Nueva herramienta de DNA revela bacterias intestinales ocultas que podrían transformar la medicina del microbioma intestinal

Comprender la composición genética completa de las bacterias intestinales ha sido un gran desafío en la investigación del microbioma intestinal, lo que limita nuestra capacidad de desarrollar tratamientos personalizados para la salud digestiva y metabólica. Los científicos han tenido dificultades para reconstruir genomas bacterianos completos a partir de muestras complejas del microbioma intestinal, perdiéndose detalles cruciales sobre la diversidad microbiana.

Investigadores de Harvard Medical School y Dana-Farber Cancer Institute desarrollaron myloasm, una revolucionaria herramienta de secuenciación de DNA que reconstruye genomas bacterianos completos a partir de muestras del microbioma intestinal. La tecnología utiliza algoritmos avanzados para identificar marcadores genéticos únicos y aprovecha las diferencias en la abundancia bacteriana para simplificar datos genéticos complejos.

Las pruebas realizadas con muestras reales del microbioma intestinal y oral arrojaron resultados notables. Myloasm ensambló tres veces más genomas bacterianos circulares completos que los mejores métodos existentes. La herramienta reconstruyó con éxito seis genomas completos de <i>Prevotella copri</i> a partir de una única muestra intestinal, y ocho genomas completos de bacterias orales con más del 93% de similitud genética, revelando una diversidad intraespecífica hasta entonces invisible.

Este avance podría transformar la medicina personalizada al proporcionar mapas genéticos detallados de los microbiomas individuales. Los genomas bacterianos completos permiten identificar con precisión microorganismos beneficiosos y perjudiciales, lo que podría dar lugar a tratamientos dirigidos para trastornos digestivos, disfunción inmunitaria y enfermedades metabólicas. La tecnología también podría acelerar el desarrollo de probióticos personalizados y terapias basadas en el microbioma intestinal.

Aunque prometedora, esta investigación se centra en la metodología computacional más que en resultados clínicos directos, por lo que requiere una validación adicional en entornos clínicos.