Studying the relationship of biotic and abiotic processes in the ocean biome from the point of view of genomic regulation

Abstract

El océano, que abarca el 70% de la superficie de la Tierra, presenta muchos ecosistemas, cada uno caracterizado por hábitats, temperaturas y nutrientes distintos. En el núcleo de estos ecosistemas se encuentra el microbioma oceánico, dominado por entidades planctónicas como las bacterias, que juegan un papel fundamental en los ciclos biogeoquímicos, influyen en los patrones climáticos globales y contribuyen al ciclo del carbono de la Tierra. Con un enfoque en la regulación genómica dentro de estas comunidades bacterianas, este trabajo usa el conjunto de datos generado por la expedición TARA Oceans para estudiar las relaciones de los factores de transcripción con las variables ambientales marinas. En esta tesis, nuestro objetivo específico es analizar cómo las abundancias de los motivos de unión asociados a una familia de 88 factores de transcripción, presentes en las regiones intergénicas de un metagenoma bacteriano, pueden capturar las condiciones ambientales. Para ello, utilizamos los metagenomas bacterianos reconstruidos de las expediciones TARA Oceans y construimos una matriz de abundancia, donde las filas representan una muestra (o un metagenoma bacteriano), las columnas están asociadas a un factor de transcripción (de los 88 utilizados), y en cada posición de la celda almacenamos la abundancia de los motivos de unión asociados al factor de transcripción en las regiones intergénicas de la muestra. El objetivo principal de este trabajo es descubrir si esta información biótica está relacionada de alguna manera con los datos ambientales, en particular, si podemos predecir características del ambiente a partir de la información regulatoria de los metagenomas bacterianos encapsulada en esta matriz. Analizamos nuestro conjunto de datos de variables ambientales y biológicas primeramente desde un punto de vista descriptivo. Investigamos la estructura de estas variables, revelando agrupaciones de factores de transcripción independientes de su funcionalidad e identificando interacciones biótico-abióticas clave influenciadas por la geografía y la profundidad del agua marina. Luego exploramos la estructura de nuestras matrices biológicas utilizando reducción de dimensionalidad y construimos modelos predictivos. Estos modelos diferencian muestras de aguas oceánicas polares y no polares, regiones oceánicas y profundidades de capas de agua. Desarrollando un concepto de robustez para las predicciones, enfatizamos, por ejemplo, los roles de FabR y BirA en la diferenciación de la polaridad y capas oceánicas respectivamente. Estos hallazgos subrayan el papel de los factores de transcripción como sensores ambientales relevantes, afirmando nuestra hipótesis inicial. Además, refuerzan la noción de que un número limitado de componentes puede producir predicciones significativas, en contraste con el énfasis en genes o virus como objeto principal de estudio.

The ocean, encompassing 70% of Earth’s surface, presents an intricate tapestry of ecosystems, each characterized by distinct habitats, temperatures, nutrients, etc. At the core of these ecosystems is the ocean microbiome, dominated by planktonic entities such as bacteria, which play a paramount role in biogeochemical cycles, influence global climate patterns, and contribute to Earth’s carbon cycle. With an emphasis on the genomic regulation within these bacterial communities, this research exploits the immense dataset generated by the TARA Oceans expedition to investigate the relations of transcription factors, the molecular switches of genomic regulation, with marine environmental variables. In this thesis, we specifically aim to analyze how the abundances of the binding motifs associated to a family of 88 transcription factors, appearing in the intergenic regions of a bacterial metagenome, are able to capture the environmental conditions. For that, we used the bacterial metagenomes reconstructed from TARA Ocean expeditons and we build an abundance matrix, where rows represent a sample (or a bacterial metagenome), columns are associated to a transcription factor (among the 88 used), and at each cell position we store the abundance of the binding motifs associated to the transcription factor in the intergenic regions of the sample. The main objetive of this work is to unravel whether this biotic information is related in some way with environmental data, in parituclar, if we can predict characteristics of the enviroment from the regulatory information of bacterial metagenomes encapsulated in this matrix. We comprehensively analyzed our dataset of environmental and biological variables, referencing literature for the environmental aspects and visualizing distributions for the biological ones. We probed the structure of these variables, revealing clusters of transcription factors independent of their functionality and identifying key biotic-abiotic interactions influenced by geography and seawater depth. We then explored our biological matrices’ geometry using dimensionality reduction and built predictive models. These models differentiate samples from polar-non polar, ocean regions and layer depth seawaters. Developing a robustness concept for the predictions, we emphasize, for instance, the roles of FabR and BirA in polarity and layer differentiation respectively. These results accentuate transcription factors as key environmental indicators, demonstrating that a few select components can provide significant predictions. This challenges the conventional focus on genes or viruses as primary study objects.