Machine learning applicato all’analisi della complessità genomica degli ecosistemi dei fanghi attivi rivela caratteristiche funzionali specifiche

I fanghi attivi rappresentano la più grande applicazione biotecnologica nel mondo, tuttavia i loro comportamenti ecologici e le differenze rispetto ai microrganismi di altri ecosistemi sono tutt’ora poco chiari e sono stati indagati principalmen- te usando il gene rRNA 16S, poco adatto per l’identificazione di caratteristiche funzionali. In questo studio sono stati analizzati approssimativamente 1,35 Tb di dati di sequenziamento metagenomico generati da 114 campioni di fanghi attivi di impianti di depurazione su scala globale. Con la metagenomica si sono indivi- duate caratteristiche genomiche, filogenetiche e proteiche impianto-specifiche delle comunità dei fanghi attivi, escludendo l’ipotesi di studi precedenti sull’esistenza di una significativa comunità core condivisa a livello globale. Nonostante l’ele- vata eterogeneità dei microrganismi dei fanghi attivi, il machine learning è stato in grado di identificare un pattern di classificazione basato sui profili COG per la distinzione tra i microrganismi di fanghi attivi e i microrganismi di ecosistemi diversi, riuscendo a identificare caratteristiche funzionali specifiche e deterministi- che necessarie per l’adattamento dei microrganismi alle condizioni degli impianti di depurazione. Queste caratteristiche sono collegate alle condizioni aerobiche dei bioreattori, al sensing dei nutrienti e alla formazione di biofilm.