Investigadores del Instituto de Biología Integrativa de Sistemas (I2SysBio), Juli Peretó y Pablo Carbonell, han desarrollado un innovador método que utiliza la inteligencia artificial para explorar el vacío existente entre el origen de la vida y el último ancestro común universal (LUCA). Esta investigación ha sido publicada en la revista Philosophical Transactions de la Royal Society británica.
La propuesta se centra en la estrategia del metabolismo generativo, una metodología proveniente de la biología sintética que permite extrapolar las capacidades metabólicas de LUCA hacia épocas anteriores. Este enfoque se basa en el análisis comparativo de genomas, donde la similitud genética entre especies indica la cercanía temporal de sus ancestros comunes.
Un viaje a través del tiempo genético
Con el avance en la secuenciación de genomas, se ha podido establecer el concepto de LUCA, que se estima apareció hace aproximadamente 4.200 millones de años. Esto sugiere que el origen de la vida tuvo lugar en los 400 millones de años previos a esta fecha. Sin embargo, uno de los grandes desafíos en este campo es entender cómo ocurrió la transición desde la química prebiótica hasta los primeros metabolismos que dieron paso a los microorganismos primitivos.
A pesar de los esfuerzos por combinar enfoques ascendentes y descendentes para cerrar esta brecha evolutiva, aún no se había logrado una solución satisfactoria. Los investigadores Carbonell y Peretó resaltan que es posible rastrear la evolución enzimática a lo largo del árbol de la vida hasta llegar a LUCA, identificando genes ancestrales y sus respectivas reacciones metabólicas.
Métodos innovadores para un problema antiguo
El estudio propone utilizar el metabolismo generativo como un detective molecular, capaz de reconstruir estructuras complejas a partir de moléculas más simples. Este método resulta especialmente útil para organismos del pasado, donde los fósiles son escasos o inexistentes. Según Carbonell, este enfoque ha demostrado ser eficaz en biología sintética y ingeniería metabólica.
La investigación sugiere que los modelos basados en metabolismo generativo ofrecen una nueva vía para investigar cómo emergió el complejo metabolismo de LUCA. Al crear un entorno metabólico extendido que incluye tanto reacciones conocidas como hipotéticas, los investigadores pueden formular hipótesis más precisas sobre los orígenes de la vida.
Un nuevo horizonte en la evolución biológica
Los autores concluyen que las metodologías derivadas del metabolismo generativo permiten trazar un camino desde las reacciones metabólicas actuales hasta aquellas prebióticas que tuvieron lugar en la Tierra primitiva. Esta conexión podría arrojar luz sobre los inicios mismos de la evolución biológica.
CSIC Comunicación Comunidad Valenciana
[email protected]
Preguntas sobre la noticia
¿Qué es el último ancestro común universal (LUCA)?
LUCA es el organismo que representa el antepasado de todos los seres vivos, desde las bacterias más pequeñas hasta los grandes mamíferos. Se estima que apareció hace unos 4.200 millones de años.
¿Cuál es el objetivo del estudio presentado por Juli Peretó y Pablo Carbonell?
El estudio busca retroceder desde LUCA hasta el origen de la vida utilizando una estrategia basada en metabolismo generativo y algoritmos de inteligencia artificial.
¿Qué metodología se utiliza en la investigación para estudiar la evolución de la vida?
La investigación emplea la estrategia del metabolismo generativo, que permite extrapolar las capacidades metabólicas de LUCA hacia el pasado y rastrear la evolución de las enzimas a través del árbol de la vida.
¿Cómo se relaciona la genética con el estudio del origen de la vida?
La genética permite comparar genomas entre especies, lo que ayuda a determinar cuán reciente o antiguo es su último ancestro común, contribuyendo así a entender mejor la evolución biológica.
¿Qué problemas intenta resolver este nuevo enfoque en el estudio de la evolución primitiva?
El enfoque busca salvar la brecha entre el mundo prebiótico y LUCA, explorando cómo emergió el metabolismo complejo a partir de reacciones prebióticas en condiciones ambientales específicas.
Si (
No(
