¿Pueden aprender las bacterias?

Un reciente artículo publicado por la revista Science parece demostrar que las poblaciones bacterianas pueden "aprender". La noticia también ha sido recogida por la revista Nature.

A finales del siglo XIX, el fisiólogo ruso Ivan Pavlov llevo a cabo sus famosos experimentos con perros que demostraron la existencia de los reflejos condicionados y que le hicieron merecedor del premio Nóbel de Medicina en 1904. Básicamente el experimento consistía en asociar dos estímulos, el sonido de una campana y la comida. Si se repetía el suficiente número de veces dicha asociación, al final el perro comenzaba a salivar nada más escuchar la campana, aunque no hubiera comida. Eso significaba que el sistema nervioso del perro "aprendía" a prever un acontecimiento del futuro (comer) cuando sucedía una determinada señal (la campana).

Parece ser que las bacterias también presentan dicho comportamiento. Bueno, mejor dicho, las poblaciones bacterianas presentan dicho comportamiento. Es decir, una población de microorganismos es capaz de "aprender" a asociar dos estímulos y responder en consecuencia. Ese comportamiento podría representar una ventaja selectiva para las bacterias si son capaces de responder anticipadamente a un evento del futuro.

El caso es que ejemplos de dicho comportamiento "aprendido" en microorganismos se conocían con antelación pero ha ocurrido algo similar a lo de la manzana de Newton. Todo el mundo sabía que las manzanas caían al suelo, pero Newton fue el primero en preguntarse ¿por qué? En el caso de los microorganismos, hace tiempo que se conoce que algunas poblaciones de bacterias tienen ciclos circadianos. Ilias Tagkopoulos Yir-Chung Liu y Saeed Tavazoie parecen haber encontrado el ¿por qué?

Ritmos circadianos en la cianobacteria Synechococcus elongatus

Estos tres investigadores razonaron lo siguiente. Cuando comemos, los alimentos pasan a la boca donde la temperatura está más caliente que en el entorno. Posteriormente la comida pasa al tubo digestivo donde hay poco oxígeno. La secuencia de estímulos sería la siguiente: Incremento de temperatura, disminución de niveles de oxígeno. Dejando de lado el fenómeno físico de que la solubilidad del oxígeno en agua disminuye con la temperatura (a 20ºC es de 8.87 mg/l y a 35ºC es de 6.99 mg/l. ) los investigadores se preguntaron si una población de la bacteria Escherichia coli podría asociar dichos estímulos y responder en consecuencia preparando su metabolismo para unas condiciones anaeróbicas.

En primer lugar lo que hicieron fue realizar un experimento virtual mediante un modelo en ordenador, y allí se encontraron con que dicho comportamiento era posible. Lo segundo fue coger una serie de placas petri inoculadas con E. coli y observar que ocurría con el metabolismo de dichas bacterias cuando se incrementaba la temperatura. Observaron que la expresión de los genes que estaban activados en condiciones de alta concentración de oxígeno eran reprimidos. Finalmente realizaron el siguiente experimento. Tomaron estas bacterias "acondicionadas" y las pusieron a crecer en condiciones en las que al incremento de temperatura le seguía un incremento de oxígeno. Inicialmente las poblaciones respondían al incremento de temperatura de manera "normal" pero errónea para las nuevas condiciones ambientales, reprimiendo los genes para altas concentraciones de oxígeno. Pero al repetir varias veces dichas condiciones (42 ciclos de selección) se han encontrado con que en menos de 100 generaciones se seleccionan cepas de E. coli que muestran el comportamiento opuesto a la cepa parental. Es decir, activan la expresión de sus genes para alta concentración de oxígeno cuando sucede un incremento de temperatura.

Este trabajo podría explicar el comportamiento de algunos microorganismos patógenos que parecen haberse "preadaptado" a las respuestas inmunes del hospedador. Asimismo, anticipar el comportamiento de los microbios podría ayudar a una mejor modelización y diseño de los procesos de microbiología industrial. Incluso se podría llegar a "entrenar" a dichos microorganismos industriales.