Tentar “simular a vida” usando uma técnica de inteligência conhecida artificialmente como machine learning para prever o impacto do aumento da temperatura na superfície do oceano Austral em microrganismos que o habitam.
Esse foi o objetivo do trabalho realizado por uma equipe multidisciplinar que inclui o oceanógrafo Marcos Tonelli e a bióloga Amanda Gonçalves Bendia, pós-doutorandos e professores colaboradores do Instituto Oceanográfico da Universidade de São Paulo (IO-USP), além de outros cinco cientistas da instituição: Juliana Neiva, Bruno Ferrero, Ilana Wainer, Camila Signori e Vivian Pellizari.
Nenhum estudo, os pesquisadores consideram quatro cenários de avaliação para avaliar a sensibilidade da superfície do oceano Antártico ao aquecimento global. Trabalhando com microrganismos que compõem uma base da cadeia alimentar, descobriram uma tendência de redução de alguns seres envolvidos em processos biogeoquímicos cruciais, ingredientes de nutrientes nutridos a eles e muitas outras formas de vida.
Além disso, também detectaram um aumento de alguns grupos que dependem do consumo desses nutrientes, pois não possui seu próprio alimento (heterotróficos).
Foram usadas no estudo duas formas de predição. Na primeira, intitulada de diversidade, os cientistas tiveram como foco como diferenças na redução da diversidade de organismos conforme os cenários.
“Num cenário de maior emissão, teremos perda reduzida de diversidade “, adianta Tonelli, primeiro autor do artigo , publicado recentemente na revista Fronteiras in Marine Science .
A segunda foi a predição relativa a grupos taxonômicos específicos (no nível de ordem), na qual a equipe necessária que grupos muito importantes para o ambiente, e não só da Antártica, dissipação na ampliação. O trabalho tem apoio da FAPESP por meio de dois projetos ( 12 / 23241-0 e 18 / 14789-9 ).
Metodologia inovadora
Os quatro cenários socioeconômicos considerados pelos cientistas foram buscados no âmbito do Programa Mundial de Pesquisa do Clima (WCRP, na sigla em inglês), que coordena o desenvolvimento de modelos do clima e do sistema terrestre pelos principais centros de modelagem do mundo, no âmbito de um projeto denominado Projeto Modelo Acoplado Intercomparison, agora em sua sexta fase (CMIP6).
) Os modelos do CMIP6 simulam o clima em diferentes cenários de atividade humana sobre o ambiente no futuro, denominados SSP (caminhos socioeconômicos compartilhados, na sigla em inglês).
Para esse estudo, foram considerados quatro cenários SSP que ilustram os possíveis drivers antropogênicos do aquecimento global: SSP1-2.6 (o caminho da sustentabilidade, com baix o desafio para mitigação e adaptação); SSP2-4.5 (o meio-termo, com desafios médios para mitigação e adaptação); SSP3-7.0 (cenário de rivalidade regional, com grandes desafios para mitigação e adaptação); e SSP5-8.5 (cenário de desenvolvimento movido a combustível fóssil, com grandes desafios para a mitigação e baixos desafios para a adaptação).
As mudanças na temperatura de superfície do oceano Austral correspondentes aos diferentes cenários SSPs são, respectivamente: aproximadamente 0.3oC; 0,7oC; 1,25oC; e 1,6oC entre 2015 e 2100.
“Os cenários de altas fornecidas projetaram um surgimento muito precoce da mudança de temperatura induzida pelo homem em todo o oceano Austral “, adianta Tonelli.
Já os dados da comunidade microbiana foram selecionados a partir de estudos anteriores no âmbito do Programa Antártico Brasileiro e correspondente a um total de 105 a de águas superficiais coletadas no noroeste da Península Antártica e o noroeste do mar de Weddell. Bendia participou de vários estudos, conduzidos por Signori e Pellizari.
“Fizemos coleta de água in situ , em vários pontos diferentes (aproximadamente 5 metros de profundidade). Filtramos grandes quantidades de água para concentrar esses microrganismos. O objetivo era analisar todos os seres que encontrássemos no meio; focamos a diversidade do ambiente.
Fizemos a extração de DNA das células e o sequenciamento. Esses dados microbiológicos foram coletados em projetos anteriores financeiros pelo Programa Antártico Brasileiro , com participação das professoras Camila Signori e Vivian Pellizari. O Marcos Tonelli deu a ideia de reunirmos como os dados que tínhamos para incluir no modelo. E tínhamos dados de vários anos “, explica Bendia.
Finalmente, para” simular a vida “os pesquisadores usaram ferramentas de machine aprendizagem . Trata-se de um ramo da inteligência artificial que estuda a construção de algoritmos que operam a partir de inputs amostrais , elaborando um modelo com o objetivo de fazer escolhas ou embasar decisões (guiadas pelos dados fornecidos).
“Eu trabalho com projeções climáticas, modelos globais. E o problema modelos modelos climáticos é que não consegue simular a vida. Eles são basicamente alicerçados em equações físicas. Modelar numericamente a parte física é mais fácil.
Mas a vida, os processos biológicos, ainda não encontramos equações que deem conta disso com acurácia. Então, pensamos: se não conseguimos que esses modelos reproduzem os impactos na vida [no caso, comunidades microbianas], o que podemos fazer? “, Relembra Tonelli.
De acordo com o artigo, algoritmos como o Floresta Aleatória (RF, ou Floresta Aleatória, na tradução literal) e as chamadas redes neurais (modelos computacionais capazes de realizar
machine learning e reconhecimento de padrões) são algumas das ferramentas mais eficazes para a análise de dados de microbiomas.
“Por isso, decidimos usar um modelo de RF para investigar a resposta microbiana às mudanças de longo prazo da temperatura da superfície do mar, em termos de diversidade e composição.
Trata-se de um modelo de machine learning que combina várias árvores de decisão, treinando cada uma delas em um conjunto distinto de transferência e emitindo uma predição final de acordo com o resultado de cada árvore de decisão “, revelação o oceanógrafo.
O grande desafio, segundo ele, foi fazer a calibragem do equipamento.
“Para ‘treinar uma máquina’ para reproduzir a realidade é necessária uma quantidade grande de Deus. Tínhamos 105 antigos, então, cerca de 80 no treinamento e deixamos o resto para testar a calibragem.
Sabemos o que é a realidade porque temos as colhidas lá na Antártica. Então, vamos ajustar uma máquina até ela conseguir reproduzir uma situação real. E, por fim, inserimos os dados climáticos e vemos a resposta que o modelo nos dá “.
Segundo ele, é a primeira vez em que o recurso de aprendizado de máquina é usado para esse fim. E a metodologia pode ser replicada em outros ambientes (oceanos ).
Resultados
As simulações indicam uma diminuição na riqueza e na diversidade das comunidades microbianas em todas as projeções climáticas, sendo que as condições mais altas causariam uma diminuição mais reduzida, especialmente no cenário mais crítico (SSP5-8.5).
Enquanto o cenário de baixa emissão (SSP1-2.5) projetou pequenas mudanças na fonte relativa de microrganismos, os três cenários com o maior aumento na temperatura, incluindo o cenário do “meio-termo”, mostrando mudanças na estrutura das comunidades microbianas que incluem uma perda de diversidade e a diminuição na taxa de microrganismos importantes para os processos biogeoquímicos e o fu ncionamento do ecossistema no noroeste da Península Antártica e o noroeste do mar de Weddell.
Bendia destaca uma arqueia da ordem Nitrosopumilales que oxida a amônia. Ela explica que toda a vida na Terra está dividida em três grandes domínios (Bactérias, Archaea e Eukarya), e o domínio das arqueias ainda é pouco estudado.
“Esse grupo de arqueia da ordem Nitrosopumilales faz a oxidação de amônia e fixa dióxido de carbono [CO2], sendo relativamente conhecido pela ciência. É bem abundante na Antártica, pois gosta de águas geladas.
E nele notamos uma redução drástica após a predição. Essa arqueia faz um processo de remineralização da matéria orgânica, faz a ciclagem de nutrientes do ambiente para que outros microrganismos usem. Se houver interrupção nesse processo, os outros microrganismos não vão ter nutrientes.
Há outro grupo, esse de bactérias, que faz oxidação de compostos de enxofre, que também diminuiu. Certos compostos de enxofre na forma reduzida podem ser tóxicos para alguns organismos do ambiente, então elas fazem a oxidação compostos. “
Segundo ela, também houve redução em gr upos pouco conhecidos, como uma arqueia planctônica chamada Marine Group II. Em contrapartida, o modelo projetou a maior quantidade relativa à ordem dos Flavobacteriales, que compreende várias famílias de bactérias heterotróficas.
“Esperávamos uma alteração na predição feita com base nos cenários e modelos de machine learning , mas não imaginávamos que elas aconteceriam em grupos-chave de microrganismos, muito importantes para o ecossistema e os ciclos biogeoquímicos “, afirma Bendia.
Reiterando que tais ordens são compostas por várias espécies com papéis importantes no funcionamento dos ecossistemas oceânicos, incluindo os ciclos de enxofre, nitrogênio e carbono – e são atualmente considerado abundantes na superfície oceânica.
“Estamos falando da parte mais baixa da cadeia trófica, dos produtores primários; dali parte toda a cadeia alimentar que chega até os grandes mamíferos. Se os consumidores estão aumentando e os produtores não, como é que isso vai repercutir nos níveis lá de cima?
Ainda não sabemos e precisamos de um bom tempo de especialistas para entender isso. Mas acredito que alguns grupos serão privilegiados e outros sofrerão com as mudanças “, resume Tonelli.
Como possível de uma diminuição na oxidação da amônia nos ecossistemas estudados ainda não estão claras, mas alguns estudos de modelagem indicaram que ela pode afetar os nutrientes, uma desnitrificação (transformação do nitrato em outras formas de nitrogênio que podem retornar à atmosfera), a produtividade marinha e o sequestro biológico de carbono pelos oceanos.
“As mudanças de temperatura modulam a dinâmica da comunidade microbiana marinha do oceano Austral”, concluem os autores no artigo intitulado Projeções climáticas para o Oceano Antártico revelam impactos nas comunidades microbianas marinhas após aumentos na temperatura da superfície do mar.