Análisis genómico y funcional de los sistemas de Quorum Sensing en Rhizobium leguminosarum

Rhizobium leguminosarum (Rl) es una alfa-proteobacteria capaz de establecer una simbiosis diazotrófica con distintas leguminosas. A pesar de la importancia de esta simbiosis en el balance global del ciclo del nitrógeno, muy pocos genomas de rhizobios han sido secuenciados, que aporten nuevos conocimientos relacionados con las características genéticas que contribuyen a importantes procesos simbióticos. Únicamente tres secuencias completas de Rl han sido publicadas: Rl bv. viciae 3841 y dos genomas de Rl bv. trifolii (WSM1325 y WSM2304), ambos simbiontes de trébol. La secuencia genómica de Rlv UPM791 se ha determinado por medio de secuenciación 454. Este genoma tiene un tamaño aproximado de 7.8 Mb, organizado en un cromosoma y 5 replicones extracromosómicos, que incluyen un plásmido simbiótico de 405 kb. Este nuevo genoma se ha analizado en relación a las funciones simbióticas y adaptativas en comparación con los genomas completos de Rlv 3841 y Rl bv. trifolii WSM1325 y WSM2304. Mientras que los plásmidos pUPM791a y b se encuentran conservados, el plásmido simbiótico pUPM791c exhibe un grado de conservación muy bajo comparado con aquellos descritos en las otras cepas de Rl. Uno de los factores implicados en el establecimiento de la simbiosis es el sistema de comunicación intercelular conocido como Quorum Sensing (QS). El análisis del genoma de Rlv UPM791 ha permitido la identificación de dos sistemas tipo LuxRI mediados por señales de tipo N-acyl-homoserina lactonas (AHLs). El análisis mediante HPLC-MS ha permitido asociar las señales C6-HSL, C7-HSL y C8-HSL al sistema rhiRI, codificado en el plásmido simbiótico; mientras que el sistema cinRI, localizado en el cromosoma, produce 3OH-C14:1-HSL. Se ha identificado una tercera sintasa (TraI) codificada en el plásmido simbiótico, pero su regulador correspondiente se encuentra truncado debido a un salto de fase. Adicionalmente, se han encontrado tres reguladores de tipo LuxR-orphan que no presentan una sintasa LuxI asociada. El efecto potencial de las señales tipo AHL se ha estudiado mediante una estrategia de quorum quenching, la cual interfiere con los sistemas de QS de la bacteria. Esta estrategia está basada en la introducción del gen aiiA de Bacillus subtilis, que expresa constitutivamente una enzima lactonasa degradadora de AHLs. Para llevar a cabo el análisis en condiciones simbióticas, se ha desarrollado un sistema de doble marcaje que permite la identificación basado en los marcadores gusA y celB, que codifican para una enzima β–glucuronidasa y una β–galactosidasa termoestable, respectivamente. Los resultados obtenidos indican que Rlv UPM791 predomina sobre la cepa Rlv 3841 para la formación de nódulos en plantas de guisante. La baja estabilidad del plásmido que codifica para aiiA, no ha permitido obtener una conclusión definitiva sobre el efecto de la lactonasa AiiA en competitividad. Con el fin de analizar el significado y la regulación de la producción de moléculas señal tipo AHL, se han generado mutantes defectivos en cada uno de los dos sistemas de QS. Se ha llevado a cabo un análisis detallado sobre la producción de AHLs, formación de biofilm y simbiosis con plantas de guisante, veza y lenteja. El efecto de las deleciones de los genes rhiI y rhiR en Rlv UPM791 es más drástico en ausencia del plásmido pUPM791d. Mutaciones en cinI o cinRIS muestran tanto ausencia de señales, como producción exclusivamente de las de bajo peso molecular, respectivamente, producidas por el sistema rhiRI. Estas mutaciones mostraron un efecto importante en simbiosis. El sistema rhiRI se necesita para un comportamiento simbiótico normal. Además, mutantes cinRIS generaron nódulos blancos e ineficientes, mientras que el mutante cinI fue incapaz de producir nódulos en ninguna de las leguminosas utilizadas. Dicha mutación resultó en la inestabilización del plasmido simbiótico por un mecanismo dependiente de cinI que no ha sido aclarado. En general, los resultados obtenidos indican la existencia de un modelo de regulación dependiente de QS significativamente distinto a los que se han descrito previamente en otras cepas de R. leguminosarum, en las cuales no se había observado ningún fenotipo relevante en simbiosis. La regulación de la producción de AHLs Rlv UPM791 es un proceso complejo que implica genes situados en los plásmidos UPM791c y UPM791d, además de la señal 3-OH-C14:1-HSL. Finalmente, se ha identificado un transportador de tipo RND, homologo a mexAB-oprM de P. aeruginosa e implicado en la extrusión de AHLs de cadena larga. La mutación he dicho transportador no tuvo efectos apreciables sobre la simbiosis. ABSTRACT Rhizobium leguminosarum (Rl) is a soil alpha-proteobacterium that establishes a diazotrophic symbiosis with different legumes. Despite the importance of this symbiosis to the global nitrogen cycling balance, very few rhizobial genomes have been sequenced so far which provide new insights into the genetic features contributing to symbiotically relevant processes. Only three complete sequences of Rl strains have been published: Rl bv. viciae 3841, harboring six plasmids (7.75 Mb) and two Rl bv. trifolii (WSM1325 and WSM2304), both clover symbionts, harboring 5 and 4 plasmids, respectively (7.41 and 6.87 Mb). The genomic sequence of Rlv UPM791 was undertaken by means of 454 sequencing. Illumina and Sanger reads were used to improve the assembly, leading to 17 final contigs. This genome has an estimated size of 7.8 Mb organized in one chromosome and five extrachromosomal replicons, including a 405 kb symbiotic plasmid. Four of these plasmids are already closed, whereas there are still gaps in the smallest one (pUPM791d) due to the presence of insertion elements and repeated sequences, which difficult the assembly. The annotation has been carried out thanks to the Manatee pipeline. This new genome has been analyzed as regarding symbiotic and adaptive functions in comparison to the Rlv 3841 complete genome, and to those from Rl bv. trifolii strains WSM1325 and WSM2304. While plasmids pUPM791a and b are conserved, the symbiotic plasmid pUPM791c exhibited the lowest degree of conservation as compared to those from the other Rl strains. One of the factors involved in the symbiotic process is the intercellular communication system known as Quorum Sensing (QS). This mechanism allows bacteria to carry out diverse biological processes in a coordinate way through the production and detection of extracellular signals that regulate the transcription of different target genes. Analysis of the Rlv UPM791 genome allowed the identification of two LuxRI-like systems mediated by N-acyl-homoserine lactones (AHLs). HPLC-MS analysis allowed the adscription of C6-HSL, C7-HSL and C8-HSL signals to the rhiRI system, encoded in the symbiotic plasmid, whereas the cinRI system, located in the chromosome, produces 3OH-C14:1-HSL, previously described as “bacteriocin small”. A third synthase (TraI) is encoded also in the symbiotic plasmid, but its cognate regulator TraR is not functional due to a fameshift mutation. Three additional LuxR orphans were also found which no associated LuxI-type synthase. The potential effect of AHLs has been studied by means of a quorum quenching approach to interfere with the QS systems of the bacteria. This approach is based upon the introduction into the strains Rl UPM791 and Rl 3841 of the Bacillus subtilis gene aiiA expressing constitutively an AHL-degrading lactonase enzyme which led to virtual absence of AHL even when AiiA-expressing cells were a fraction of the total population. No significant effect of AiiA-mediated AHL removal on competitiveness for growth in solid surface was observed. For analysis under symbiotic conditions we have set up a two-label system to identify nodules produced by two different strains in pea roots, based on the markers gusA and celB, encoding a β–glucuronidase and a thermostable β–galactosidase enzymes, respectively. The results obtained show that Rlv UPM791 outcompetes Rlv 3841 for nodule formation in pea plants, and that the presence of the AiiA plasmid does not significantly affect the relative competitiveness of the two Rlv strains. However, the low stability of the pME6863 plasmid, encoding aiiA, did not lead to a clear conclusion about the AiiA lactonase effect on competitiveness. In order to further analyze the significance and regulation of the production of AHL signal molecules, mutants deficient in each of the two QS systems were constructed. A detailed analysis of the effect of these mutations on AHL production, biofilm formation and symbiosis with pea, vetch and lentil plants has been carried out. The effect of deletions on Rlv UPM791 rhiI and rhiR genes is more pronounced in the absence of plasmid pUPM791d, as no signal is detected in UPM791.1, lacking this plasmid. Mutations in cinI or cinRIS show either no signals, or only the small ones produced by the rhiRI system, suggesting that cinR might be regulating the rhiRI system. These mutations had a strong effect on symbiosis. Analysis of rhi mutants revealed that rhiRI system is required for normal symbiotic performance, as a drastic reduction of symbiotic fitness is observed when rhiI is deleted, and rhiR is essential for nitrogen fixation in the absence of plasmid pUPM791d. Furthermore, cinRIS mutants resulted in white and inefficient nodules, whereas cinI mutant was unable to form nodules on any legume tested. The latter mutation is associated to the instabilization of the symbiotic plasmid through a mechanism still uncovered. Overall, the results obtained indicate the existence of a model of QS-dependent regulation significantly different to that previously described in other R. leguminosarum strains, where no relevant symbiotic phenotype had been observed. The regulation of AHL production in Rlv UPM791 is a complex process involving the symbiotic plasmid (pUPM791c) and the smallest plasmid (pUPM791d), with a key role for the 3-OH-C14:1-HSL signal. Finally, we made a search for potential AHL transporters in Rlv UPM791 genome. These signals diffuse freely across membranes, but in the case of the long-chain AHLs an active efflux system might be required, as it has been described for C12-HSL in the case of Pseudomonas aeruginosa. We have identified a putative AHL transporter of the RND family homologous to P. aeruginosa mexAB-oprM. A mutant strain deficient in this transporter has been generated, and TLC analysis shows absence of 3OH-C14:1-HSL in its supernatant. This deficiency was complemented by the reintroduction of an intact copy of the genes via plasmid transfer. The mutation in mexAB genes had no significant effects on the symbiotic performance of R. leguminosarum bv. viciae.

Brain-Computer Interfaces: Desarrollo de un sistema de identificación de estados mentales alfa

En el mundo actual las aplicaciones basadas en sistemas biométricos, es decir, aquellas que miden las señales eléctricas de nuestro organismo, están creciendo a un gran ritmo. Todos estos sistemas incorporan sensores biomédicos, que ayudan a los usuarios a controlar mejor diferentes aspectos de la rutina diaria, como podría ser llevar un seguimiento detallado de una rutina deportiva, o de la calidad de los alimentos que ingerimos. Entre estos sistemas biométricos, los que se basan en la interpretación de las señales cerebrales, mediante ensayos de electroencefalografía o EEG están cogiendo cada vez más fuerza para el futuro, aunque están todavía en una situación bastante incipiente, debido a la elevada complejidad del cerebro humano, muy desconocido para los científicos hasta el siglo XXI. Por estas razones, los dispositivos que utilizan la interfaz cerebro-máquina, también conocida como BCI (Brain Computer Interface), están cogiendo cada vez más popularidad. El funcionamiento de un sistema BCI consiste en la captación de las ondas cerebrales de un sujeto para después procesarlas e intentar obtener una representación de una acción o de un pensamiento del individuo. Estos pensamientos, correctamente interpretados, son posteriormente usados para llevar a cabo una acción. Ejemplos de aplicación de sistemas BCI podrían ser mover el motor de una silla de ruedas eléctrica cuando el sujeto realice, por ejemplo, la acción de cerrar un puño, o abrir la cerradura de tu propia casa usando un patrón cerebral propio. Los sistemas de procesamiento de datos están evolucionando muy rápido con el paso del tiempo. Los principales motivos son la alta velocidad de procesamiento y el bajo consumo energético de las FPGAs (Field Programmable Gate Array). Además, las FPGAs cuentan con una arquitectura reconfigurable, lo que las hace más versátiles y potentes que otras unidades de procesamiento como las CPUs o las GPUs.En el CEI (Centro de Electrónica Industrial), donde se lleva a cabo este TFG, se dispone de experiencia en el diseño de sistemas reconfigurables en FPGAs. Este TFG es el segundo de una línea de proyectos en la cual se busca obtener un sistema capaz de procesar correctamente señales cerebrales, para llegar a un patrón común que nos permita actuar en consecuencia. Más concretamente, se busca detectar cuando una persona está quedándose dormida a través de la captación de unas ondas cerebrales, conocidas como ondas alfa, cuya frecuencia está acotada entre los 8 y los 13 Hz. Estas ondas, que aparecen cuando cerramos los ojos y dejamos la mente en blanco, representan un estado de relajación mental. Por tanto, este proyecto comienza como inicio de un sistema global de BCI, el cual servirá como primera toma de contacto con el procesamiento de las ondas cerebrales, para el posterior uso de hardware reconfigurable sobre el cual se implementarán los algoritmos evolutivos. Por ello se vuelve necesario desarrollar un sistema de procesamiento de datos en una FPGA. Estos datos se procesan siguiendo la metodología de procesamiento digital de señales, y en este caso se realiza un análisis de la frecuencia utilizando la transformada rápida de Fourier, o FFT. Una vez desarrollado el sistema de procesamiento de los datos, se integra con otro sistema que se encarga de captar los datos recogidos por un ADC (Analog to Digital Converter), conocido como ADS1299. Este ADC está especialmente diseñado para captar potenciales del cerebro humano. De esta forma, el sistema final capta los datos mediante el ADS1299, y los envía a la FPGA que se encarga de procesarlos. La interpretación es realizada por los usuarios que analizan posteriormente los datos procesados. Para el desarrollo del sistema de procesamiento de los datos, se dispone primariamente de dos plataformas de estudio, a partir de las cuales se captarán los datos para después realizar el procesamiento: 1. La primera consiste en una herramienta comercial desarrollada y distribuida por OpenBCI, proyecto que se dedica a la venta de hardware para la realización de EEG, así como otros ensayos. Esta herramienta está formada por un microprocesador, un módulo de memoria SD para el almacenamiento de datos, y un módulo de comunicación inalámbrica que transmite los datos por Bluetooth. Además cuenta con el mencionado ADC ADS1299. Esta plataforma ofrece una interfaz gráfica que sirve para realizar la investigación previa al diseño del sistema de procesamiento, al permitir tener una primera toma de contacto con el sistema. 2. La segunda plataforma consiste en un kit de evaluación para el ADS1299, desde la cual se pueden acceder a los diferentes puertos de control a través de los pines de comunicación del ADC. Esta plataforma se conectará con la FPGA en el sistema integrado. Para entender cómo funcionan las ondas más simples del cerebro, así como saber cuáles son los requisitos mínimos en el análisis de ondas EEG se realizaron diferentes consultas con el Dr Ceferino Maestu, neurofisiólogo del Centro de Tecnología Biomédica (CTB) de la UPM. Él se encargó de introducirnos en los distintos procedimientos en el análisis de ondas en electroencefalogramas, así como la forma en que se deben de colocar los electrodos en el cráneo. Para terminar con la investigación previa, se realiza en MATLAB un primer modelo de procesamiento de los datos. Una característica muy importante de las ondas cerebrales es la aleatoriedad de las mismas, de forma que el análisis en el dominio del tiempo se vuelve muy complejo. Por ello, el paso más importante en el procesamiento de los datos es el paso del dominio temporal al dominio de la frecuencia, mediante la aplicación de la transformada rápida de Fourier o FFT (Fast Fourier Transform), donde se pueden analizar con mayor precisión los datos recogidos. El modelo desarrollado en MATLAB se utiliza para obtener los primeros resultados del sistema de procesamiento, el cual sigue los siguientes pasos. 1. Se captan los datos desde los electrodos y se escriben en una tabla de datos. 2. Se leen los datos de la tabla. 3. Se elige el tamaño temporal de la muestra a procesar. 4. Se aplica una ventana para evitar las discontinuidades al principio y al final del bloque analizado. 5. Se completa la muestra a convertir con con zero-padding en el dominio del tiempo. 6. Se aplica la FFT al bloque analizado con ventana y zero-padding. 7. Los resultados se llevan a una gráfica para ser analizados. Llegados a este punto, se observa que la captación de ondas alfas resulta muy viable. Aunque es cierto que se presentan ciertos problemas a la hora de interpretar los datos debido a la baja resolución temporal de la plataforma de OpenBCI, este es un problema que se soluciona en el modelo desarrollado, al permitir el kit de evaluación (sistema de captación de datos) actuar sobre la velocidad de captación de los datos, es decir la frecuencia de muestreo, lo que afectará directamente a esta precisión. Una vez llevado a cabo el primer procesamiento y su posterior análisis de los resultados obtenidos, se procede a realizar un modelo en Hardware que siga los mismos pasos que el desarrollado en MATLAB, en la medida que esto sea útil y viable. Para ello se utiliza el programa XPS (Xilinx Platform Studio) contenido en la herramienta EDK (Embedded Development Kit), que nos permite diseñar un sistema embebido. Este sistema cuenta con: Un microprocesador de tipo soft-core llamado MicroBlaze, que se encarga de gestionar y controlar todo el sistema; Un bloque FFT que se encarga de realizar la transformada rápida Fourier; Cuatro bloques de memoria BRAM, donde se almacenan los datos de entrada y salida del bloque FFT y un multiplicador para aplicar la ventana a los datos de entrada al bloque FFT; Un bus PLB, que consiste en un bus de control que se encarga de comunicar el MicroBlaze con los diferentes elementos del sistema. Tras el diseño Hardware se procede al diseño Software utilizando la herramienta SDK(Software Development Kit).También en esta etapa se integra el sistema de captación de datos, el cual se controla mayoritariamente desde el MicroBlaze. Por tanto, desde este entorno se programa el MicroBlaze para gestionar el Hardware que se ha generado. A través del Software se gestiona la comunicación entre ambos sistemas, el de captación y el de procesamiento de los datos. También se realiza la carga de los datos de la ventana a aplicar en la memoria correspondiente. En las primeras etapas de desarrollo del sistema, se comienza con el testeo del bloque FFT, para poder comprobar el funcionamiento del mismo en Hardware. Para este primer ensayo, se carga en la BRAM los datos de entrada al bloque FFT y en otra BRAM los datos de la ventana aplicada. Los datos procesados saldrán a dos BRAM, una para almacenar los valores reales de la transformada y otra para los imaginarios. Tras comprobar el correcto funcionamiento del bloque FFT, se integra junto al sistema de adquisición de datos. Posteriormente se procede a realizar un ensayo de EEG real, para captar ondas alfa. Por otro lado, y para validar el uso de las FPGAs como unidades ideales de procesamiento, se realiza una medición del tiempo que tarda el bloque FFT en realizar la transformada. Este tiempo se compara con el tiempo que tarda MATLAB en realizar la misma transformada a los mismos datos. Esto significa que el sistema desarrollado en Hardware realiza la transformada rápida de Fourier 27 veces más rápido que lo que tarda MATLAB, por lo que se puede ver aquí la gran ventaja competitiva del Hardware en lo que a tiempos de ejecución se refiere. En lo que al aspecto didáctico se refiere, este TFG engloba diferentes campos. En el campo de la electrónica:  Se han mejorado los conocimientos en MATLAB, así como diferentes herramientas que ofrece como FDATool (Filter Design Analysis Tool).  Se han adquirido conocimientos de técnicas de procesado de señal, y en particular, de análisis espectral.  Se han mejorado los conocimientos en VHDL, así como su uso en el entorno ISE de Xilinx.  Se han reforzado los conocimientos en C mediante la programación del MicroBlaze para el control del sistema.  Se ha aprendido a crear sistemas embebidos usando el entorno de desarrollo de Xilinx usando la herramienta EDK (Embedded Development Kit). En el campo de la neurología, se ha aprendido a realizar ensayos EEG, así como a analizar e interpretar los resultados mostrados en el mismo. En cuanto al impacto social, los sistemas BCI afectan a muchos sectores, donde destaca el volumen de personas con discapacidades físicas, para los cuales, este sistema implica una oportunidad de aumentar su autonomía en el día a día. También otro sector importante es el sector de la investigación médica, donde los sistemas BCIs son aplicables en muchas aplicaciones como, por ejemplo, la detección y estudio de enfermedades cognitivas.