La investigación, cuyos resultados de la primera fase fueron publicados en agosto en la revista científica Microbiome, utiliza un modelo matemático para integrar datos clínicos con la biodiversidad microbiana. El objetivo es identificar los microorganismos y sus interacciones asociadas a un microbioma saludable y protector, o a desequilibrios que favorezcan enfermedades.
El modelo evalúa la capacidad de resistencia de un microbioma a la invasión por microorganismos potencialmente perjudiciales, considerando la diversidad y proporción de sus componentes. Este concepto puede aplicarse a otras instancias del microbioma o a sistemas biológicos multi-especies.
El estudio cuenta con la participación de Tomás Freire, estudiante del Programa de Doctorado en Matemáticas del Técnico, y Marina Garcia-Romero, estudiante de máster que se integró en el Técnico en 2025 a través de un programa de movilidad.
Las alteraciones en el microbioma vaginal están asociadas a la vaginosis bacteriana y a una mayor susceptibilidad a infecciones. Comprender la resistencia de ciertas comunidades microbianas podría, en el futuro, ayudar a encontrar mejores formas de mantener o recuperar un microbioma saludable, contribuyendo a la salud reproductiva.
“"La principal limitación de nuestro estudio es que todavía no disponemos de un modelo que explique de qué forma los factores específicos de cada persona, los factores ambientales y la genética pueden influir en los coeficientes que relacionan los diferentes grupos de microorganismos con la capacidad de invasión por microorganismos patógenos y con la salud."
Como próximo paso, el equipo pretende aplicar el mismo modelo a conjuntos de datos más amplios, para identificar patrones de variación asociados a la edad, la alimentación, los comportamientos o la genética de cada persona.
El Centro de Matemática Computacional y Estocástica (CEMAT), asociado al Técnico, desarrolla investigación en matemáticas y modelación computacional aplicada a la biomedicina, buscando comprender enfermedades y procesos biológicos complejos, como infecciones, resistencia a antibióticos y cáncer, y desarrollar modelos predictivos para nuevas estrategias de prevención y tratamiento.
