oscura viral

Cada vez que nos recuerdan que en nuestro cuerpo habitan más microorganismos que células propias [1], nos sorprendemos tanto que nos preguntamos si en realidad somos, más que humanos, un ecosistema ambulante de bacterias y otros microorganismos. Más asombroso aún es pensar que puede haber especies más abundantes que las mismas bacterias en nuestro planeta. En los últimos años, tras múltiples esfuerzos para secuenciar el ADN de distintos biomas, se ha descubierto que la abundancia de virus supera —quizás cada vez más— la de muchos otros microorganismos y se ha llegado incluso a proponer que es de un orden de magnitud superior a la abundancia de bacterias en toda la Tierra [2]. A esta gigantesca masa de nuevas entidades virales, en su mayoría de virus bacterianos conocidos como bacteriófagos, que dominan todos los ecosistemas y cuya diversidad aún permanece desconocida, se le ha denominado la «materia oscura viral» [3]

Para comprender mejor la materia oscura genética viral, desde el grupo de investigación en Biología Computacional y Ecología Microbiana (BCEM) publicamos una investigación en la que ampliamos la búsqueda de nuevas regiones conservadas en los genes virales e incluimos secuencias de virus de procariotas y eucariotas para expandir y robustecer la clasificación taxonómica viral [8]. Para lograr esto, llevamos a cabo un análisis exhaustivo de la diversidad viral almacenada en bases de datos públicas. Luego, empleamos una base de datos especializada para identificar virus y predecir las proteínas en los genomas virales que no contaban con esa información. Utilizamos tanto las proteínas ya conocidas en las bases de datos, como las predichas para identificar posibles secciones conservadas de las proteínas, llamadas dominios proteicos. Finalmente, implementamos un algoritmo de agrupamiento para definir 31150 grupos de dominios que reflejan ancestría común entre sí que nombramos ViPhOGs.

Para poner a prueba la utilidad de los ViPhOGs utilizamos un algoritmo de aprendizaje supervisado para clasificar los genomas con su respectiva taxonomía y logramos encontrar que la presencia o ausencia de ViPhOGs tiene una asociación significativa con su taxonomía [8]. Además, pudimos establecer un conjunto de 1457 ViPhOGs que, debido a su importancia en la clasificación taxonómica de los virus, podrían serconsiderados como genes marcadores asociados a distintos grupos taxonómicos definidos por el International Committee on Taxonomy of Viruses (ICTV).

Así mismo, con el objetivo de agilizar y promover el análisis de secuencias virales no solamente dentro del grupo sino en la comunidad científica, hemos estado desarrollando un flujo de trabajo computacional automatizado, amigable y robusto llamado VIRify que pueda ser utilizado por personas con limitado entrenamiento bioinformático. VIRify es capaz de identificar y ensamblar secuencias de fagos y profagos a partir de datos metagenómicos, anotar los genes de estas secuencias virales y realizar su clasificación taxonómica al utilizar los ViPhOGs.