III Simposio de Postgrado 2025: Ingeniería, ciencia e innovación

11 207 ¹ Departamento de Ingeniería Química, Biotecnología y Materiales, Universidad de Chile ² Núcleo Milenio Marine Agronomy of Seaweed Holobionts (MASH) ³ Instituto de Ingeniería Biológica y Médica, Pontificia Universidad Católica de Chile ⁴ Departamento de Ingeniería Química y Bioprocesos, Pontificia Universidad Católica de Chile Luis Saldivia G. ¹ , ²* Natalia E. Jiménez ² , ³ , ⁴ Ziomara P. Gerdtzen ¹ , ² Caracterización de las capacidades metabólicas de Gracilaria chilensis: hacia el desarrollo de estrategias de cultivo sustentable *E-mail: luis.saldivia@ug.uchile.cl Resumen Gracilaria chilensis (pelillo) es un alga roja perteneciente a la familia Gracilariaceae , las cuales aportan entre un 60 a un 80% de la producción mundial de agar [1] . Con el fin de evitar la sobreexplotación de recursos naturales, la acuicul- tura surge cómo solución para satisfacer la demanda global preservando la biodiversidad [2] . Sin embargo, aún se carece del conocimiento crítico necesario para desarrollar estrate- gias efectivas para su cultivo. En particular, aún no se de- finen las aptitudes del alga para interactuar con el medio que la rodea y asimilar sus nutrientes. Este trabajo busca caracterizar las capacidades metabólicas clave de G. chilen - sis , utilizando como punto de partida un enfoque de biología de sistemas. Para ello, se reconstruyó una red metabólica de G.chilensis , a partir de información contenida en su genoma [3] utilizando Pathway Tools [4] . Por otro lado, se identificaron 303 metabolitos clave reportados en estudios metabolómi- cos para este organismo [5–8] y se determinó la presencia de cada uno en bases de datos metabólicas (KEGG, Meta - cyc, bigg, modelSEED yPubChem). La caracterización de la red metabólica fue realizada en base a su presencia y pro- ducibilidad en condiciones de cultivo. En el primer enfoque se determina la existencia de metabolitos clave en la red obtenida. Posteriormente, se verificó la capacidad de la red para producir los metabolitos presentes en la red utilizando Meneco, un algoritmo de expansión de redes metabólicas [9] . Los resultados obtenidos permiten entregar una primera aproximación del potencial metabólico de G. chilensis y faci- litan el desarrollo de modelos metabólicos más consistentes. __Referencias [1] G. Suriya Narayanan and D. Ruben Sudhakar, Food Bioprod. Process. 150 , 78 (2025). [2] F. W. R. Ross, M. E. Malerba, and P. I. Macreadie, Heliyon 11 , e41248 (2025). [3] A. P. Lipinska, S. A. Krueger-Hadfield, O. Godfroy, S. M. Dittami, L. Ayres-Ostrock, G. Bonthond, L. Brillet- Guéguen, S. Coelho, E. Corre, G. Cossard, C. Destombe, P. Epperlein, S. Faugeron, E. Ficko- Blean, J. Beltrán, E. Lavaut, A. Le Bars, F. Marchi, S. Mauger, G. Michel, P. Potin, D. Scornet, E. E. Sotka, F. Weinberger, M. Cabral De Oliveira, M.-L. Guillemin, E. M. Plastino, and M. Valero, Genome Biol. Evol. 15 , evad124 (2023). [4] P. D. Karp, S. Paley, and P. Romero, Bioinformatics 18 , S225 (2002). [5] M. Honda, T. Ishimaru, Y. Itabashi, and M. Vyssotski, Mar. Drugs 17 , 96 (2019). [6] J. Ortiz, E. Uquiche, P. Robert, N. Romero, V. Quitral, and C. Llantén, Eur. J. Lipid Sci. Technol. 111 , 320 (2009). [7] F. Weinberger, B. Coquempot, S. Forner, P. Morin, B. Kloareg, and P. Potin, J. Exp. Bot. 58 , 4365 (2007). [8] M. Salunke, B. Wakure, and P. Wakte, Nat. Prod. Res. 38 , 1441 (2024). [9] S. Prigent, C. Frioux, S. M. Dittami, S. Thiele, A. Larhlimi, G. Collet, F. Gutknecht, J. Got, D. Eveillard, J. Bourdon, F. Plewniak, T. Tonon, and A. Siegel, PLOS Comput. Biol. 13 , e1005276 (2017).