Resumen

Enfrentando el desafío de optimizar la recolección de basura en la colonia Rosarito, Los Cabos, México, utilizamos herramientas de la Teoría de Gráficas para modelar y resolver el problema. Construimos una gráfica que representa la disposición de calles y aplicamos el algoritmo de Fleury, modificado para minimizar vueltas en U. Al no contar con una gráfica euleriana, añadimos aristas para garantizar recorridos completos y utilizamos el algoritmo de Kruskal para obtener un árbol generador de peso mínimo. Los resultados revelan una ruta óptima con una distancia reducida de 0.695 km en comparación con la ruta actual, generando un ahorro anual significativo de aproximadamente 108.718 km. La propuesta elimina vueltas en U evitables, mejora la eficiencia en la recolección y presenta aplicaciones potenciales en otros contextos logísticos urbanos.
Palabras clave: teoría de gráficas, recolección de basura, logística urbana, gestión de residuos, gráfica euleriana.

How can we find the best garbage collection route?

Abstract

Facing the challenge of optimizing garbage collection in the Rosarito neighborhood, Los Cabos, Mexico, we utilized tools from Graph Theory to model and solve the problem. We constructed a graph representing the street layout and applied the Fleury algorithm, modified to minimize U-turns. Without a Eulerian graph, we added edges to ensure complete routes and employed the Kruskal algorithm to obtain a minimum-weight spanning tree. Results reveal an optimal route with a reduced distance of 0.695 km compared to the current route, leading to a significant annual savings of approximately 108,718 km. The proposal eliminates avoidable U-turns, enhances collection efficiency, and holds potential applications in other urban logistics contexts.
Keywords: graph theory, garbage collection, urban logistics, waste management, Eulerian graph.

El problema de recolección de basura

Imagina que eres chofer de un camión recolector de basura y debes recoger, casa por casa, la basura de una colonia. Te dan el mapa de la colonia. ¿Cómo realizarías el trayecto? ¿Serías capaz de encontrar una ruta que transite por todas las calles recorriendo la menor distancia posible? ¿Sabes que algunos algoritmos matemáticos podrían ayudarte a encontrar tal ruta?

El objetivo es que, además de pasar por todas las casas de todas las calles de una colonia, se logre hacerlo ahorrando tiempo, energía y costos de operación. Hay muchas maneras de abordar este problema; en este artículo, lo haremos usando las herramientas de un área muy útil de las Matemáticas: la Teoría de Gráficas.

Sabemos que es de vital importancia que las ciudades cuenten con un sistema de recolección eficaz para tener una ciudad libre de residuos sólidos. Estos son un problema porque podrían ocasionar enfermedades, proliferación de fauna nociva, malos olores y una vista desagradable que impactaría negativamente al turismo, así como a otras actividades económicas y recreativas.

Pensando en esto, nos abocamos a buscar una ruta óptima de recolección de basura en la colonia Rosarito del municipio de Los Cabos, Baja California Sur en México. Cuando decimos óptima, nos referimos a aquella ruta que efectivamente pase por todos los hogares de la colonia y que recorra la menor cantidad de kilómetros, para así ahorrar en combustible, en tiempo y en mantenimiento de la unidad recolectora.

En la siguiente sección presentamos los conceptos matemáticos que usaremos para modelar nuestra propuesta de solución.

Recogiendo la basura de manera eficiente

Como sabes, las Matemáticas son una de las más poderosas creaciones humanas. Nos han dado herramientas útiles para resolver una infinidad de problemas. Su versatilidad nos ha llevado desde el espacio exterior hasta el mundo microscópico. La Teoría de Gráficas ha sido una de las áreas más interesantes y versátiles para resolver problemas cotidianos como el de la recolección de basura. Nuestra propuesta de solución modela el problema usando gráficas y algoritmos.

Pero ¿qué es una gráfica? Aquí es necesario introducir algunas definiciones. Una gráfica es una colección de puntos (vértices) y líneas (aristas) que unen a parejas de ellos. Se coloca una arista cuando dos vértices están relacionados. Entonces, las gráficas sirven para representar relaciones entre objetos —o personas u otros elementos—. Por ejemplo, si hay un grupo de cinco personas, podemos representar a cada persona con un vértice y colocar una arista entre dos personas que tengan la misma edad (en años cumplidos). ¿Cómo quedaría la gráfica si las cinco personas tienen la misma edad? La Figura 1 muestra la gráfica que modela este ejemplo.

Figura 1. Gráfica que representa a 5 personas con la misma edad. Crédito: elaboración propia.

Así de fáciles son las gráficas. Siempre que haya una colección de objetos y una relación entre ellos, podemos dibujar una gráfica —en este ejemplo son personas, pero podrían ser cosas, empresas, escuelas o lo que se te ocurra—. Las gráficas pueden ser muy lindas e interesantes al mismo tiempo y por esto mucha gente se ha dedicado a estudiarlas, no solamente para resolver problemas cotidianos, sino además para entender sus propiedades (Chartrand et al., 1996).

Existen un sinfín de gráficas que modelan o que se construyen para estudiarlas. Un par de ejemplos son los mostrados en la Figura 2, que destacan por su belleza.

Figura 2. Otros ejemplos de gráficas. Crédito: elaboración propia.

Problemas de recorribilidad

La Teoría de Gráficas modela y resuelve, entre muchas situaciones, los problemas de recorribilidad, que son aquellos en los que hay que localizar rutas óptimas en una zona o región determinada. Lo que se hace es modelar la zona mediante una gráfica, buscar y construir el recorrido en la gráfica, para después realizarlo en la zona real. De hecho, esta área de las Matemáticas surgió precisamente al resolver uno de estos problemas.1

En la siguiente sección, explicaremos cómo usamos la Teoría de Gráficas para modelar y resolver el problema de recolección de basura en la colonia Rosarito en Los Cabos, Baja California Sur, México.

La propuesta

Iniciamos construyendo una gráfica a partir del mapa de la colonia. Representamos los cruces de las calles con vértices y pondremos una arista para representar la calle que une dos cruces. Esta gráfica, construida en una pequeña región, podemos apreciarla en la Figura 3.

Figura 3. Construcción de la gráfica a partir del mapa de la colonia. Crédito: elaboración propia.

Nuestro problema requiere recolectar la basura casa por casa, entonces habrá que pasar por cada calle de la colonia. Idealmente, se desea pasar solo una vez, pero cuando esto no sea posible, se repetirá el paso por alguna calle. Queremos hacer esto lo menos posible para no incrementar mucho la distancia total de la ruta. Como mencionamos, la Teoría de Gráficas aborda este tipo de problemas representándolos con gráficas y usando algoritmos para construir el recorrido sobre la gráfica. Posteriormente, se realiza en la zona real, en este caso, en la colonia Rosarito.

Recorrer una gráfica es como “caminar” en ella: iniciar en un vértice, seguir por alguna de sus aristas a otro vértice, luego seguir por otra arista a otro vértice, etcétera. A esta manera de caminar le podemos poner restricciones: por ejemplo, pasar por todos los vértices de la gráfica o pasar por todas las aristas. Si “caminamos” en una gráfica, pasando exactamente una vez por cada arista, iniciando y concluyendo en el mismo vértice, obtenemos lo que se conoce como un recorrido euleriano2, y si una gráfica posee un recorrido euleriano se le llama gráfica euleriana —si no lo tiene entonces no es euleriana—. Podemos ver un ejemplo de una gráfica euleriana en la Figura 4.

Figura 4. Gráfica euleriana. Un recorrido euleriano sería el siguiente: 0,1,2,4,1,5,7,6,5,0,2,3,0. Crédito: elaboración propia.

Entonces, una vez que construimos la gráfica de la colonia Rosarito, como dijimos antes: un vértice para cada uno de los cruces de las calles y una arista para las calles que unen dos de esos cruces, hubo que considerar algo muy importante: el sentido de las calles, porque no en todas se puede circular en los dos sentidos y un requisito es respetar las reglas de circulación.

Incorporando el sentido de las calles

Para considerar el sentido de las calles usamos flechas en las aristas. En la colonia Rosarito hay calles de un solo sentido, que representamos con una flecha en un extremo de la arista, y calles de dos sentidos representadas con flechas en ambos extremos. Esta configuración genera una digráfica, es decir, una gráfica en la que las aristas tienen dirección. Además, en la colonia también hay calles cerradas, esas en las que se entra y sale por el mismo extremo. Estas calles se deben considerar de doble sentido, dado que se entra usando un sentido y se sale usando el sentido contrario, recorriendo la misma calle. Esto implica realizar una maniobra riesgosa que llamaremos vuelta en “U”. Podemos clasificar a las vueltas en U en dos tipos diferentes: las inevitables y las evitables.

Vuelta en “U” inevitable: Se dan en las calles cerradas —sin salida— porque el camión debe entrar y salir por el mismo extremo de la calle. En la Figura 5, se muestra una calle así, es útil para entender lo complicado y peligroso de la maniobra de salida: si no hay espacio para dar vuelta al camión, el chofer sale en reversa. Ambas alternativas son riesgosas.

Figura 5. Calle cerrada en la colonia Rosarito. Crédito: elaboración propia.

Vuelta en “U” evitable: Ocurren cuando el chofer voltea el camión en una calle que no es cerrada para ahorrar tiempo o tráfico, o para ya no pasar por calles en las que ya se recolectó la basura. En el recorrido actual el chofer realiza siempre al menos una vuelta en “U” evitable. Como dijimos, con un vehículo tan grande, esta maniobra es riesgosa pues podría golpear algún auto estacionado o bloquear momentáneamente el tránsito vehicular o peatonal. La mejor ruta tendría que funcionar sin que haya necesidad de realizar este tipo de prácticas, idealmente tendríamos que eliminar todas las vueltas en “U” evitables.

Con estas consideraciones en mente, representamos la colonia Rosarito con una digráfica. Siguiendo el proceso que explicamos, asignamos vértices para cada uno de los cruces entre dos calles, aristas entre parejas de vértices que representen dos cruces unidos por una calle y flechas para indicar el(los) sentido(s) de cada calle. Las calles cerradas —que generan vueltas en “U” inevitables— se ven como una arista con flechas en sus dos extremos y que de uno de sus vértices no salen más flechas. La Figura 6 muestra la digráfica de la colonia. Por ejemplo, la arista que une a los vértices 1 y 2 representa una calle cerrada.

Figura 6. Digráfica que representa la colonia Rosarito. Crédito: elaboración propia.

En el caso de la gráfica de la colonia Rosarito, un recorrido euleriano representa, se vería como una ruta que pasa por cada calle una sola vez e inicia y termina en el mismo sitio. Como nosotros queremos iniciar en el almacén de las unidades recolectoras y concluir en el tiradero municipal, buscamos una trayectoria euleriana, que es como un recorrido euleriano al que se le elimina una arista. Entonces busquemos tal trayectoria.

La Teoría de Gráficas en acción

Un resultado ampliamente reconocido en la Teoría de Gráficas establece que una gráfica es euleriana si, y solo si, cada vértice está conectado por una cantidad par de aristas (Chartrand et al., 1996, 92-102). Para hallar un recorrido euleriano en una gráfica euleriana, recurrimos al algoritmo de Fleury (Fleury, 1883), presentado por el matemático francés M. Fleury en su artículo Deux problèmes de géométrie de situation en 1883. Este algoritmo encuentra un recorrido euleriano en una gráfica en la que cada vértice está unido por una cantidad par de aristas, como se ilustra en la Figura 4. ¿Podemos aplicar este algoritmo a la gráfica de la colonia Rosarito?

Al observar la Figura 6, queda claro que la gráfica no es euleriana, ya que no todos sus vértices tienen una cantidad par de aristas incidentes. Por ende, no posee un recorrido euleriano. Sin embargo, el camión recolector debe transitar por todas las calles para completar la recolección de basura. Para lograrlo, será necesario recorrer varias calles en múltiples ocasiones.

En el contexto de una gráfica, esto se representa mediante aristas múltiples, es decir, la colocación de más de una arista entre la misma pareja de vértices. Para resolver nuestro problema, añadiremos aristas nuevas para obtener una gráfica con aristas múltiples. De esta manera, garantizaremos que cada vértice tenga una cantidad par de aristas incidentes, asegurando la existencia de un recorrido euleriano. Estas aristas adicionales representarán las calles por las cuales el camión de basura pasará más de una vez. Observemos, por ejemplo, la Figura 7, en la que se agregaron dos aristas a una gráfica no euleriana, marcadas en rojo, para asegurar que todos los vértices tengan una cantidad par de aristas incidentes y así obtener una gráfica euleriana.

Figura 7. Adición de aristas para obtener una gráfica euleriana. Crédito: elaboración propia.

El algoritmo de Fleury no impone restricciones para eliminar las vueltas en “U” evitables. Por ejemplo, en la Figura 7 (b), el algoritmo podría seleccionar la arista negra que conecta los vértices 1 y 5, y luego, inmediatamente, la arista roja que también une los mismos vértices. En la práctica, esto implicaría que el camión recolector recorre una calle y luego la recorre en sentido contrario, realizando así una vuelta en “U” inevitable. Con el objetivo de eliminar o minimizar estas vueltas, proponemos la siguiente modificación al algoritmo de Fleury : “Si entre dos vértices u y v existen aristas múltiples, al elegir la arista de u a v, no se puede seleccionar inmediatamente la arista de v a u, a menos que no haya otra manera de regresar a u”.

En la ruta óptima, habrá calles por las que se deba transitar más de una vez, ya que la gráfica no es euleriana —como ya hemos establecido, no todos los vértices tienen una cantidad par de aristas incidentes—. Por lo tanto, se debe seleccionar cuidadosamente por cuáles calles pasar más de una vez, eligiendo aquellas que agreguen la menor distancia posible.

Para abordar esta consideración, incorporamos un dato adicional en nuestro modelo de la colonia: asignamos un número a cada arista para indicar la distancia en metros de la calle que representa. Así, obtuvimos una digráfica en la que cada arista tiene un número, como se muestra en la Figura 8.

Figura 8. Digráfica de la colonia Rosarito con distancias incluidas. Crédito: elaboración propia.

Al elegir las aristas que se deben duplicar, es fundamental seleccionar aquellas que no añadan demasiada distancia a la ruta. Para lograr esto, utilizamos lo que se conoce como árbol generador de peso mínimo en una gráfica (Cormen et al., 2022, 631-642). En una gráfica, un árbol generador es una subgráfica que contiene todos los vértices de la gráfica y garantiza que entre cualquier par de vértices haya un único camino formado únicamente por aristas de ese árbol. Si, además, la gráfica tiene aristas con valores asignados (como la nuestra), llamamos árbol generador de peso mínimo a aquel cuya suma de los valores de sus aristas es la menor posible entre todos los árboles generadores de esa gráfica.

Para obtener un árbol generador de peso mínimo en nuestra gráfica, emplearemos el algoritmo de Kruskal, propuesto por el matemático estadounidense Joseph Bernard Kruskal Jr. Este algoritmo construye el árbol deseado seleccionando, entre todas las aristas de la gráfica, aquella con el menor valor asignado. Luego, elige otra de entre las aristas restantes con el menor valor, y así sucesivamente, hasta formar el árbol deseado (Kruskal, 1956). En la Figura 9, se muestra un ejemplo de árbol generador de peso mínimo, compuesto por las aristas de color rojo.

Figura 9. Árbol generador de peso mínimo obtenido con el algoritmo de Kruskal. Crédito: elaboración propia.

Es importante destacar que entre cualquier par de vértices existe un único camino formado únicamente por las aristas rojas. Además, aunque más difícil de verificar, es cierto que este es el árbol generador en el que la suma de los valores de las aristas es mínima. Por ejemplo, la arista entre los vértices 1 y 3, que tiene un valor de cinco unidades, no pertenece al árbol, ya que es posible llegar del vértice 1 al 3 usando dos aristas: la que va del 1 al 0 y la que va del 0 al 3. La suma de esos valores es tres, que es menor que el valor de la arista entre 1 y 3.

Las aristas de un árbol generador de peso mínimo en nuestra gráfica son aquellas de las que elegimos duplicar, ya que, al tener los valores más pequeños, representan calles más cortas. Si el camión recolector pasa más de una vez por ellas, no se incrementa tanto la distancia, logrando así optimizar nuestra ruta.

Conclusiones

Tras aplicar los algoritmos mencionados, obtuvimos una ruta con una distancia total de 10.972 km, en comparación con los 11.677 km de la ruta actual. Esto implica una mejora de 0.695 km, es decir, 695 metros. Esta reducción se traduce en un ahorro semanal de 2.085 kilómetros, considerando que la ruta se realiza tres veces a la semana. Por tanto, el ahorro anual al sustituir la ruta actual por esta nueva sería de aproximadamente 108.718 kilómetros. La Figura 10 es una animación (un gif) que muestra la ruta óptima obtenida en la digráfica que representa a la colonia Rosarito.

Cuando una arista cambia a color rojo, significa que el camión recolector de basura debe pasar por la calle que esa arista representa. Si la arista cambia a color amarillo, el camión debe pasar una segunda vez, y si cambia a color negro, entonces deberá recorrerla tres veces.

Figura 10. La ruta completa del camión recolector en la colonia Rosarito. Crédito: elaboración propia.

En la ruta que proponemos, no existen vueltas en “U” evitables, logrando que, además de ser más corta, sea más segura. Esta estrategia podría replicarse en otras colonias y sistemas de recolección que cumplan con las características de este problema, mejorando así las rutas de recolección de basura en otras zonas del país.

Referencias

• Chartrand, G., Lesniak, L., y Zhang, P. (2010). Graphs & Digraphs. En Chapman and Hall/CRC eBooks. https://doi.org/10.1201/b14892.
• Cormen, T. H., Leiserson, C. E., Rivest, R. L., & Stein, C. (2009). Introduction to Algorithms, third edition. mit Press. https://pd.daffodilvarsity.edu.bd/course/material/book-430/pdf_content.
• Kruskal, J. B. (1956). On the shortest spanning subtree of a graph and the traveling salesman problem. Proceedings of the American Mathematical society, 7(1), 48-50. http://5010.mathed.usu.edu/Fall2018/THigham/Krukskal.pdf.
• Martínez Cano, O. (2021). Uso de la Teoría de Gráficas para optimizar la ruta de recolección de basura en la colonia Rosarito del municipio de Los Cabos. [Tesis de licenciatura, en proceso de publicación]. Universidad Abierta y a Distancia de México, unadm.
• Wikipedia. (2021, 4 de diciembres). Discusión: problema de los puentes de Königsberg. https://goo.su/YCUxsd.

Recepción: 15/12/2022. Aceptación: 01/11/2023.

Resumen

La erupción del volcán Hunga Tonga Hunga Ha’apai en enero de 2022, cientos de veces más potente que la bomba atómica de Hiroshima, dejó una huella global. Este artículo destaca cómo una red de 11 sismómetros en la costa de Oaxaca, México, originalmente instalada para monitorear la actividad sísmica local, registró las ondas sísmicas del evento a más de 9,300 km de distancia. La instalación estratégica de estas estaciones permitió un análisis detallado de la duración, amplitud y contenido de frecuencias de las ondas sísmicas. La información recopilada no sólo ofrece una visión única del impacto del evento en la costa de Oaxaca, sino que también brinda una oportunidad valiosa para estudiar el interior de la Tierra, especialmente en la interfaz núcleo-manto a 2900 km de profundidad en el océano Pacífico. Este artículo destaca la importancia de redes sísmicas para comprender eventos globales y resolver incógnitas sobre la estructura interna de la Tierra.
Palabras clave:vulcanología, Hunga Tonga, sismología, sismómetros, ondas sísmicas, impacto global, Oaxaca.

Seismological murmurs: how Oaxaca heard the explosion of the Hunga-Tonga volcano

Abstract

The eruption of the Hunga Tonga Hunga Ha’apai volcano in January 2022, hundreds of times more powerful than the Hiroshima atomic bomb, left a global footprint. This article highlights how a network of 11 seismometers on the coast of Oaxaca, Mexico, originally installed to monitor local seismic activity, recorded the seismic waves of the event over 9,300 km away. The strategic placement of these stations allowed for a detailed analysis of the duration, amplitude, and frequency content of the seismic waves. The collected information not only provides a unique perspective on the event’s impact on the Oaxaca coast but also offers a valuable opportunity to study the Earth’s interior, especially at the core-mantle interface 2900 km deep in the Pacific Ocean. This article emphasizes the importance of seismic networks in understanding global events and solving mysteries about the Earth’s internal structure.
Keywords: volcanology, Hunga Tonga, seismology, seismometers, seismic waves, global impact, Oaxaca.

El origen de las vibraciones

Es común que, durante las reuniones virtuales con el micrófono encendido, se escuchen sonidos de ambulancias o patrullas, como si todos los participantes vivieran en la misma colonia, pero dispersos en distintos puntos. Imagina que, en un momento así, pasa una ambulancia mientras todos tienen el micrófono activado; las ondas acústicas generadas por la sirena se percibirán con distinta intensidad en cada ubicación. Si registramos en un mapa la posición de cada casa junto con el tiempo exacto en que se escuchó más cerca o con mayor intensidad la sirena, podríamos trazar la ruta de la ambulancia en la colonia.

Bajo este principio de rastrear el origen del sonido, los sismólogos instalan estaciones sismológicas para “escuchar” las ondas sísmicas que se propagan en el interior de la Tierra y determinar el lugar y el tiempo en que se originó el temblor. Aunque no podemos predecir cuándo ocurrirá un sismo, las estaciones sismológicas se mantienen siempre encendidas, registrando en todo momento las vibraciones que se transmiten en forma de ondas sísmicas por el suelo.

Estas estaciones no solo graban el movimiento originado por sismos, sino también cualquier tipo de vibraciones, ya sea por la actividad humana, como caminar o el tránsito de vehículos, o de origen natural, como el oleaje de los océanos, movimientos de los árboles, derrumbes, impactos de meteoritos o explosiones volcánicas.

Una explosión volcánica, además de acústica, es sísmica

El volcán Hunga Tonga–Hunga Ha’apai —”Hunga Tonga” para quienes no hablan tongano—, forma parte de un archipiélago de 170 islas volcánicas del Reino de Tonga, situado al sur del océano Pacífico, a unos 2000 km de Nueva Zelanda. Estas islas se formaron debido a la interacción entre dos placas tectónicas: la Australiana y la del Pacífico, donde la última se sumerge por debajo de la primera, en un proceso conocido como subducción.

El proceso de subducción de placas da origen a varios volcanes, que generalmente se alinean paralelamente al límite entre las placas. Cuando la placa se sumerge, libera grandes cantidades de agua y minerales hacia la superficie. Estos fluidos, al entrar en contacto con las rocas calientes del manto terrestre, las funden, produciendo magma. Dado que el magma es menos denso que el material circundante, asciende hacia la superficie a través de fisuras, formando así los volcanes (Tatsumi, 1986).

El 15 de enero de 2022, a las 04:14:45 utc (Tiempo Universal Coordinado), una explosión estridente del volcán Hunga Tonga fue registrada por instrumentos en todo el mundo (Matoza et al., 2022). ¿Cómo es posible? La magnitud de las vibraciones está vinculada al tamaño de la fuente y a la proximidad a la estación de registro. Imaginemos el volcán como un cono con un área de base de 314 km2, equivalente a una cuarta parte de la Ciudad de México, y una altura de 2000 m desde el fondo del mar. Antes de la erupción, dos islas de 2 km de largo cada una eran visibles en el mapa, con una altura máxima de 150 m —un poco menos que la Torre Latinoamericana en la Ciudad de México—. Tras la violenta explosión de enero, quedaron sólo algunas isletas, mientras que el resto quedó sumergido a 140 m de profundidad en el mar (Figura 1). El edificio volcánico se resquebrajó, transformando el paisaje (Garvin et al., 2018).

Aunque la actividad volcánica comenzó en diciembre de 2021, la erupción del 15 de enero de 2022 fue cientos de veces más potente que la bomba atómica lanzada en Hiroshima. Como todo evento catastrófico, la explosión del volcán Hunga Tonga se propagó por aire, mar y tierra, generando ondas de presión atmosférica, olas de tsunami y ondas sísmicas que atravesaron el interior de la Tierra. La magnitud estimada del evento fue de 5.8, según el Servicio Geológico de los Estados Unidos (usgs, 2022).

Vibraciones lejanas en territorio mexicano

La excepcional explosión del volcán Hunga Tonga proporciona a los científicos de todo el mundo una oportunidad para estudiar los procesos asociados a la destrucción y construcción de volcanes, así como para investigar fenómenos que se propagan en la atmósfera, el mar y el interior de la Tierra.

A finales de septiembre de 2021, en la costa de Oaxaca, un equipo de científicos de la Universidad del Mar y del Instituto de Geofísica de la unam instaló una red temporal de 11 sismómetros con el propósito de monitorear la actividad sísmica en la zona costera entre las poblaciones de Pinotepa Nacional y Salina Cruz (Calò et al., 2022). Al aumentar el número de sismómetros de 3 a 14, se logró percibir sismos de magnitudes pequeñas (M<2) que pasaban desapercibidos para los servicios de monitoreo sísmico nacional. Mientras la red de 14 sensores estaba instalada, ocurrió el evento volcánico de Tonga y sus vibraciones viajaron por todo el planeta, quedando registradas en nuestros instrumentos.

Aunque este evento fue captado por sismómetros a nivel global, la coincidencia de tener un arreglo de varias estaciones sísmicas temporales desplegadas en la costa de Oaxaca (a ~9,300 km de distancia) permitió describir en detalle sus características, como duración, amplitud y contenido de frecuencias. Esto incluye la capacidad de distinguir las señales dejadas por sismos locales y sismos ocurridos a gran distancia (telesismos), así como sus posibles implicaciones para las Ciencias de la Tierra.

Las estaciones se ubicaron a una distancia de entre 10 y 30 km en la costa oaxaqueña (ver figura 1b), junto con las estaciones permanentes del Servicio Sismológico Nacional, para medir los movimientos del suelo y registrar la sismicidad local de la región.

Figura 1. Ubicación del volcán Hunga Tonga-Hunga Ha’apai. (B) Estaciones de banda ancha operadas por el Servicio Sismológico Nacional de México (SSN) en cuadros amarillos, estaciones temporales en triángulos rojos. (C) Forma de la isla antes y después de la explosión. Crédito: figuras modificadas del sitio NASA Earth Observatory.

El interior de la Tierra a través de sismogramas

En la Figura 2, se presentan dos conjuntos (a y b) de 13 sismogramas pertenecientes a la red de estaciones, dispuestos en posición vertical. En cada sección, el tiempo avanza de arriba hacia abajo, mientras que de izquierda a derecha, organizamos las estaciones respecto a su distancia al volcán Hunga Tonga. En la primera sección (a), los sismogramas tienen una duración de 24 horas, donde distinguimos el primer arribo de ondas producidas por la explosión del volcán Hunga Tonga en nuestra red y una serie de otras señales que describiremos más adelante.

En la Figura 2b, hay un acercamiento en donde ocurrió el primer arribo del tren de ondas de la explosión de Hunga Tonga a Oaxaca, tan solo 8 minutos después y casi al mismo tiempo en todas las estaciones de la costa. Esto se debe a que las ondas sísmicas viajaron por casi 10,000 km a través del interior de la Tierra, y las diferencias en el tiempo de recorrido entre una estación y otra se vuelven muy pequeñas, de milisegundos. Es como si cayera un rayo estando en una reunión virtual entre amigos del mismo barrio con todos los micrófonos encendidos; todos escucharíamos el trueno casi al mismo tiempo, ya que el rayo se originó en un lugar muy lejano.

En la misma figura, también podemos observar la llegada de varios tipos de ondas o fases sísmicas (líneas punteadas), por ejemplo, las ondas sísmicas que viajan en el interior de la Tierra (ondas de cuerpo o internas) y ondas de gran amplitud viajando cerca de la superficie (ondas superficiales). Recordemos que la Tierra en su interior tiene varias capas, como una cebolla, y que la presión y la densidad de los materiales en el interior aumentan conforme nos acercamos al centro de la Tierra. Entonces, las ondas sísmicas que recorren grandes distancias transcurren por las distintas capas (principalmente en el núcleo externo y el núcleo interno) y sufren reflexiones y refracciones que se registran como llegadas de “paquetes de ondas” en diferentes tiempos. Las ondas superficiales —que hemos marcado como R1 en Figura 2a— llegaron después porque viajan por la superficie a menor velocidad que las ondas de cuerpo, que viajan en el interior. Las ondas superficiales siguieron dando vueltas a la Tierra hasta desvanecerse (R2 y R3 en Figura 2a). Entretanto, en nuestros sismogramas se grabaron también las ondas de presión que se propagaron en la atmósfera y arribaron a Oaxaca aproximadamente 10 horas después. A este tipo de ondas se les denomina ondas de Lamb (Figura 2a).

Figura 2. a) Sismogramas verticales de cada estación, según la distancia desde el epicentro de la explosión del volcán Hunga Tonga (~9,300 km). Las bandas violetas subrayan la presencia de la explosión principal (R1) y las dos vueltas más que las ondas sísmicas dieron alrededor de la Tierra (R2 y R3). El recuadro naranja encierra las ondas de presión (Lamb). El recuadro de línea segmentada es el acercamiento (b) al primer arribo 8 minutos después de la explosión de Tonga a Oaxaca y la llegada de varias fases sísmicas asociadas a reflexiones y refracciones de las ondas con la estructura interna de la Tierra. Crédito: elaboración propia.

Al igual que las señales acústicas, las señales sísmicas se componen de varias frecuencias, al igual que un acorde se compone de varias notas. La forma gráfica a color que usamos para representar las distintas frecuencias se llama espectrograma. En los espectrogramas, podemos observar la duración o persistencia de una frecuencia (eje vertical) a lo largo del tiempo (eje horizontal), mientras que los colores cálidos o fríos nos indican mayor o menor concentración de energía de la señal sísmica (Figura 3).

Figura 3. Sismograma de 24 horas del 15 de enero de 2022 de la estación PUAN, instalada en Puerto Ángel, Oaxaca (a), con su espectrograma abajo (b). El eje horizontal del tiempo es Tiempo Universal Coordinado (UTC). Los recuadros de color son los mismos que en la figura 2. Crédito: elaboración propia.

Por ejemplo, el zumbido persistente observado como una banda roja horizontal, entre 0.1 y 1 Hertz (Hz), es generado por la acción constante de las olas y el viento. En el caso de un sismo local que ocurre cerca de una estación sismológica, la energía generalmente se concentra en frecuencias mayores que 1 Hz, y su duración es de menos de un minuto, afortunadamente. En cambio, la explosión del volcán Hunga Tonga generó ondas sísmicas cuyo contenido energético, registrado en México, está en el intervalo de frecuencias entre 0.025 y 0.1 Hz. El hecho de que la energía se propague a través del subsuelo a frecuencias tan bajas permite que las perturbaciones den varias vueltas a la Tierra y sean grabadas varias veces en el mismo sismómetro, exactamente como podemos observar tanto en los sismogramas como en los espectrogramas —R1, R2 y R3, ¡tres vueltas en 24 horas!—. También la onda de Lamb dejó su huella visible en el espectrograma, y esto nos hace pensar que si llegó hasta en México, en las cercanías del volcán, el ruido de la explosión fue ensordecedor.

Imágenes del límite Núcleo-Manto de la Tierra por debajo del Pacífico

La explosión del volcán Hunga Tonga hizo vibrar la costa de Oaxaca por más de 3 horas y 45 minutos (R1 en Figura 2a). Afortunadamente, las amplitudes de estos movimientos en el suelo fueron muy pequeñas y sólo equipos muy sensibles, como los sismómetros, fueron capaces de percibirlos. La información contenida en estos registros sísmicos resulta de gran importancia al estudiar el interior de la Tierra. De hecho, estas ondas atraviesan las partes más profundas de nuestro planeta y alcanzan a interactuar con el límite manto-núcleo, permitiendo una descripción detallada de su forma. Si consideramos que esta interfase se encuentra aproximadamente a 2900 km de profundidad, es sencillo entender que sin esta información no podríamos “ver” lo que hay a esas profundidades (Figura 4).

Figura 4. Capas de la Tierra y trayectoria de ondas refractadas en la frontera Núcleo-Manto. Crédito: elaboración propia.

Un aspecto muy importante que hay que tener en cuenta es que gracias a la densidad de estaciones sísmicas temporales en Oaxaca, se podrá detallar una porción muy especial del contacto núcleo-manto que se encuentra en el océano Pacífico y que se piensa es responsable del origen de varias islas volcánicas como las de Polinesia.

Consideraciones finales

La explosión del volcán Hunga Tonga fue un evento excepcional que afectó a todo el globo terrestre, produciendo perturbaciones que se registraron con diversos instrumentos de medición como barómetros, mareógrafos y sismómetros, los cuales registraron variaciones de la presión atmosférica, variaciones en los niveles de la superficie del mar y la generación de ondas sísmicas.

La importancia de estas señales sísmicas captadas por una red densa de sismómetros en la costa de Oaxaca nos proporciona información valiosa para investigar acerca del interior de la Tierra en una porción particular en la frontera núcleo externo-manto, en medio del océano Pacífico a 2900 km de profundidad. Al igual que en México, también hay varias redes sísmicas que captaron el evento y que, de acuerdo a su distancia con Tonga, permitirán estudiar capas superficiales o capas profundas si se encuentran más cerca o más lejos, respectivamente. La tarea de juntar cada pedacito de este rompecabezas será fundamental para integrar los mapas de la estructura interna de la Tierra con detalles aún desconocidos y que pueden ayudar a resolver dudas sobre el funcionamiento de nuestro planeta.

Alrededor del planeta, dentro y fuera de él, hay instrumentos como micrófonos encendidos, atentos a los sonidos de los fenómenos naturales que ocurren en la Tierra y que esperamos seguir estudiando.

Agradecimientos

Los autores desean agradecer al Programa de Apoyos para la Superación del Personal Académico de la unam (paspa) y el proyecto interno umar 2II2003.

Referencias

• Calò, M., Solano, E.A., García-Gomora, L.; Montalvo-Lara, C.E.; Sánchez-Alonso, F.; Granados, I.; y López-Arce, O. (2022). Sismicidad de la costa de Oaxaca registrada por una red sísmica temporal en 2021-2022, ugm Reunión Anual 2022. geos, Unión Geofísica Mexicana 42(1):118.
• Garvin, J. B., Slayback, D. A., Ferrini, V. L., Frawley, J. J., Giguere, C., Asrar, G., y Andersen, K. (2018). Monitoring and modeling the rapid evolution of Earth’s newest volcanic island: Hunga Tonga Hunga Ha’apai (Tonga) using high spatial resolution satellite observations. Geophysical Research Letters, 45(8), 3445-3452. https://doi.org/10.1002/2017gl076621.
• Matoza, R. S., Fee, D., Assink, J., Iezzi, A. M., Green, D. N., Kim, K., Toney, L., Lecocq, T., Krishnamoorthy, S., Lalande, J., Nishida, K., Gee, K. L., Haney, M. M., Ortiz, H. D., Brissaud, Q., Martire, L., Rolland, L., Vergados, P., Nippress, A., . . . Wilson, D. C. (2022). Atmospheric waves and global seismoacoustic observations of the January 2022 Hunga eruption, Tonga. Science, 377(6601), 95-100. https://doi.org/10.1126/science.abo7063.
• nasa Earth Observatory. (s. f.). Dramatic changes at Hunga Tonga-Hunga Ha‘apai. https://earthobservatory.nasa.gov/images/149367/dramatic-changes-at-hunga-Tonga%20Hunga-haapai.
• Servicio Geológico de Estados Unidos de América (usgs). (2022, 15 de enero). M 5.8 Volcanic Eruption – 68 km NNW of Nuku‘alofa, Tonga. https://earthquake.usgs.gov/earthquakes/eventpage/pt22015050/executive.
• Servicio Sismológico Nacional (ssn). (s. f.). Instituto de Geofísica, Universidad Nacional Autónoma de México. http://www.ssn.unam.mx/.
• Tatsumi, Y. (1986). Formation of the volcanic front in subduction zones. Geophysical Research Letters, 13(8), 717-720. https://doi.org/10.1029/gl013i008p00717.

Recepción: 21/06/2022. Aceptación: 01/11/2023.

Resumen

La infección del tracto urinario es una de las enfermedades infecciosas más frecuentes en todo el mundo y su principal agente causal es Escherichia coli. Esta bacteria es un habitante común de nuestro intestino, sin embargo, cuando llega al aparato urinario puede ocasionar este padecimiento. Para causar estas infecciones, E. coli utiliza diversos mecanismos que le permiten ascender y vivir en el aparato urinario. Afortunadamente hoy en día se cuenta con diferentes antimicrobianos para eliminar este patógeno. En este artículo conoceremos acerca de E. coli uropatógena, los mecanismos que utiliza para colonizar el tracto urinario y los antimicrobianos para combatir las infecciones por este patógeno.
Palabras clave: infección de tracto urinario, bacterias uropatógenas, Escherichia coli.

Escherichia coli: friend and foe in our body

Abstract

Urinary tract infection is one of the most common infections in the world and its main causal agent is Escherichia coli. This bacterium is an inhabitant of our intestine; however, when it reaches the urinary system, it can cause infections. In order to give rise to these infections, E. coli uses various mechanisms that allow it to ascend and live in the urinary tract. Fortunately, today there are different antimicrobials for eliminating this pathogen. In this article, we will learn about uropathogenic E. coli, the mechanisms that it employs to colonize the urinary tract, and the antimicrobials utilized to combat the infections caused by this pathogen.
Keywords: urinary tract infection, uropathogenic bacteria, Escherichia coli.

Introducción

La infección del tracto urinario (itu) que está conformado por los riñones, uréteres, vejiga y uretra (Figura 1) es una de las patologías infecciosas más frecuentes, se estima que al año más de 150 millones de personas adquieren una itu en todo el mundo. Estas infecciones afectan a toda la población, sin embargo, las mujeres son el grupo de mayor riesgo, debido a la anatomía del tracto urinario femenino, donde la uretra es relativamente corta, lo que reduce la distancia para la entrada de bacterias (Czajkowski et al., 2021). En nuestro país alrededor de cuatro millones de personas adquieren una itu al año (Secretaría de Salud, 2020). La mayoría de los pacientes con itu no presentan complicaciones graves, sin embargo, estas infecciones tienen una alta recurrencia, lo cual se refleja en importantes costos económicos (Vargas-Alzate et al., 2019).

Figura 1. Partes del tracto urinario y sitios de infección.
Crédito:elaboración propia.

Las itu pueden ser causadas por una diversidad de microorganismos, no obstante, las bacterias son responsables de la mayoría de estas infecciones (Mancuso et al., 2023). Entre estas, Escherichia coli es el principal agente causal, ya que su alta capacidad de adaptación y variado requerimiento nutricional le permiten sobrevivir en las vías urinarias. Las cepas de E. coli que tienen la capacidad de causar itu se definen como E. coli uropatógenas (ecu) (Luna-Pineda et al., 2018).

Antes de adentrarnos al mundo de las E. coli uropatógenas, ¿sabes qué son bacterias?

Las bacterias son pequeños organismos unicelulares que presentan un tamaño diminuto de entre 0.5 y 5 micras —una micra es una milésima parte de un milímetro—. Además, se conoce que estos microorganismos tienen diferentes formas, que pueden ser esferas (cocos), barras (bacilos), filamentos curvados (vibrios) y helicoidales (espirilos y espiroquetas) (Figura 2). Las bacterias se encuentran en casi todas las partes de nuestro planeta y son vitales para los ecosistemas. De hecho, nuestro cuerpo está lleno de bacterias y se estima que contiene más bacterias que células humanas. La mayoría de las bacterias de nuestro cuerpo son inofensivas e inclusive algunas son beneficiosas para nuestro organismo. No obstante, existe un número relativamente pequeño de especies que causan enfermedades. Dentro de estas especies que pueden causar enfermedades se encuentra la E. coli (Sociedad de Microbiología, 2022).

Figura 2. Formas de las bacterias.
Crédito: elaboración propia.

Escherichia coli, ¿bacteria amiga o enemiga?

Escherichia coli es una bacteria perteneciente a la familia Enterobacteriaceae, se trata de un bacilo (forma de barra), anaerobio facultativo (pueden vivir tanto en presencia como ausencia de oxígeno) y mide 2 micras de largo y 0.5 micras de ancho, es decir, son tan diminutas que para cubrir la cabeza de un alfiler necesitaríamos 3 millones de ellas (Jang et al., 2017). La división celular ocurre aproximadamente cada 20 minutos, es decir en este corto tiempo una E. coli puede dividirse y generar dos bacterias hijas. Asimimo, es uno de los microbios de vida libre más estudiados en el campo de la microbiología y biotecnología, por esta razón es considerado como uno de los organismos modelos más empleados para la experimentación (Yu et al., 2021; Barrer y Irving, 2018).

Este microorganismo es un habitante común del tracto intestinal de los humanos y de otros animales de sangre caliente. La relación que existe entre la E. coli y los humanos se puede definir como comensalismo, es decir, que en esta relación uno de los dos organismos se beneficia, mientras que el otro no es ni perjudicado ni beneficiado. Las E. coli que viven en el intestino de los humanos reciben un suministro constante de nutrientes y un entorno estable y de protección; y además, pueden brindar algunos beneficios a los humanos, al producir unas sustancias llamadas bacteriocinas, las cuales evitan que nuestro intestino sea habitado por bacterias patógenas —que pueden ocasionar enfermedades— (Martinzon y Walk, 2020).

La mayoría de las E. coli son inocuas, pero algunas pueden producir toxinas que les permiten causar enfermedades graves. Este tipo de bacteria productora de toxinas se alojan en alimentos contaminados, por lo que es necesario aplicar las prácticas básicas de higiene de los alimentos, entre ellas, cocerlos bien. Otra forma en la que puede causar enfermedades es cuando migra hacia áreas estériles de nuestro cuerpo, por ejemplo, al tracto urinario (Organización Mundial de la Salud, 2018).

La aterradora Escherichia coli uropatógena

Las ecu son aquellas que manifiestan una alta adherencia a las células del epitelio vaginal y urinario, causando itu. A diferencia del intestino, el tracto urinario es un área estéril, por lo que las infecciones de esta zona inician cuando bacterias de E. coli llegan y colonizan la uretra para posteriormente migrar hacia la vejiga (Figura 1). Durante las infecciones por ecu se inicia un proceso que implica: colonización en las áreas periuretral y vaginal con un posterior ascenso a la uretra, multiplicación de las bacterias en la orina, adherencia a la superficie de la vejiga e interacción con el sistema de defensa del huésped, y finalmente, replicación mediante la formación de comunidades bacterianas intracelulares (Terlizzi et al., 2017).

Pero ¿qué características tienen las ECU?

Las ecu colonizan tracto urinario utilizando una amplia variedad de mecanismos llamados factores de virulencia como los siguientes (Figura 3):

Figura 3. Mecanismos de virulencia de E. coli uropatógena.
Crédito:elaboración propia.

Fimbrias y adhesinas: estas son estructuras filamentosas que surgen de la membrana externa de las bacterias y que las pueden envolver. Estas estructuras las utilizan las bacterias para adherirse a las células humanas, lo cual es el requisito previo para una infección exitosa (Lüthje y Brauner 2014; Asadi Karam et al., 2019).

Receptores que capturan hierro: la disponibilidad de hierro está extremadamente restringida en el tracto urinario, por lo que las bacterias deben estar equipadas con sistemas para sobrevivir en este ambiente. Para subsistir utilizan receptores para absorber hierro del tracto urinario, mediante captadores llamados sideróforos. Los sideróforos son importantes en la colonización por bacterias, la formación de comunidades bacterianas y la producción de biopelículas (Lüthje y Brauner 2014; Asadi Karam et al., 2019).

Toxinas: las toxinas ayudan a que el patógeno se introduzca a los tejidos más profundos, por el rompimiento de las células humanas, para tener acceso a nutrientes. Las toxinas bacterianas también destruyen las defensas inmunitarias del tracto urinario (Lüthje y Brauner 2014; Asadi Karam et al., 2019).

Guerra de dos mundos, Sistema inmune vs ECU: mecanismos de evasión del sistema de defensa humano

Después de la infección, el sistema de defensa humano provoca una fuerte respuesta inflamatoria, seguido por la entrada de neutrófilos —células humanas que combaten las infecciones— y la eliminación bacteriana. Las ecu tienen la capacidad de evitar la respuesta de defensa al ocultarse en el interior de las células o dentro de las biopelículas que conforman (Lüthje y Brauner 2014; Asadi Karam et al., 2019), causando así la sintomatología de la enfermedad. Los síntomas pueden ser: necesidad urgente y frecuente de orinar, ardor al orinar, dolor del vientre bajo, orina turbia y maloliente, orina de color marrón, rosa o teñida de sangre. Si la infección se propaga hasta los riñones puede ser particularmente grave y los síntomas podrían ser además fiebre, dolor en la parte superior de la espalda y del costado donde se encuentran los riñones, náuseas y vómitos (Christiano, 2019).

Arsenal terapéutico, ¿debemos preocuparnos?

Afortunadamente, se han desarrollado fármacos totalmente eficaces para el tratamiento de las itu. Los antibióticos se indican tomando en consideración diversos criterios tanto clínicos como microbiológicos, por ejemplo, el patrón de susceptibilidad antibiótica de la bacteria, condiciones del paciente —edad, género, historial de alergias, otras enfermedades, consumo previo de antibióticos, antecedentes de itu previas—, sitio de la infección urinaria, etcétera. Por esto siempre es importante acudir con el médico, para un correcto tratamiento (Asadi Karam et al., 2019; Terlizzi et al., 2017).

Entre los diversos medicamentos o antibióticos más conocidos, se encuentran trimetoprima/sulfametoxazol, los β-lactámicos, las fluoroquinolonas y nitrofurantoína. Estos fármacos son ampliamente utilizados, debido a que han demostrado ser medicamentos selectivos para el tratamiento de itu no complicadas en muchos países. Por otro lado, la Sociedad de Enfermedades Infecciosas de América ha recomendado el uso de la fosfomicina para el tratamiento de pacientes con itu, incluyendo aquellas infecciones que son causadas por bacterias resistentes a los antibióticos convencionales. Una selección inadecuada de la terapia antibacteriana no sólo no destruye los reservorios de bacterias, también puede ocasionar que las bacterias sobrevivan dentro de las células de la vejiga (Asadi Karam et al., 2019; Terlizzi et al., 2017). Por este motivo debemos evitar imperantemente la automedicación.

Conclusiones

Como hemos abordado en este texto, estamos habitados por cientos de especies bacterianas que viven en nuestro organismo y que muchas veces son esenciales para nuestra salud. Pero también es cierto que existen algunas bacterias nocivas que son capaces de causar enfermedades, como por ejemplo la ecu. Cada año la ecu causa millones de itu, afortunadamente existen tratamientos eficaces que siempre deben ser prescritos por un médico. Para evitar enfermarnos por patógenos como la ecu u otros microorganismos, debemos aplicar un buen lavado y cocción de nuestros alimentos y una higiene de manos eficiente, e incluso con estas acciones podemos evitar la propagación de bacterias y otros microorganismos como virus y protozoarios a otras personas. Por lo tanto, nuestra salud está en nuestras manos.

Referencias

• Karam, M. R. A., Habibi, M., y Bouzari, S. (2019). Urinary tract infection: pathogenicity, antibiotic resistance and development of effective vaccines against uropathogenic Escherichia coli. Molecular Immunology, 108, 56-67. https://doi.org/10.1016/j.molimm.2019.02.007.
• Barrer, M. Y., y Irving, W. (2018). Medical microbiology. Elsevier. 19th Edition.
• Christiano, D. (2019). Why the Most Common Cause of utis Is E. Coli. Healthline. https://www.healthline.com/health/e-coli-uti#E.-coli-and-UTIs.
• Czajkowski, K., Broś-Konopielko, M., y Teliga-Czajkowska, J. (2021). Urinary tract infection in women. Przeglad Menopauzalny, 20(1), 40-47. https://doi.org/10.5114/pm.2021.105382.
• Jang, J., Hur, H., Sadowsky, M. J., Byappanahalli, M. N., Yan, T., y Ishii, S. (2017). EnvironmentalEscherichia coli: Ecology and Public Health Implications-A review. Journal of Applied Microbiology, 123(3), 570-581. https://doi.org/10.1111/jam.13468.
• Luna-Pineda, V. M., Ochoa, S., Cruz-Córdova, A., Cázares-Domínguez, V., Vélez-González, F., Hernández-Castro, R., y Xicohtencatl-Cortes, J. (2018). Infecciones del tracto urinario, inmunidad y vacunación. Boletín Médico Del Hospital Infantil de México, 75(2),1–7. https://doi.org/10.24875/bmhim.m18000011.
• Lüthje, P., y Brauner, A. (2014). Virulence factors of uropathogenic E. coli and their interaction with the host. En Advances in Microbial Physiology (pp. 337-372). https://doi.org/10.1016/bs.ampbs.2014.08.006.
• Martinson, J. N. V., y Walk, S. T. (2020). Escherichia coli residency in the gut of healthy human adults. EcoSal Plus, 9(1), 10.1128/ecosalplus.ESP-0003-2020. https://doi.org/10.1128/ecosalplus.ESP-0003-2020.
• Mancuso, G., Midiri, A., Gerace, E., Marra, M., Zummo, S., y Biondo, C. (2023). Urinary tract infections: the current scenario and future prospects. Pathogens, 12(4), 623. https://doi.org/10.3390/pathogens12040623.
• Miranda-Estrada, L. I., Ruíz-Rosas, M., Molina-López, J., Parra-Rojas, I., González-Villalobos, E., y Castro-Alarcón, N. (2017). Relación entre factores de virulencia, resistencia a antibióticos y los grupos filogenéticos de Escherichia coli uropatógena en dos localidades de México. Enfermedades Infecciosas y Microbiología Clínica, 35(7), 426–433. https://doi.org/10.1016/j.eimc.2016.02.021.
• Organización Mundial de la Salud. (2018). E. coli. Suiza. https://www.who.int/es/news-room/fact-sheets/detail/e-coli.
• Secretaría de Salud. (2020). Anuario de morbilidad 2019. México.
• Microbiology Society. (s. f.). Bacteria | What is microbiology? https://microbiologysociety.org/why-microbiology-matters/what-is-microbiology/bacteria.html.
• Terlizzi, M. E., Gribaudo, G., y Maffei, M. E. (2017). UroPathogenic Escherichia coli (upec) infections: virulence factors, bladder responses, antibiotic, and non-antibiotic antimicrobial strategies. Frontiers in Microbiology, 8. https://doi.org/10.3389/fmicb.2017.01566.
• Vargas-Alzate, C. A., Higuita-Gutiérrez, L. F., y Jiménez, J. N. (2019). Costos médicos directos de las infecciones del tracto urinario por bacilos gram negativos resistentes a betalactámicos en un hospital de alta complejidad de Medellín, Colombia. Biomedica, 39, 35-49. https://doi.org/10.7705/biomedica.v39i1.3981.
• Yu, D., Banting, G., y Neumann, N. F. (2021). A review of the taxonomy, genetics, and biology of the genus Escherichia and the type species Escherichia coli. Canadian Journal of Microbiology, 67(8), 553-571. https://doi.org/10.1139/cjm-2020-0508.

Recepción: 12/08/2022. Aprobación: 01/11/2023.

Resumen

La degradación de la tierra consiste en una serie de actividades como la conversión de los bosques a cultivos y la tala, que generan emisiones de gases de efecto invernadero (gei), originan la pérdida o sustitución de especies y en consecuencia promueven el cambio climático. Para mitigar las emisiones de los principales gei la captura de carbono en el suelo es importante, ya que es uno de los mecanismos que permite reducir la concentración de carbono en la atmósfera. En este sentido, los bosques templados (bosques de pino, bosques de pino-encino y bosques de encino) ofrecen un gran servicio ecosistémico capturando y protegiendo el carbono almacenado. Por ejemplo, los bosques templados del estado de Michoacán representan almacenes importantes de carbono a nivel nacional, donde los bosques de encino son los que tienen la mayor cantidad de carbono almacenado por unidad de área. Desafortunadamente, las especies de encino que habitan estos bosques podrían desaparecer o disminuir su distribución debido a los cambios de temperatura y precipitación producidos por el cambio climático. Sin embargo, aún estamos a tiempo para implementar acciones para mitigar, restaurar y rehabilitar los bosques templados de México y combatir el cambio climático.
Palabras clave: carbono, degradación, encinos, servicios ecosistémicos, suelo.

Forests of Michoacán: guardians of carbon against climate change

Abstract

Land degradation consists of a series of activities such as the conversion of forests to crops and logging, which generate greenhouse gas (ghg) emissions, cause the loss or replacement of species, and consequently promote climate change. To mitigate emissions of the main ghgs, carbon capture in the soil is important, since it is one of the mechanisms that allow for the reduction of carbon concentration in the atmosphere. In this sense, temperate forests (pine forests, pine-oak forests, and oak forests) offer a great ecosystem service by capturing and protecting stored carbon. For example, the temperate forests of the state of Michoacán represent important carbon stores at the national level, where oak forests are those with the greatest amount of carbon stored per unit area. Unfortunately, the oak species that inhabit these forests may disappear or experience a decrease in their distribution due to changes in temperature and precipitation produced by climate change. However, we still have time to implement actions to mitigate, restore and rehabilitate Mexico’s temperate forests and combat climate change.
Keywords: carbon, degradation, ecosystem services, oaks, soil.

El papel vital de los bosques en la mitigación del cambio climático

Recientemente hemos escuchado en la radio, televisión y redes sociales que el Grupo Intergubernamental de Expertos sobre el Cambio Climático (ipcc) publicó el sexto informe sobre el cambio climático global (ccg), donde analizan las acciones que contribuyen al cambio climático, así como aquellas acciones que podrían contrarrestarlo (mitigación). El ipcc es un grupo de científicos de todo el mundo —incluyendo mexicanos—, convocados por la Organización de las Naciones Unidas (onu) para monitorear y evaluar la información que existe a nivel global relacionada con el ccg. En la última reunión llevada a cabo en 2019 establecieron que la degradación de la tierra es un factor impulsor importante del cambio climático (Olsson et al., 2019).

En este sentido, los científicos definieron a la degradación de la tierra como una tendencia negativa en las condiciones del planeta, causada por procesos —directos o indirectos— provocados por las actividades humanas, es decir, aquellas actividades como la conversión de los bosques a cultivos, la tala ilegal, el uso no sostenible de productos y servicios forestales, que al generar emisiones de gases de efecto invernadero, causan la pérdida o sustitución de especies y contribuyen al proceso de cambio climático, disminuyendo la capacidad de los ecosistemas de proporcionar servicios ecosistémicos esenciales para los humanos.

Los bosques proveen a las sociedades de múltiples beneficios que se pueden dividir en cuatro categorías (Millennium Ecosystem Assessment, 2005): 1) regulación de las condiciones en las cuales vivimos (clima, plagas, enfermedades); 2) provisión de bienes (alimentos, agua, madera); 3) beneficios culturales (actividades de ecoturismo, herencia, identidad); y 4) soporte, que se refiere a los procesos ecológicos básicos que permiten la provisión del resto de los servicios como son el ciclo hidrológico, el mantenimiento de la biodiversidad y los ciclos biogeoquímicos. Estos ciclos son aquellos procesos naturales que reciclan elementos en diferentes formas químicas desde el entorno ambiental hacia diferentes organismos y luego a la inversa.

Los seis elementos más comunes en las moléculas orgánicas son el carbono (c), nitrógeno (n), hidrógeno (h), oxígeno (o), fósforo (p) y azufre (s), que pueden estar en una variedad de formas químicas (Espinosa-Fuentes et al., 2015). Estos elementos están almacenados en la atmósfera, la tierra, el agua y en los seres vivos, y cada uno posee su propia ruta de circulación. Si bien todos los elementos mencionados son importantes, el c es considerado el elemento principal para los seres vivos. De hecho, los combustibles fósiles como el carbón, el gas natural y el petróleo, provienen de compuestos de carbono de organismos que quedaron almacenados en los estratos de la tierra. Al quemar los combustibles fósiles para obtener energía, se libera un gas llamado dióxido de carbono (co₂) que se acumula en la atmósfera, el cuál atrapa el calor del planeta, promoviendo el efecto invernadero. La acumulación en la atmósfera de este y otros gases de efecto invernadero como el metano, el óxido nitroso y gases fluorados, provocan cambios en los climas del planeta y consecuentemente el calentamiento global (Espinosa-Fuentes et al., 2015).

Uno de los almacenes de c más importantes es el suelo (Figura 1), una estimación aproximada indica que el 44% del c de los bosques del mundo se encuentra en el suelo (Pan et al., 2011). Por otro lado, el c en el suelo es aproximadamente tres veces más que el almacenado en la atmósfera. El almacén que le sigue en importancia es el de biomasa aérea —tronco, ramas y hojas de árboles y arbustos— con un 42%, la madera muerta con un 8% y por último el mantillo (5%) (Pan et al., 2011). El carbono en los suelos puede encontrarse en forma orgánica e inorgánica. El c orgánico del suelo se encuentra en forma de residuos orgánicos de plantas, animales y humus. La humificación de la materia orgánica implica la participación de los microrganismos del suelo —bacterias, algas y hongos—, en la transformación de los compuestos orgánicos, mejorando la estructura del mismo. Este proceso conlleva la captura de c disminuyendo así la emisión de co₂ a la atmósfera. Por su parte el c inorgánico del suelo proviene de diversos minerales —como la calcita, dolomita y aragonita entre otros— provenientes de la degradación de la roca madre o de procesos pedogenéticos —procesos de formación del suelo—, que finalmente, conducen a la retención del co₂ atmosférico (Ayala-Niño et al., 2018).

Figura 1. Almacenes de carbono en el ecosistema. Dióxido de carbono (co₂) y oxígeno (o₂). El carbono esta señalado de color amarillo.
Crédito: elaboración propia en Biorender.

Pero ¿por qué es importante la captura de c en el suelo? Uno de los mecanismos que permiten reducir la concentración de c en la atmósfera, es mediante su captura en el suelo y por lo tanto, mitigar las emisiones de los principales gei (Galicia et al., 2016). En este sentido, los ecosistemas forestales ofrecen un gran servicio ecosistémico al capturar y preservar el carbono.

La vegetación de un bosque —árboles, arbustos y hierbas— realizan el proceso de fotosíntesis en las hojas, capturando co₂ y liberando oxígeno a la atmósfera. Una vez que estas hojas dejan de estar activas, caen al suelo y pasan a formar parte de la hojarasca. La hojarasca representa el proceso de transferencia de nutrientes de las hojas hacia el suelo. Una vez acumulada la hojarasca, pasa a formar una capa llamada mantillo que cumple la función de cubrir y proteger al suelo de los cambios de temperatura y humedad, hasta que se desintegra (Pan et al., 2011). El tiempo que tarda en ocurrir este proceso depende de las condiciones climáticas, la especie de la que proviene y la composición química de las hojas, los microorganismos e invertebrados que participen y el tipo de suelo (Chávez-Vergara et al., 2015).

Sin embargo, el tipo de vegetación es un factor muy importante por considerar, ya que los científicos estimaron que existen diferencias entre los bosques tropicales y los bosques templados. Los bosques tropicales están formados por diversas especies que dependiendo de la duración de sus hojas se consideran perennifolias —menos del 25% de las especies pierden sus hojas—, subperennifolias —25 a 50% de las especies pierden las hojas—, subcaducifolias —50 a 75% de las especies pierden las hojas— o caducifolias —más del 75% de las especies pierden sus hojas—. Los bosques tropicales se ubican en sitios cálidos y lluviosos durante todo el año (Rzedowski, 2006). Por su parte, los bosques templados son ecosistemas subhúmedos a templado húmedos, que se distribuyen en latitudes medias y en zonas montañosos. Los bosques templados están compuestos por árboles perennifolios —que retienen sus hojas por casi un año como los pinos— y árboles caducifolios que pierden las hojas en temporada de secas (como los encinos) de manera coordinada o por partes para evitar la pérdida de agua y luego desarrollan hojas nuevas, por lo que se acumula la hojarasca y el mantillo en el suelo.

Estas diferencias hacen que los bosques tropicales tengan su principal almacén en los árboles y otras formas vegetales, mientras que en el suelo almacenan el 32% del c, a diferencia de los bosques templados que almacenan en el suelo el 60% del c total y principalmente como materia orgánica humificada (García-Oliva et al., 2006; Pan et al., 2011). Esto es muy importante porque los cambios en el c orgánico del suelo y los flujos de c en los bosques son el resultado de cambios a escala local generados por las actividades humanas, tales como el cambio de uso de suelo, el manejo forestal, los incendios, y el cambio de las especies vegetales nativas (Galicia et al., 2016).

Los bosques templados en México

Los bosques templados en México son comunidades dominadas por árboles como los pinos —especies del género Pinus—, encinos o robles (Quercus), oyameles (Abies) y otras coníferas que se distribuyen en zonas montañosas con clima subhúmedo templado a frío y que cubren alrededor del 20% del territorio nacional (Rzedowski, 2006). Dependiendo de las especies dominantes se puede llamar bosque de pino, bosque de encino, bosque de oyamel e incluso bosque de pino-encino, lo que determinará un papel central en el funcionamiento del ecosistema.

Los bosques templados se establecen sobre diversos tipos de suelo —cerca de 23 tipos de suelo en México—, siendo los andosoles los que poseen la mayor capacidad de almacenar c debido a sus características físicas y químicas de sus minerales (Galicia et al., 2016). Los andosoles son suelos desarrollados en depósitos volcánicos —como ceniza volcánica, piedra pómez, y lava— y/o en materiales piroclásticos, que se encuentran en las regiones subhúmedas y húmedas, y aunque no son tan abundantes respecto a otros tipos de suelos en el país —abarcan el 1.3 % de superficie relativa en México—, son muy frecuentes en los bosques templados mexicanos (Instituto Nacional de Estadística Geografía e Informática, 2007).

Uno de los estados del México con mayor cobertura forestal es el estado de Michoacán, que alberga diferentes tipos de vegetación; en las zonas templadas y montañosas se distribuyen bosques de oyamel, pino, encino y pino-encino, mientras que en las zonas cálidas del estado se encuentra el bosque tropical caducifolio y subcaducifolio (Takaki Takaki et al. 2019).

Un estudio reciente encontró que los bosques templados del estado de Michoacán representan importantes almacenes de C a nivel nacional. Los resultados de este trabajo muestran que los bosques michoacanos pueden almacenar 727,001 Gg de c en la biomasa aérea —tronco, ramas y hojas— y en el suelo, este último contiene el 75% de este valor (García-Oliva et al., 2019). Asimismo, encontraron que los bosques primarios de encino son los que tienen la mayor cantidad de c almacenado por unidad de área. Sin embargo, si se considera el área que ocupa cada tipo de bosque, los bosques de pino-encino contienen 45,891 Gg, lo que representa 25.6% del contenido total del C en la biomasa aérea de los bosques michoacanos, seguido por los bosques de pino con 34,488 Gg, representando 19.2% del total (García-Oliva et al., 2019) (Figura 2).

Figura 2. Bosque de pino-encino en El Área de Protección de flora y fauna Pico de Tancítaro en Tancítaro, Michoacán.
Crédito: Maribel Arenas Navarro.

Los bosques templados enfrentan diferentes amenazas, han sufrido una intensa deforestación histórica, ocasionando que disminuyan en su extensión, número de especies, capacidad de ofrecer servicios ecosistémicos, que además se traduce en emisiones de gei por pérdida de biomasa.

Los escenarios de cambio climático a futuro —basados en análisis de la variación climática global— para el estado de Michoacán, prevén un incremento en temperatura, la disminución en la precipitación y la irregularidad en los eventos meteorológicos, lo que tendrá gran impacto en la vegetación provocando un cambio en los ecosistemas (Sáenz-Romero et al., 2019). La combinación de estos factores tendrá como consecuencia un aumento en la aridez, provocando estrés en las plantas al estar en condiciones que ya no son las adecuadas. Aunado a esto, para el año 2090 se proyecta una reducción del 95.8% en el hábitat propicio para los bosques de coníferas (pinos y oyamel) del estado y un 78.7% para los bosques de encino (Saénz-Romero et al., 2019). Particularmente, las proyecciones de ccg han revelado que especies de encino como Quercus sideroxyla podrían desaparecer del estado (Rodríguez-Correa et al., 2019), por lo que se debe actuar para evitar la pérdida de especies y los servicios ambientales que brindan (Figura 3).

Figura 3. Degradación del bosque templado. A) Tala ilegal y B) Monocultivo de aguacate en Michoacán. Al fondo se observan los encinos.
Crédito: Maribel Arenas Navarro

Otra amenaza es la deforestación y su transformación en terrenos para ganadería, agricultura o urbanización (Denvir et al., 2022). En las últimas décadas la expansión del aguacate en el estado incluye la deforestación y la fragmentación de bosques nativos. A medida que los bosques son reemplazados por huertas de aguacate, las áreas forestales se han vuelto cada vez más aisladas creando un paisaje de cultivo relativamente homogéneo en algunas partes de la región provocando un impacto en la biodiversidad, el suelo, el agua y el c de los ecosistemas (Denvir et al., 2022). El almacenamiento de c se ve directamente afectado negativamente por el cambio de uso del suelo, ya que se ha encontrado que los bosques menos perturbados tienen mayores reservas de c que los bosques degradados y las tierras convertidas a la agricultura extensiva (Ordóñez et al., 2018).

Conservación y manejo de los bosques

La pérdida de servicios ecosistémicos en los bosques del estado de Michoacán coincide con lo observado a nivel global; sin embargo, es posible implementar acciones para mitigar, restaurar y rehabilitar el deterioro adoptando alternativas de producción y aprovechamiento sustentables. Los programas de restauración en los que utilizan especies nativas (especies de esa zona) conjuntamente con la participación de la sociedad, han sido exitosas en bosques de otras partes del mundo (Olson et al., 2019). Las reforestaciones planeadas y con un diseño integral, han obtenido un buen desempeño al mejorar el aspecto económico de las regiones rurales, contribuyendo a la reducción del riesgo de desastres naturales y al aumento de la captura de carbono. Asimismo, fomentar la regeneración natural en los bosques, evitar los monocultivos extensivos y mantener monitoreada la salud del suelo, son actividades que pueden ayudar al manejo sustentable de los bosques. En este sentido, una mejor gestión de los suelos en los bosques puede compensar entre el 5% y el 20% de las emisiones globales actuales de gei causadas por las actividades humanas (Pan et al., 2011).

En general, para evitar la degradación de los bosques se debe de empezar por realizar actividades de gestión, políticas de mitigación, prácticas climáticamente inteligentes adaptadas al contexto y a las necesidades locales, restauración y rehabilitación a escala local, que promuevan los servicios ecosistémicos que generan los suelos y los bosques. Una mejor comprensión del papel del suelo de los bosques templados en la dinámica del c en los ecosistemas forestales y de los mecanismos responsables de los cambios de esta dinámica, es fundamental para la implementación de políticas de mitigación. Adoptar prácticas sustentables para el manejo del suelo, y prevenir la degradación de la tierra es clave para aprovechar todo su potencial y así mantener la producción de alimentos, el suministro de agua limpia, el almacén de c, la protección de la biodiversidad y una mayor resiliencia al cambio climático.

Referencias

• Ayala-Niño, F., Maya Delgado, Y., y Troyo Diéguez, E. (2018). Almacenamiento y flujo de carbono en suelos áridos como servicio ambiental: Un ejemplo en el noroeste de México. Terra Latinoamericana 36: 93-104. https://www.doi.org/10.28940/terra.v36i2.334.
• Chávez-Vergara, B., González-Rodríguez, A., Etchevers, J. D., Oyama, K., y García-Oliva F. (2015). Foliar nutrient resorption constrains soil nutrient transformations under two native oak species in a temperate deciduous forest in Mexico. European Journal of Forest Research 134:803–817. https://www.doi.org/10.1007/s10342-015-0891-1.
• Denvir, A., Arima, E. Y., González-Rodríguez, A., y Young, K. (2022). Ecological and human dimensions of avocado expansion in México: Towards supply-chain sustainability. Ambio 51:152–166. https://www.doi.org/10.1007/s13280-021-01538-6.
• Espinosa-Fuentes, M. de la L., Peralta Rosales, O. A., Castro Romero, T., Álvarez Borrego, S., Arredondo Moreno, J. T., Bernard Romero, R. A., Martínez Bravo, R., Masera Cerutti, O., y Muñoz Villers, L. E., Valdespino Castillo, P.M., Vargas Ramos, R., Velasco Saldaña, E. (2015). Capítulo 7: Ciclos biogeoquímicos. En C. Gay García y J. C. Rueda Abad (Coords.), Reporte Mexicano de Cambio Climático. Bases científicas. Modelos y modelación. Grupo I. (pp 157-176). Universidad Nacional Autónoma de México/ Programa de Investigación en Cambio Climático.
• Galicia, Leopoldo, Gamboa Cáceres, Ana María, Cram, Silke, Chávez Vergara, Bruno, Peña Ramírez, Víctor, Saynes, Vinisa, y Siebe, Christina. (2016). Almacén y dinámica del carbono orgánico del suelo en bosques templados de México. Terra Latinoamericana, 34(1), 1-29. Recuperado en 09 de enero de 2024, de http://www.scielo.org.mx/scielo.php?script=sci_arttext&pid=S0187-57792016000100001&lng=es&tlng=es.
• García-Oliva, F., Hernández, G., y Lancho, J. F. G. (2006). Comparison of ecosystem C pools in three forests in Spain and Latin America. Annals of forest science 63(5), 519-523. https://www.doi.org/10.1051/forest:2006034.
• García-Oliva, F., Tapia-Torres, Y., Velázquez-Durán, R., Fuentes Junco, J. J., Martínez-Bravo, R., y Nava-Cruz, Y. (2019). Capacidad de los bosques para almacenar carbono en el suelo. En A., Cruz Angón, K. C. Nájera Cordero y E. Daniela Melgarejo (Coord.), La biodiversidad en Michoacán. Estudio de Estado 2, vol. III. (pp. 227-235). CONABIO.
• Instituto Nacional de Estadística Geografía e Informática (2007). Diccionario de datos de uso del suelo y vegetación 1:250 000 (vectorial). INEGI.
• Millennium Ecosystem Assessment (2005). Ecosystems and Human Well-being: Synthesis. Island Press.
• Olsson, L., Barbosa, H., Bhadwal, S., Cowie, A., Delusca, K., Flores-Renteria, D., Hermans, K., Jobbagy, E., Kurz, W., Li, D., Sonwa, D.J., y Stringer L. (2019). Land Degradation. En P.R. Shukla, J. Skea, E. Calvo Buendia, V. Masson-Delmotte, H.-O. Pörtner, D. C. Roberts, P. Zhai, R. Slade, S. Connors, R. van Diemen, M. Ferrat, E. Haughey, S. Luz, S. Neogi, M. Pathak, J. Petzold, J. Portugal Pereira, P. Vyas, E. Huntley, K. Kissick, M. Belkacemi, J. Malley, (Eds.), Climate Change and Land: an IPCC special report on climate change, desertification, land degradation, sustainable land management, food security, and greenhouse gas fluxes in terrestrial ecosystems (pp.345-436). https://doi.org/10.1017/9781009157988.006.
• Ordóñez, J. A. B., Jong B. H. J. de, García-Oliva, F., Aviña F. L., Pérez, J. V., Guerrero, G., Martínez, R., y Masera O. (2008). Carbon content in vegetation, litter, and soil under 10 different land-use and land-cover classes in the Central Highlands of Michoacán, Mexico. Forest Ecology and Management 255: 2074–2084. https://doi.org/10.1016/j.foreco.2007.12.024.
• Pan, Y., Birdsey, R. A., Fang, J., Houghton, R., Kauppi, P. E., Kurz, W. A., Phillips, O. L., Shvidenko, A., Lewis, S. L., Canadell, J. G., Ciais, P., Jackson, R. B., Pacala, S. W., Maguire, A. D., Piao, S., Rautiainen, A., Sitch, S., y Hayes, D. (2011). A large and persistent carbon sink in the world’s forests. Science 333: 988-993. https://www.doi.org/10.1126/science.1201609.
• Rodríguez-Correa, H., González-Rodríguez, A., Letelier-Gálvez, L. y García-Oliva, F. (2019). Reducción de áreas con alta riqueza de especies del género Quercus bajo escenarios de cambio climático global. En A., Cruz Angón, K. C. Nájera Cordero y E. Daniela Melgarejo (Coord.), La biodiversidad en Michoacán. Estudio de Estado 2, vol. III. (pp. 333-342). conabio.
• Rzedowski, J. (2006). Vegetación de México. (1ra. Edición digital), Comisión Nacional para el Conocimiento y Uso de la. Biodiversidad.
• Sáenz-Romero, C., Rehfeldt, G. E., Crookston, N. L., Duval, P., y Beaulieu J. (2012). Modelos “spline” de climas contemporáneo, 2030, 2060 y 2090 para Michoacán, México. Impactos en la vegetación. Revista Fitotecnia Mexicana 35: 333-345. https://www.redalyc.org/pdf/610/61025121008.pdf.
• Sáenz-Romero, C, Monterrubio-Rico, T. C., Charre-Medellín J. F., Álvarez-Jara, M., Rehfeldt, G. E., y Crookston N. L. (2019). Proyecciones de cambio climático y sus efectos en la vegetación. En A., Cruz Angón, K. C. Nájera Cordero y E. Daniela Melgarejo (Coord.), La biodiversidad en Michoacán. Estudio de Estado 2, vol. III. (pp. 333-342). conabio.
• Takaki Takaki, F., A. Victoria Hernández, R. Díaz Ríos, S.D. Malaquías González, E. Carranza González y A. Blanco-García. (2019). Tipos de vegetación conforme al sistema INEGI. En A., Cruz Angón, K.C. Nájera Cordero y E. Daniela Melgarejo (Coord.) La biodiversidad en Michoacán. Estudio de Estado 2(I), 297-318. conabio

Recepción: 15/12/2022. Aprobación: 01/11/2023.

Resumen

¿Cómo se obtienen los nuevos fármacos? ¿De dónde salen nuevos productos para descontaminar un lago o el suelo? Las plantas y los microorganismos producen millones de moléculas que pueden tener una de estas importantes aplicaciones biotecnológicas. Hasta hace unos años, la caracterización biotecnológica era un proceso costoso y complicado. Sin embargo, la revolución de la bioinformática trajo consigo las bases de datos biológicas que, en conjunto con el desarrollo de la tecnología, han permitido el diseño y desarrollo de algoritmos para conocer la función biológica de un compuesto. Gracias a ello, actualmente se puede predecir la actividad biológica de una gran variedad de moléculas antes de emprender un experimento en el laboratorio. El objetivo de este artículo es compartir cómo es que se pueden caracterizar productos naturales, como fármacos, desde una computadora personal, utilizando bases de datos pertinentes y métodos computacionales in silico, para después comprobar la actividad biológica con pruebas in vitro.
Palabras clave: base de datos, in silico, acoplamiento molecular, productos naturales, bioinformática.

Is it possible to identify new drugs from your computer?

Abstract

How are new drugs obtained? Where do new products to decontaminate a lake or soil come from? Plants and microorganisms produce millions of molecules that can have one of these important biotechnological applications. Until a few years ago, biotechnological characterization was an expensive and complicated process. However, the bioinformatics revolution brought with it biological databases that, in conjunction with the development of technology, have allowed the design and development of algorithms to know the biological function of a compound. Thanks to this, it is now possible to predict biological activities from a wide variety of molecules, before undertaking an experiment in the laboratory. The objective of this article is to share that it is possible to characterize natural products, such as drugs, from a personal computer, using relevant databases and in silico computational methods, and then verify the biological activity with in vitro tests.
Keywords: databases, in silico, molecular docking, natural products, bioinformatics.

Introducción

—Hace un año, trabajé en un proyecto para la biorremediación1 del río Atoyac, en Puebla, México. Entre los contaminantes de este río, están los tintes usados en la industria textil, que son altamente tóxicos y poco degradables. Para llevar a cabo dicha biorremediación, los investigadores querían utilizar bacterias que produjeran enzimas capaces de reducir estos compuestos tóxicos. El problema era que no estaban seguros si las enzimas producidas por las bacterias eran capaces de reaccionar de manera específica con esas moléculas. Entonces, mi trabajo fue realizar computacionalmente un acoplamiento molecular de las enzimas bacterianas2 propuestas con cada una de las moléculas tóxicas seleccionadas. Así, si la afinidad de unión3 entre la enzima y el compuesto era buena, quería decir que la enzima era capaz de reducir el compuesto (ver video 1). Una vez realizada la propuesta, el grupo de investigación recopiló los análisis y diseñó un sistema bacteriano capaz de degradar esos compuestos (Acevedo et al., 2021).

Video 1. Resultado de una simulación dinámica realizada en GROMACS a 10 ns de Pseudomonas putida y el compuesto azoico azul índigo.
Crédito: el resultado se elaboró y visualizó con el software Visual Molecular Dynamics (VMD).

El anterior testimonio, perteneciente a una estudiante de la Licenciatura en Biología, es la punta del iceberg sobre lo que se puede hacer o predecir desde una computadora. En los últimos años, la demanda por los métodos computacionales en numerosas investigaciones ha ido creciendo y, con ello, la importancia de hacer más accesible la bioinformática y la biología computacional en el descubrimiento de nuevos compuestos activos. Por ello, en este artículo se describen métodos computacionales generales para la caracterización biotecnológica. Esto incluye el concepto de acoplamiento molecular de enzimas y ligandos, junto con los pasos que se siguen para llevar a cabo este análisis computacional.

Fuentes de nuevos compuestos y cómo analizar grandes volúmenes de datos

Los productos naturales (pn), en un sentido amplio, se refieren a cualquier parte, biomolécula (como las enzimas o proteínas) o compuesto químico (también llamado metabolito secundario) obtenidos de un ser vivo, como una planta o un microorganismo (Sarker y Nahar, 2012). Una de las aplicaciones más importantes de los pn es en biotecnología ambiental, específicamente en la biorremediación. Las plantas y microorganismos tienen un papel fundamental en el reciclaje de carbono, nitrógeno, fósforo y azufre. Al mismo tiempo, sus pn son capaces de degradar compuestos contaminantes más complejos como los provenientes de las actividades industriales. Las principales aplicaciones de estos pn son el tratamiento de aguas residuales, degradación de xenobióticos4 y petroquímicos (Glazer y Nikaido, 2007). Este tipo de moléculas pequeñas, como los contaminantes o los metabolitos secundarios, se convierten en ligandos cuando interaccionan con las biomoléculas, como las proteínas.

Al recopilar una vasta información taxonómica, molecular, genética, metabólica y toxicológica de pn se ha generado la necesidad de almacenar y poner a disposición grandes volúmenes de datos. El surgimiento de las bases de datos (bd) permitió resolver este problema de almacenamiento y mejoró la disponibilidad de datos biológicos. Hoy en día, la bioinformática es esencial para manejar y comprender esta información. El uso de diferentes métodos que combinan algoritmos, lenguajes de programación, programas y otras herramientas han dado lugar a lo que se conoce como análisis in silico (Cañedo-Andalia y Arencibia Jorge, 2004). Esto quiere decir que se analizan en la computadora las interacciones entre diferentes pn. Con la información que nos proveen las bd es posible predecir la actividad de un pn en tres etapas básicas (ver figura 1).

Figura 1. Cómo caracterizar productos naturales activos desde tu computadora, en tres sencillos pasos: 1) conocer las bases de datos, 2) aprender y analizar mediante un método computacional, y 3) corroborar el resultado in silico con un experimento in vitro.
Crédito: imágenes y vectores de Freepik.com.

Paso 1. Bases de datos de productos naturales y de actividad biológica

Las bd de productos naturales cambian de acuerdo con la zona geográfica, tipo de organismo (hierbas, plantas vasculares, cactáceas, etcétera), propiedad biológica, uso y aplicación (antibióticos, anticancerígenos, suplementos alimenticios, entre otros), compuestos químicos o proteínas. Otro tipo de bd son como bibliotecas virtuales que resguardan artículos especializados y permiten acceder a información relevante para elegir un modelo de estudio. Las bd enfocadas en actividad biológica almacenan propiedades de interacción entre moléculas (compuestos químicos-proteínas-genes). La actividad biológica es el potencial que tiene una molécula para llevar a cabo una función, por ejemplo, su uso contra una determinada enfermedad (Jackson et al., 2007). Algunas bd reportan datos como concentraciones inhibitorias, dosis efectivas y dosis letales o tóxicas. La mayoría de las bd son de acceso libre (algunos ejemplos se encuentran en el cuadro 1), otras son exclusivas para investigadores y requieren de un registro. También existen bd con un costo, las cuales, en su mayoría son generadas para la industria farmacéutica.

Paso 2. Métodos computacionales: el acoplamiento molecular

El acoplamiento molecular es una predicción de las interacciones entre dos pn: un ligando (molécula pequeña) y una proteína. Los primeros acoplamientos moleculares se basaron en métodos qsar (relaciones cuantitativas estructura–actividad, por sus siglas en inglés) (Ekins et al., 2007). Estos métodos utilizaban computadoras con procesadores hechos de silicio para estimar la actividad biológica de las moléculas; por ello a estos análisis se les llamó in silico. Las primeras predicciones con computadoras usaban modelos matemáticos que relacionaban una estructura con una propiedad fisicoquímica o una actividad biológica, siguiendo como principio la estadística. El primer registro de un fármaco con un diseño in silico es el mesilato de nelfinavir, usado para inhibir una proteína del Virus de Inmunodeficiencia Humana (vih) (Meza Menchaca et al., 2020).

Después surgieron metodologías de acoplamiento basadas en descriptores, reglas, conocimiento, ligandos, objetivos, afinidad virtual, entre muchas otras (Ekins et al., 2007). Dentro de las más usadas se encuentran aquellas que dependen de la disponibilidad de información estructural. Por esta razón, durante un tiempo, los científicos se concentraron en experimentos con las estructuras 3D de proteínas. Todas estas metodologías condujeron a la creación de múltiples interfaces y softwares de afinidad virtual (ver video 1).

Gracias a las numerosas metodologías, se han descubierto inhibidores y dianas terapéuticas que han servido para probar diferentes ligandos que prometen ser futuros fármacos. Es fascinante el control en tiempo récord de brotes de enfermedades a partir de la identificación de compuestos bioactivos y su afinidad a las dianas terapéuticas (Meza Menchaca et al., 2020). Un ejemplo bastante familiar fue la búsqueda de fármacos para el tratamiento de covid-19, donde el acoplamiento molecular fue “el rey de los métodos computacionales” (Pavan y Moro, 2023).

El acoplamiento molecular ha evolucionado de manera que nos ha permitido reportar y comprobar interacciones de distinta naturaleza, como interacciones ligando-proteína (ver figura 2 y video 1), proteína-proteína, adn-ligando, adn-proteína, sólido-proteína, sólido-ligando, entre otras (Dar y Mir, 2017).

Figura 2. Acoplamiento molecular proteína-ligando. La estructura terciaria de la proteína está marcada en verde y la molécula pequeña (ligando) en rojo. Visualización con el programa PyMol donde, utilizando los botones de los apartados marcados, se puede eliminar las moléculas de agua (paso (d)) y observar las interacciones del acoplamiento (paso (g)).

¿Cómo se puede llevar a cabo un análisis de acoplamiento molecular?

La metodología para realizar los acoplamientos moleculares puede resumirse en siete pasos (ver listado a – g), lo que requiere diferentes bd y programas computacionales (ver figura 1). Cabe destacar que esta secuencia puede considerarse como una receta básica general, pero cada bioinformático la modifica y adapta según sus objetivos y lo que intenta analizar.

1. Obtención de estructuras. Consulta de diferentes bd para descargar las estructuras 3D de las moléculas para el acoplamiento (ver figura 1 y tabla 1).
2. Búsqueda de dominios funcionales. Una proteína puede tener dominios funcionales5 compartidos con varias familias proteicas, pero esto no significa que mantengan su función biológica. De esta manera, se consultan los dominios funcionales, se anotan y, después del acoplamiento molecular, se verifica si la unión sucedió dentro de estos dominios.
   Dominios funcionales. Secuencias de aminoácidos iguales que pueden encontrarse en proteínas similares a las de nuestra consulta.
3. Exploración de sitios activos. Las proteínas contienen sitios específicos donde otras moléculas pueden unirse y llevar a cabo su función biológica. A estos sitios se les conoce como bolsillos de unión o sitios activos. Éstos se muestran como cavidades en las estructuras 3D de las proteínas donde entrará el ligando.
4. Minimización energética de moléculas. A veces las moléculas 3D contienen moléculas de agua u otras con metales pesados. Éstas pueden interferir en el acoplamiento molecular y deben eliminarse. Después, se minimiza la energía de las moléculas 3D para corregir distorsiones o tensiones, reducir el movimiento y garantizar una estructura estable (ver figura 2).
5. Acoplamiento molecular. En este paso se seleccionan los aminoácidos que conforman el sitio activo de la proteína y se realiza el acoplamiento molecular de los ligandos (ver figura 2).
6. Análisis de resultados. El acoplamiento molecular arrojará varios resultados, pero los más importantes son la energía de enlace (describe la fuerza de interacción proteína-ligando) y el score o puntuación de acoplamiento (refleja la calidad de la unión). Mientras menores sean estos valores, más probable es que la función biológica se cumpla.
7. Visualización de interacciones. Se observan las interacciones intermoleculares (fuerzas de van der Waals, interacciones iónicas, etcétera). También se verifica si la unión sucedió dentro de los aminoácidos que conforman los dominios funcionales del paso b (ver figura 2).

¿Por qué se realizan los pasos de minimización y medición de energías en las biomoléculas? Como puede observarse en el video 1, estas biomoléculas no son rígidas y estáticas como rocas. Su interacción con los ligandos para predecir una posible actividad biológica tampoco es como armar legos. Más bien, tienen unas partes que les dan estructura y otras que son como resortes en movimiento. Entonces, se usan ecuaciones matemáticas para predecir cómo se mueven estos resortes, qué carga tienen y cómo interactúan con los ligandos o las moléculas de agua. Justo con las herramientas computacionales se pueden hacer estos cálculos matemáticos y probar muchas condiciones y ligandos de manera eficiente y muy cercana a la realidad.

Paso 3. ¿Análisis in silico o análisis in vitro?

Un experimento in vitro es aquel donde se comprueba si un pn es activo. Se utilizan placas o cajas plásticas o de vidrio (de ahí el término in vitro) y, para que sea válido, se requieren múltiples repeticiones de una misma prueba. Entonces, si ya se realizó el análisis in silico, ¿es necesario realizar un experimento in vitro? ¿Cuándo es necesario hacer un análisis in silico o uno in vitro? Es normal plantearse estas preguntas y la respuesta es más sencilla de lo que parece. Cuando se reporta un nuevo compuesto con determinada actividad para resolver un problema médico o ambiental es común ver un análisis in vitro, en el que el compuesto fue probado a diferentes concentraciones. Sin embargo, los análisis in vitro no revelan la interacción que existe entre los compuestos y, por tanto, no tenemos conocimiento sobre porqué es efectivo y las posibles alternativas. Las investigaciones que usan herramientas in silico permiten entender, en un menor tiempo, la interacción entre compuestos. Por lo tanto, el análisis in silico es un complemento de los análisis in vitro.

El futuro está en las computadoras

En la actualidad, se puede utilizar una computadora personal para dar los primeros pasos en el descubrimiento de compuestos activos a través del acoplamiento molecular. Además, gracias a internet, podemos acceder vía remota a múltiples bd y programas bioinformáticos. Sin embargo, ésta es una visión reducida del potencial que tienen los métodos computacionales. En análisis masivos de datos in silico es ideal la independencia de la web. Para esto se usan computadoras de alta gama que tienen miles de gb de memoria, cientos de tb de almacenamiento y decenas de núcleos de procesamiento. Estos equipos suelen estar conectados entre sí formando clusters,6 que pueden analizar cientos de procesos bioinformáticos al mismo tiempo de manera eficiente.

Conclusión

Aún nos queda mucho por descubrir, pero, gracias a la bioinformática y la biología computacional, los descubrimientos están siendo mucho más rápidos que nunca. En general, los bioinformáticos descubren fármacos desde su computadora en tres pasos: a) conociendo bd sobre organismos y compuestos activos, b) usando métodos computacionales como el acoplamiento molecular y c) combinando métodos in silico e in vitro.

¿Cuáles son las nuevas tendencias y el futuro de esta área de la biología computacional? Debido a la gran cantidad de datos que actualmente existen, conocidos como big data, los investigadores y las compañías farmaceúticas ya están usando inteligencia artificial (ia) para analizar toda esta información molecular. Lo anterior les permite predecir de manera muy precisa nuevas estructuras, lo que ahorra tiempo y dinero. Además, el avance en el desarrollo de métodos computacionales en general se enfoca en abordar los principales retos en esta área, como la alta flexibilidad de las biomoléculas y la lentitud en la unión-disociación de las mismas. Sin embargo, hay temas que aún necesitan respuesta, como el entendimiento de los mecanismos de reacción, los procesos termodinámicos y la cinética de las interacciones moleculares, entre otros.

Referencias

• Acevedo, A., Alvarado, M., Castañon, V., y Diaz, V. (2021). Azoyac: Cleaning Atoyac´s water using synthetic biology. concytep. https://app.jogl.io/es/project/762/Azoyac.
• Cañedo Andalia, R., y Arencibia Jorge, R. (2004). Bioinformática: en busca de los secretos moleculares de la vida. Acimed, 12(6), 1-29. http://tinyurl.com/bde2upvu.
• Dar, A. M., y Mir, S. (2017). Molecular Docking: approaches, types, applications and basic challenges. Journal of Analytical Bioanalytical Techniques, 8, 356. https://doi.org/10.4172/2155-9872.1000356.
• Ekins, S., Mestres, J., y Testa, B. (2007). In silico pharmacology for drug discovery: methods for virtual ligand screening and profiling. British Journal of Pharmacology, 152(1), 9–20. https://doi.org/10.1038/sj.bjp.0707305.
• Glazer, A. N., y Nikaido, H. (2007). Microbial biotechnology: fundamentals of applied microbiology (2a. ed.) Cambridge University Press.
• Jackson, C. M., Esnouf, M. P., Winzor, D. J., y Duewer, D. L. (2007). Defining and measuring biological activity: applying the principles of metrology. Accreditation and Quality Assurance, 12(6), 283-294. https://doi.org/10.1007/s00769-006-0254-1.
• Meza Menchaca, T., Juárez-Portilla, C., y Zepeda, R. C. (2020). Past, present, and future of molecular docking. En V. Gaitonde, P. Karmakar, y A. Trivedi (Eds.), Drug discovery and development – new advances (cap. 2). IntechOpen. https://doi.org/10.5772/intechopen.90921.
• Pavan, M., y Moro, S. (2023). Lessons Learnt from covid-19: computational strategies for facing present and future pandemics. International Journal of Molecular Sciences, 24(5), 4401. https://doi.org/10.3390/ijms24054401.
• Sarker, S. D., y Nahar, L. (2012). Natural products isolation. Methods in Molecular Biology (3a. ed., vol. 864). Humana Press. https://doi.org/10.1007/978-1-61779-624-1.

Recepción: 18/10/2022. Aprobación: 01/11/2023.