Introducción
Uno de los intereses que tenemos es analizar los efectos de distintos tipos de distribuciones en la dinámica de plásmidos con resistencia a antibióticos y cómo estos últimos pueden afectar la distribución de plásmidos en una población.
Para explorar esto, nos dimos a la tarea de formular un modelo de ecuaciones diferenciales ordinarias que contemplaba la coexistencia de subpoblaciones con distinto número de plásmidos y así una distribución de subpoblaciones.
Durante la construcción del modelo se publicó un resultado por parte de nuestros colaboladores, el grupo de Álvaro San Millán en el Instituto Ramón y Cajal de Investigación Sanitaria. En ese trabajo, se encontraron mutaciones específicas en el mecanismo de replicación de un plásmido multicopia, las cuales aumentaban el número de copias, así como mutaciones en el gen de resistencia las cuales le conferían resistencia a otro antibiótico. Al intentar incluir esto en el modelo de poblaciones, nos dimos cuenta de que volvía muy complejo, poco práctico y poco informativo, puesto que en la reformulación del modelo surgían preguntas biológicas que no podíamos contestar o integrar.
Además, teníamos interés en realizar experimentos de microfluídica en los cuales podríamos obtener información en tiempo real a nivel de células individuales. Así que nos dimos a la tarea de construir un modelo computacional de agentes individuales donde pudiéramos contemplar que cada bacteria contenga cierto número y tipo de plásmidos en específico, así como integrar los procesos de segregación y replicación de plásmidos.
Para realizar los experimentos de microfluídica implementamos el protocolo descrito en \citep{Mather_2010}, fuimos implementando nuevos procedimientos conforme construíamos el sistema de microfluídica. Esta interacción entre nestras capacidades técnicas y el diseño experimental es recíproca y aún seguimos implementando mecanismos que nos permitirán realizar experimentos cada vez más complejos.
Los experimentos de microfluídica producen series de tiempo en imágenes que resultan espectaculares al ojo humano, sin embargo teníamos que ser capaces de obtener datos a partir de estas , por lo que fue necesario crear herramientas computacionales que nos ayudaran en la tarea. Desarrollamos \(\mu\)J, una serie de programas en ImageJ \cite{Schneider_2012}, Python \cite{python} y una herramienta de Deep Learning \cite{Van_Valen_2016} , con los cuales fuimos capaces de procesar las imágenes de microscopía para obtener información sobre el comportamiento de las bacterias en los distintos experimentos y producir representaciones visuales de los datos.
Primeras exploraciones de de nuestro modelo de agentes individuales, hicimos una observación un tanto obvia, cuando ocurre una mutación benéfica, antes de que esta se fije en la población existe un periodo de diversidad genética donde el alelo silvestre y el mutante coexisten, en nuestro sistema experimental, estas mutaciones ocurren en los plásmidos, por lo que la bacteria en la ocurre dicha mutación se vuelve heterocigota, conforme el plásmido con el alelo mutante se esparce en la población mediantes los procesos de segregación y replicación, surge una subpoblacion de bacterias heterocigotas, llamamos a este proceso heterocigosis mediada por plásmidos (PMH).
Con nuestros colaboradores en España nos encargamos a explorar el fenómeno mediante una serie de experimentos a nivel de poblaciones. Y encontramos que presentar diversidad genética mediante plásmidos multicopia, aumenta tanto la plasticidad como la evolubilidad de la población. Así mismo encontramos que presentar diversidad alélica a nivel intracelular resulta mucho más benéfico para una población que presentar diversidad alélica a través de subpoblaciones homocigotas, ya que PMH es capaz de mantener la diversidad alélica durante largos periodos de tiempo, aún bajo presiones selectivas fuertes y esto les permite poder contender con ambientes fluctuantes.
Así mismo, exploramos el fenómeno con la perspectiva de células individuales. Con ayuda de nuestro sistema de microfluídica y el modelo de agentes individuales hemos realizado experimentos donde fuimos capaces de observar cómo los antibióticos ejercen una presión selectiva sobre la frecuencia de alelos a nivel intracelular. Con el modelo fuimos capaces de reproducir los resultados de los experimentos a nivel de poblaciones, y lo usamos también para realizar experimentos in silico y explorar un gran número de tratamientos que, nos sería imposible realizar con experimentos in vitro, para explorar las condiciones ambientales necesarias para mantener esta heterocigosis.