Prediction of bacterial associations with plants using a supervised machine-learning approach

Abstract

En nuestro estudio, usamos un enfoque de aprendizaje automático supervisado para predecir asociaciones entre bacterias y plantas utilizando información genómica. Para ello, desarrollamos PIFAR, una herramienta de acceso abierto que recopila y anota factores de interacción planta-bacteria, lo que nos permitió entrenar modelos con una precisión cercana al 93% en la identificación de cepas asociadas a vegetales. La adhesión, la deconstrucción de la pared celular vegetal y las actividades de detoxificación emergieron como los factores determinantes para clasificar estilos de vida bacterianos. Al aplicar esta estrategia a casi 9500 genomas, revelamos interacciones potenciales entre patógenos humanos conocidos y plantas, estableciendo una herramienta de cribado para investigar y prevenir las causas de contaminaciones en alimentos vegetales.