Análisis de aplicabilidad ULRB a hormigas y conjuntos de datos BCI. Crédito: Biología de comunicaciones (2025). Doi: 10.1038/s42003-025-07912-4
Un equipo de investigadores ha creado una nueva herramienta de aprendizaje automático que está abriendo uno de los rompecabezas más complicados de la biología: encontrar los microbios más raros de la Tierra. Piense en ello como encontrar una aguja en un pajar, excepto que la aguja es microscópica y podría sostener la clave de cómo funcionan nuestros ecosistemas.
La herramienta, llamada ULRB, usa AI para detectar estos esquivos microorganismos que, a pesar de sus pequeños números, tienen un gran golpe para mantener saludables los ecosistemas de nuestro planeta. Es como tener un detective súper inteligente que puede elegir las gemas raras de miles de millones de otros microbios.
La investigación se publica en la revista Communications Biology.
Este software pionero de código abierto, desarrollado a través de una colaboración entre la Universidad de Ottawa, la Universidad de Dalhousie, el Centro Interdisciplinario para la Investigación Marina y Ambiental (CIIMAR), el Instituto de Bioingeniería y Biosciencias de Instituciones Superior Técuto y la Universidad de Porto, aborda los desafíos de larga data en la Ecología Microbiana y los Newoors para los Investigaciones del Instituto para el Instituto de los Investigaciones Ecológicas y la Universidad de Porto.
“Esta herramienta resuelve un problema importante en la ecología microbiana: ¿cómo definimos microorganismos raros?” dice la coautora Paula Branco, profesora asociada en la Escuela de Ingeniería Eléctrica e Informática de la Universidad de Ottawa.
“Con ULRB, hemos creado un método que es preciso, adaptable y capaz de mejorar las evaluaciones de biodiversidad. Antes, básicamente estábamos adivinando lo que contaba como” raro “en el mundo microbiano. Ahora tenemos una manera precisa de resolverlo”.
Representación esquemática de K-Medoides. Crédito: Biología de comunicaciones (2025). Doi: 10.1038/s42003-025-07912-4
“Nuestros hallazgos muestran que ULRB no solo identifica microorganismos raros, sino que también funciona con datos no microbianos, como conjuntos de datos del censo de árboles”, explica Francisco Pascoal, Ph.D. Candidato de CIIMAR (Centro Interdisciplinario para la Investigación Marina y Ambiental), quien dirigió el desarrollo del paquete ULRB R como parte de su investigación doctoral. “Esta versatilidad lo convierte en una herramienta poderosa para aplicaciones ecológicas”.
Realizado completamente computacionalmente, el estudio probó ULRB con varios conjuntos de datos de microbiomas. El software demostró robustez estadística y aplicaciones prácticas, como caracterizar los microbiomas de coral.
Disponible como software de código abierto en CRAN y GitHub, ULRB incluye tutoriales para ayudar a los usuarios de todo el mundo. Su impacto se extiende más allá de la academia al mejorar las evaluaciones de la biodiversidad y ayudar a las evaluaciones de los efectos del cambio climático en las comunidades microbianas.
Más información: Francisco Pascoal et al, Definición de la biosfera rara microbiana a través del aprendizaje automático no supervisado, la biología de las comunicaciones (2025). Doi: 10.1038/s42003-025-07912-4
Proporcionado por la Universidad de Ottawa
Cita: ‘ULRB’ con IA descubre las gemas microbianas ocultas de la Tierra (2025, 6 de mayo) Recuperado el 6 de mayo de 2025 de https://techxplore.com/news/2025-05-ai-powered-ulrb-uncovers-earth.html
Este documento está sujeto a derechos de autor. Además de cualquier trato justo con el propósito de estudio o investigación privada, no se puede reproducir ninguna parte sin el permiso por escrito. El contenido se proporciona solo para fines de información.
