Metodología para la búsqueda de microorganismos bioindicadores en fangos activos: la desesperación en la búsqueda del modelo.
Curso teórico-práctico “El papel de los protistas en los procesos de depuración de las aguas residuales” ISBN 13-978-84-608-2139-7 Sevilla, 9-10 septiembre de 2015
1
Metodología para la búsqueda de microorganismos bioindicadores en fangos activos: la desesperación en la búsqueda del modelo.
Andrés Zornoza
Aula Bioindicación Gonzalo Cuesta ( www.abgc.es; e-mail: anzorzor@upv.es ). Área de Química y
Microbiología del Agua. Instituto Universitario de Ingeniería del Agua y Medio Ambiente. Universitat Politècnica de València.
1
Introducción
Algunas veces me pregunto si después de 100 años del descubrimiento del fango activo podríamos haber avanzado más en el conocimiento de las relaciones entre microorganismos y variables ambientales en las estaciones depuradoras de aguas residuales urbanas (EDAR). La respuesta sería probablemente desde un punto de vista crítico un “SÍ” rotundo, teniendo en cuenta que el proceso de fangos activos es el más extendido en todo el mundo para la depuración de las aguas residuales urbanas (ARU). Ningún investigador relacionado con el campo de la bioindicación en fangos activos pone en duda la excelente capacidad bioindicadora del estado del proceso biológico que nos ofrecen algunas comunidades de microorganismos en las EDAR; como son los protistas y metazoos. Entonces, ¿cuáles son aquellas barreras que han hecho que desconozcamos muchas de las relaciones que se dan en los tratamientos biológicos de las EDAR?. La principal barrera quizás se encuentre en la actitud individualista y poco colaboradora entre investigadores del campo de la ingeniería del tratamiento de ARU y los pertenecientes al campo de la microbiología. Por un lado, muchos ingenieros de procesos han centrado su atención en diseños y mejoras de instalaciones basados en modelos matemáticos estacionarios, lejos de entender el comportamiento de los microorganismos del fango activo. Por otro lado, los microbiólogos se han centrado quizás demasiado en el estudio de las variables biológicas, lejos de entender las variables fisicoquímicas y de diseño, y en consecuencia, muchos de los trabajos de bioindicación realizados en EDAR a escala real han obtenido resultados meramente exploratorios y descriptivos, siendo en muchas ocasiones contradictorios y erróneos sus resultados. El éxito, en contra de la desesperación, de la búsqueda de modelos de ordenación de variables ambientales que expliquen las variables biológicas, comienza siempre en primer lugar por constituir grupos multidisciplinares de investigadores (ingenieros, químicos, microbiólogos, etc…) que trabajen conjuntamente. En segundo lugar, el éxito también depende de encontrar una adecuada simbiosis Universidad-Empresa. A modo de ejemplo, probablemente en muchos de los estudios
El papel de los protistas Sevilla, 9-10 de septiembre de 2015
2
ISBN 13-978-84-608-2139-7
realizados en bioindicación de protistas y metazoos, los resultados de las variables de proceso y fisicoquímicas han sido facilitados directamente por las empresas privadas de explotación a los investigadores universitarios responsables de los proyectos. Es probable que el investigador universitario desconozca el “día a día” de la explotación en la EDAR, mientras que algunos responsables de explotación pueden no estar motivados en el proyecto, suponiéndoles por ello una carga adicional de trabajo. Ambas situaciones son el “caldo de cultivo” perfecto para que la matriz de variables ambientales carezca al final del estudio de calidad suficiente para explicar las variables biológicas. De poco sirve llegar a una excelente caracterización de los microorganismos, si luego no disponemos de variables ambientales de calidad para determinar aquellas que explican de una forma significativa la variación de los mismos. En tercer lugar, la desesperación en la búsqueda del modelo es causa principalmente de la difícil tarea que supone la elección de las herramientas numéricas adecuadas para resumir y explorar estadísticamente grandes conjuntos de datos. Aunque los análisis multivariados de patrones de diversidad de la comunidades de organismos están bien descritos en la bibliografía, los ecólogos microbianos raramente han utilizado análisis multivariados complejos, y en su mayoría se han llevado a cabo con fines exploratorios (Ramette, 2007). El primer estudio importante publicado sobre protistas como bioindicadores de la calidad del efluente en plantas de fangos activos fue realizado en Reino Unido por Curds & Cockburn (1970). Desde entonces, han sido numerosos los esfuerzos en relacionar las comunidades de protistas y metazoos con variables fisicoquímicas del efluente y operacionales de las EDAR a través de los siguientes análisis exploratorios: análisis de componentes principales (PCA), análisis clúster y análisis bivariado, probablemente debido a que dichas técnicas se encuentran disponibles en la mayoría de paquetes estadísticos (Ramette, 2007; Clarke
et al
., 2014). En el caso del PCA, no se adapta bien a la mejor naturaleza de los datos biológicos, en el cual predominan abundantes valores cero, definiendo la disimilitud entre muestras de forma bastante inflexible a través de la distancia euclídea (Clarke
et al
., 2014). En el caso del análisis bivariado, la relación encontrada no implica causalidad, y por tanto, no implica necesariamente que exista una relación directa significativa, permitiendo tan solo establecer asociaciones generales preliminares.
Después de un periodo de tiempo más o menos largo de toma de datos en nuestro experimento, llega el momento clave del proyecto de investigación o estudio; la gestión de los datos. Para algunos investigadores el tratamiento estadístico supone todo un “dolor de cabeza”, terminando por encomendar en muchas ocasiones dichas tareas a departamentos de estadística externos. No existe un método estadístico único para el tratamiento de los datos, sino una diversa lista de rutinas multivariante a disposición del investigador como herramientas útiles para poder rechazar o confirmar sus hipótesis. Nadie conoce los datos mejor que el propio investigador, siendo por tanto el responsable último de la decisión de las herramientas numéricas a emplear. Hay mucho esfuerzo invertido en la fase experimental de toma de datos para que al final los resultados queden sumidos
El papel de los protistas Sevilla, 9-10 de septiembre de 2015
3
ISBN 13-978-84-608-2139-7
en la ambigüedad, mal interpretados o incluso enmascarados. Es el momento pues de disfrutar de la culminación de todo un trabajo, confirmando o rechazando nuevas hipótesis e ideas.
2
Los primeros pasos después de la fase experimental de toma de datos
El proceso de fangos activos es un proceso biotecnológico creado por humanos, cuyas reacciones bioquímicas son llevadas a cabo a través de los microorganismos en reactores biológicos sometidos a numerosas condiciones ambientales extremas, en comparación con aquellas que se dan en el medio acuático natural. Por ello, no deja de ser un ecosistema en el cual nos encontramos dos conjuntos de variables: por un lado, las variables ambientales, denominadas explicativas, independientes o predictoras, y por otro lado, las variables biológicas (OTU, del inglés
Operational Taxonomic Unit
), denominadas respuesta o dependientes. Las variables biológicas podrían representar las distintas especies, géneros o complejos de protistas y metazoos presentes en fangos activos (figura 1), mientras que las ambientales podrían englobar las variables operacionales y fisicoquímicas del licor mezcla y afluente al reactor biológico en las EDAR. Por tanto, siempre nos encontraremos en cualquier estudio de bioindicación con dos conjuntos de datos o matrices: variables biológicas x objetos (matriz respuesta) y variables ambientales x objetos (matriz explicativa). Los objetos pueden representar lugares o sitios (biorreactor) y/o una serie temporal (estaciones, meses, años, etc…).
Figura 1. Protistas y metazoos. (a)
Amphileptus puctatus
Contraste de fases, 400x (c)
Rotaria
sp.
.
Contraste de fases, 100x. (d)
Epistylis plicatilis.
Contraste de fases, 100x.
a b c d
