Los microorganismos antagonistas, incluyendo bacterias, levaduras y hongos, tienen la capacidad de ejercer un efecto de control biológico sobre diferentes patógenos de interés, y se han empleado para controlar diversas enfermedades en frutos y vegetales. En los últimos años, el control biológico ha sido objeto de estudio y ha demostrado ser efectivo en el control de enfermedades postcosecha.
Microorganismos Antagonistas: Definición, Características y Mecanismos de Acción
Los microorganismos antagonistas son aquellos que pueden suprimir el desarrollo de enfermedades en los frutos. La superficie del fruto (fructoplano) es un lugar óptimo para el aislamiento de estos microorganismos, aunque también se ha reportado que la superficie de las hojas (filoplano) constituye otra fuente.
Para seleccionar microorganismos antagonistas, se deben considerar las siguientes características generales:
- Capacidad para colonizar rápidamente la superficie de los frutos y persistir de manera efectiva.
- Mayor habilidad que el patógeno para adquirir nutrientes.
- Capacidad de supervivencia bajo diferentes condiciones ambientales.
Además, otras características específicas importantes incluyen: su estabilidad genética, efectividad a bajas concentraciones, no ser exigente en requerimientos nutricionales, capacidad de sobrevivir a condiciones adversas del medio ambiente, efectividad para un amplio rango de microorganismos patógenos en una variedad de frutos y hortalizas, capacidad de reproducirse en medios de crecimiento económicos, que se mantenga en una formulación durante un largo período de vida, que sea fácil de aplicar sin producción de metabolitos secundarios que causen daños a la salud humana, resistente a los fungicidas y compatible con los procedimientos comerciales, y no patogénico sobre el hospedero.
Es fundamental comprender el mecanismo de acción de los antagonistas para un mejor uso y selección de nuevos antagonistas efectivos. Los conocimientos sobre los mecanismos de acción involucran:
- Antibiosis: Producción de sustancias tóxicas (antibióticos) para otros microorganismos. Un ejemplo típico es el cultivo dual de Epicoccum nigrum y Sclerotinia sclerotiorum.
- Producción de enzimas líticas.
- Parasitismo.
- Competencia por los nutrientes y espacio.
- Inducción de resistencia.
Cabe destacar que, en general, más de un mecanismo puede estar implicado en el efecto de biocontrol.
LÍNEA 8 INNOLIVAR | MICROORGANISMOS ANTAGONISTAS PARA EL CONTROL DE LA VERTICILOSIS DEL OLIVO
Microorganismos Antagonistas en la Fase de Postcosecha
El uso de microorganismos antagonistas para controlar las enfermedades postcosecha se plantea mediante dos enfoques importantes: la estimulación y el manejo de los antagonistas presentes sobre la superficie del fruto, y la introducción artificial de antagonistas contra los patógenos. Este último enfoque se favorece bajo las condiciones actuales de almacenamiento controlado de los productos.
Las levaduras son más utilizadas que las bacterias para controlar las enfermedades postcosecha, y en menor grado los hongos. Las levaduras empleadas como antagonistas han mostrado efecto antifúngico sobre diferentes patógenos postcosecha; los mecanismos de acción no han sido del todo establecidos, aunque se sugiere que existe la antibiosis, producción de enzimas líticas, parasitismo, competencia por los nutrientes y espacio e inducción de resistencia.
El control biológico constituye una tecnología emergente para controlar las enfermedades postcosecha; es importante considerar la resistencia a este tipo de enfermedades porque esta podría ser diferente a la resistencia en campo hacia hongos; se ha observado que pocos antagonistas son efectivos cuando se trasladan del laboratorio al campo.
Estudios in vitro en la Fase Postcosecha
En investigaciones, se evaluó el efecto de más de 100 aislamientos de microorganismos antagonistas (bacterias y levaduras) contra Penicillium digitatum y Penicillium italicum, agentes causales de la pudrición de los cítricos. Se encontró que las levaduras Debaryomyces hansenii y Aureobasidium pullulans y las bacterias Pseudomonas cepacia y Pseudomonas syringae resultaron más efectivos. En general, P. cepacia mostró mejor efecto de biocontrol sobre ambos patógenos, evidenciándose mediante la producción de antibióticos.
Las levaduras Rhodotorula glutinis (aislado LS-11) y Cryptococcus laurentii (aislamiento LS-28) mostraron diferentes niveles de actividad antagonista contra diversos patógenos postcosecha. Su posible mecanismo de acción, al parecer, se relaciona con la competencia por los nutrientes. El segundo aislamiento fue capaz de producir in vitro altos niveles extracelulares de β-1,3-glucanasa cuando creció en presencia de las hifas de los patógenos Penicillium expansum y Botrytis cinerea como única fuente de carbono.
Experimentos demostraron que A. pullulans (aislado LS-30) posee una significativa actividad antagonista contra B. cinerea, P. expansum, Rhizopus stolonifer y Aspergillus niger en uvas, y contra B. cinerea y P. expansum en frutos de manzana. La competencia por los nutrientes resultó ser el principal mecanismo al que se le atribuyó este efecto. Adicionalmente, también se encontró que la actividad extracelular de la exoquitinasa y β-1,3-glucanasa se detectaron en los principales sitios de penetración de los hongos patógenos, sugiriéndose que estas enzimas podrían estar involucradas en la actividad antagonista de este microorganismo.
Se ha observado que la adición de bicarbonato de sodio (2%) a las levaduras antagonistas C. laurentii y Trichosporon pullulans inhibió de manera significativa la germinación de las esporas y la elongación del tubo germinativo de P. expansum y Alternaria alternata cultivados en caldo papa-dextrosa, aunque aún no se conoce la función que desempeña. Es deseable que la antibiosis no sea el principal mecanismo de acción de un antagonista, dado el riesgo de aparición de cepas del patógeno resistentes al antibiótico.
Estudios in situ en la Fase Postcosecha
No siempre se ha observado consistencia al extrapolar los resultados del laboratorio a condiciones in situ. Se demostró que dos aislamientos de Bacillus firmus redujeron el crecimiento de Colletotrichum gloeosporioides en 75.3 y 69.1% en un lapso de 96 h in vitro, mientras que en los frutos de papaya no se encontró ningún efecto de control del hongo.
Se han obtenido respuestas contradictorias cuando se trata de relacionar el daño celular en el fruto con el compuesto producido por el antagonista. Por ejemplo, la aplicación de P. cepacia redujo el moho verde (P. digitatum) en más del 80% en comparación al testigo en frutos de limón. La bacteria creció rápidamente en la herida y causó daños en el fruto; la pudrición se logró controlar cuando el antagonista se aplicó 12 h previas a la inoculación; se atribuyó este efecto a la producción de antibióticos (pyrrolnitrin) (in vitro).
Otros autores también han encontrado que la eficiencia en el efecto de control depende del momento en que se aplique el inóculo, tal es el caso de la levadura C. laurentii evaluada contra el moho gris en peras; su efecto varió de acuerdo al momento de aplicación del inóculo. Si las aplicaciones del antagonista se realizaban previamente o al mismo tiempo que el patógeno sobre el fruto, los resultados del control eran positivos; sin embargo, este efecto no se mantuvo cuando B. cinerea se inoculó antes que la levadura.
Dentro de los aspectos a considerar para conocer con más certeza el mecanismo por el que ocurre este proceso de control biológico, se encuentran los cambios ultraestructurales y citoquímicos que provocan los microorganismos empleados en el hospedero. En este sentido, el control biológico de B. cinerea por Candida saitoana en frutos de manzana, se estudió y se observó que cuando se cultivaron juntos, la levadura atacó las hifas del hongo. En el fruto, la levadura restringió la proliferación del patógeno y suprimió la enfermedad, denotándose severos daños citológicos en la pared celular de las hifas del fitopatógeno.
De manera similar, también se ha estudiado la interacción entre dos levaduras antagonistas (Pichia membranefaciens y Cryptococcus albidus) y tres hongos fitopatógenos (Monilinia fructicola, P. expansum y R. stolonifer) en heridas de manzanas. Las observaciones al microscopio de luz y al microscopio electrónico de barrido, indicaron que P. membranefaciens tiene mayor capacidad para atacar a las hifas del hongo que C. albidus.
Métodos de Recuento de Microorganismos
El recuento de microorganismos es una práctica esencial en microbiología, especialmente en el control de calidad de alimentos y en la investigación de agentes de biocontrol. Se obtienen varias diluciones del alimento, se inoculan 0,1 ml de cada dilución en el medio de cultivo adecuado, se incuban y se determina el número de células viables de tres tipos de organismos por el número de colonias observadas (número de unidades formadoras de colonias, UFCs).
Pruebas de Promoción del Crecimiento
La promoción del crecimiento debe analizarse para cada partida nueva de medio. No es necesario analizar una partida previa en paralelo. Las pruebas de promoción del crecimiento tienen que realizarse en agar Sabouraud Dextrosa (SDA) y en agar Digerido de Caseína y Soja (CSA) para C. albicans y A. niger, ya que el recuento total de microorganismos aerobios incluye levaduras y hongos filamentosos. El recuento total combinado de hongos filamentosos y levaduras es por definición un recuento de levaduras y hongos filamentosos, por lo que la promoción del crecimiento con bacterias no es esencial.
El "factor de 2" significa que el resultado puede ser el doble que el del inóculo. Por ejemplo, con un inóculo de 100 UFC, los recuentos aceptables son: 100/2 = 50 UFC a 100 x 2 = 200 UFC. Los microorganismos se deben agregar al producto diluido o suspendido al terminar la preparación (por lo general, se prepara una dilución de 1 en 10) o después de la neutralización si es que no hay otro modo de evitar la inhibición del crecimiento debida a la muestra. 100 UFC se refiere al inóculo.
Medios de Cultivo Específicos
El medio de cultivo de Sabouraud-cloranfenicol permite el crecimiento de hongos por su contenido relativamente elevado en azúcares. Su pH ácido y el cloranfenicol inhiben el crecimiento de bacterias. El sobrecrecimiento de los hongos filamentosos imposibilita un recuento adecuado. El crecimiento sobre un medio rico permite detectar mayor cantidad de microorganismos. En este caso se utiliza TSA (“Tryptic Soy Agar”).
La presencia de enterobacterias en un alimento se interpreta como consecuencia del contacto con contenido fecal animal. Por ello, se utiliza a estas bacterias como indicadoras de contaminación fecal del alimento. Para análisis de alimentos se utiliza el medio VRBG. El medio VRBG contiene glucosa como sustrato de fermentación, rojo neutro como indicador ácido-base y cristal violeta y sales biliares que inhiben el crecimiento de bacterias diferentes a las enterobacterias. Las enterobacterias fermentan la glucosa (el indicador aparece de color rosa) y sus colonias son rojas rodeadas de un precipitado rosa de ácidos biliares.
Recuento de Hongos y Levaduras
El número de mohos es muy alto en especias y productos que están en contacto con el suelo. En microbiología alimentaria, el número total de levaduras y mohos generalmente se considera en conjunto. Al igual que en los análisis de recuento bacteriano total, el número total de células de moho y levadura colonizadas con las condiciones de incubación adecuadas en un medio adecuado da el recuento de moho y levadura. En muchos estándares generalmente aceptados, el número total de mohos y levaduras se toma en cuenta juntos. Sin embargo, los recuentos de moho y levadura se exigen por separado en aplicaciones comerciales. En este caso, estos dos grupos de microorganismos se cuentan por separado considerando la morfología de la colonia de los medios, o se usan diferentes medios de acuerdo con el propósito. Por ejemplo, el propionato de sodio se agrega a una concentración de 0,25 por ciento a la composición del medio para el crecimiento de levaduras solo y se inhibe el crecimiento de moho.
Los estudios de conteo de mohos y levaduras se llevan a cabo en laboratorios autorizados dentro del alcance de los análisis microbiológicos. Durante estos estudios, se siguen los estándares y métodos de prueba emitidos por organizaciones nacionales y extranjeras.
LÍNEA 8 INNOLIVAR | MICROORGANISMOS ANTAGONISTAS PARA EL CONTROL DE LA VERTICILOSIS DEL OLIVO
Desafíos y Avances en el Conteo de Microorganismos
Actualmente se encuentran disponibles en el mercado diferentes equipamientos para realizar dichas labores de conteo de manera automática o semiautomática, pero la inversión necesaria para su adquisición suele ser elevada, además con una amortización que puede ser considerada relativamente lenta. Esta situación provoca que en muchos laboratorios aún estos procesos se hagan de forma "tradicional" mediante la observación de las muestras en los microscopios por parte de expertos.
Tratando de evitar estos inconvenientes, en los últimos años se han desarrollado varios métodos y software para el conteo de microorganismos, de los cuales una gran parte se basa en el uso de imágenes digitales de las muestras a analizar. La imposibilidad de generalizar los procedimientos y métodos en el conteo de microorganismos en imágenes digitales se debe a la amplia cantidad de características y circunstancias que se pueden encontrar en los mismos y en las muestras analizadas, tales como la forma, el tamaño, textura, solapamiento entre ellos, escala a la que son tomadas las imágenes, contraste entre el fondo y los microorganismos, etc.
Estos algoritmos de conteo en imágenes digitales se pueden dividir en dos grandes grupos: técnicas de visión por computador (VC) y procesamiento digital de imágenes (PDI), y técnicas de machine learning (ML).
Método Propuesto para el Conteo de Bacterias y Levaduras en Bioproductos
Profesores-investigadores del Departamento de Control Automático de la Universidad Central Marta Abreu de Las Villas (UCLV), unieron sus esfuerzos con especialistas del Instituto de Biotecnología de las Plantas (IBP) de la UCLV para desarrollar un método para el conteo de bacterias y levaduras en bioproductos de origen microbiano obtenidos por fermentación, los cuales se encuentran aún en fase de estudios pero han demostrado aplicaciones útiles en diversas industrias. Es de importancia mencionar que en la bibliografía consultada no se tiene referencia de hacer la detección y conteo de varios microorganismos de diversas naturalezas, como son bacterias y levaduras, en la misma imagen; pues la mayoría de ellas se enfoca en contar muestras de un solo tipo de microrganismos.
Preparación y Adquisición de Imágenes
En la realización del presente trabajo se utilizaron muestras de bioproductos de origen microbiano obtenidos por fermentación que se encuentran bajo investigaciones en el Instituto de Biotecnología de las Plantas (IBP), los cuales están formados por un medio de cultivo y diversos microorganismos. En este caso se seleccionaron muestras donde los organismos vivos que se encuentran en los compuestos fueran bacterias y levaduras. Según se tienen referencias por parte de la bibliografía especializada y por la experiencia del personal del laboratorio, en estos bioproductos las bacterias alcanzan un tamaño que oscila entre 1 µm y 3 µm, mientras que las levaduras pueden alcanzar hasta 10 µm.
El sensor empleado para la toma de imágenes de las muestras fue una cámara digital modelo HDCE-X, con un sensor CMOS de ½", con una resolución de 2592 píxeles por 1944 píxeles (5 Mp), donde el tamaño del píxel es de 3.2µm X 3.2µm, con un tiempo de exposición ajustable. Esta cámara es conectada a través de un cable USB a una computadora donde se almacenan las imágenes en formato JPG con 24 bits de profundidad (8 bits por canal). Las imágenes fueron adquiridas con la cámara mencionada y un microscopio de la serie Olympus BH.
Fase I: Delimitación de Microorganismos
La Fase I tiene como objetivo delimitar los posibles microorganismos en la imagen. En esta fase la imagen es leída como una imagen de 3 canales. Luego la imagen es convertida a escala de grises, y a esta nueva imagen se le aplica un primer proceso de operaciones morfológicas, consistente en el método Black Top-hat con el objetivo de resaltar en la imagen las siluetas de los microorganismos. Dicha operación morfológica consiste en la diferencia entre el proceso de hacer un cierre morfológico sobre la imagen en escala de grises y la propia imagen en escala de grises. Para este proceso se empleó un elemento estructurante o strel compuesto de 1 en todas sus posiciones de tamaño de 9 píxeles. Una vez aplicada la operación morfológica a la imagen se procede a aplicar un proceso de umbral sobre la misma, seleccionando el método de Otsu para aplicar un proceso de binarización global, obteniéndose de esta manera una imagen binaria codificada en 0 y 1.
Fase II: Obtención y Filtrado de Contornos
Luego de obtenida la imagen binaria se aplica un proceso para la obtención de contornos presentes en la misma. En este caso solo se consideran válidos para el análisis los contornos externos que provocan las siluetas de los microorganismos, pues en ocasiones los microorganismos suelen presentar ciertos patrones en las imágenes que tienden a ser clasificados como contornos internos. A cada contorno externo hallado se le determina el polígono convexo que rodea dicho perímetro (cHS), es decir, aquel polígono de menor área que contiene todos los puntos del contorno.
Como el algoritmo no contempla ningún proceso de filtrado sobre la imagen, en ocasiones aparecen pequeños contornos que pueden ser despreciados por ser demasiados pequeños. Es por ello que se decide calcular el área encapsulada por el polígono determinado, y utilizar un parámetro de ajuste para seleccionar los contornos. En este caso si dicha área es mayor de 1 píxel se toma en cuenta para los siguientes análisis, en caso contrario no se tiene en cuenta en la segunda fase debido a que áreas tan pequeñas pueden pertenecer a ruido en las imágenes o a impurezas en el ambiente donde se encuentran los microorganismos.
Fase III: Clasificación y Conteo
El objetivo del factor de solidez es determinar cuán regular puede ser un contorno encontrado, el cual se debe corresponder con el criterio de que son los contornos de bacterias o levaduras bien definidas y que no están formando aglomeraciones dado que mientras más convexo mayor será su factor de solidez. En este punto del algoritmo el factor de comparación de la solidez de un contorno se fijó en 0.90, considerando así para el análisis estadístico obtener contornos lo más convexos posibles. Si el contorno analizado cumple con el criterio de solidez entonces se calcula el mínimo círculo que encapsula a dicho contorno (mEC).
Es de mencionar que el área que ocupan los píxeles que son encapsulados por los contornos no es usada directamente como criterio de comparación puesto que el agrupamiento de varios microorganismos pueden tener un área similar al área que puede pertenecer a una levadura, que son los microorganismo de mayor tamaño que aparecen en la imagen. Para cada uno de estos contornos se determina nuevamente la cHS que lo encapsula y el área de la misma, y se emplea el mismo criterio que se empleó en la fase dos para discriminar entre los contornos, siendo los contornos muy pequeños excluidos del proceso de clasificación.
En este punto del algoritmo se sitúa un criterio de comparación que permite que los contornos pequeños, aquellos cuyo radio del mEC sea menor que 0.5 píxeles sean desestimados y no se clasifiquen; en caso contrario se prosigue con su análisis. Al cumplir el contorno con este criterio de selección entonces aparece un segundo criterio que permite discernir si el contorno analizado tiene mayor probabilidad de ser una bacteria o no. Dicho criterio de ajuste se basa en comparar el radio del mEC hallado con el mayor valor de las dos modas de los radios determinados anteriormente.
Los contornos más grandes sufren de otro proceso de clasificación. Estos contornos pueden ser compuestos por levaduras, o por agrupaciones de bacterias y levaduras, es por ello que se precisa de realizar un análisis diferente para su clasificación. Acto seguido se aplica un proceso de dilatación al contorno ya erosionado con el objetivo de aumentar el área de los contornos remanentes del proceso de erosión, pero evitando que estos se vuelvan a unir. Una vez realizados estos dos procesos se procede a determinar los nuevos contornos externos que aparecen en esta nueva imagen. Si el radio del nuevo contorno cumple el requisito para ser clasificado, se compara con la parte entera del mayor valor de la primera y segunda moda de los radios de los mEC determinados en la fase estadística.
Resultados y Desafíos del Método
Mediante el algoritmo desarrollado se logra detectar las bacterias y levaduras. En estas imágenes las bacterias fueron enmarcadas en color verde y las levaduras en color malva. Los microorganismos que hasta ahora se clasifican como desconocidos se enmarcan en rojo.
Es de mencionar que los casos que el método detectó correctamente, sean bacterias o levaduras, fueron clasificadas como verdaderos positivos (VP), los casos clasificados incorrectamente fueron contados como falsos positivos (FP), las bacterias o levaduras que el método no detectó fueron considerados como falsos negativos (FN), y no se hizo un conteo de verdaderos negativos (VN) pues la intención del método no es detectar aquellas siluetas en la imagen que no son microorganismos. Los contornos detectados como desconocidos no fueron tomados en cuenta en este análisis pues debe llevar un análisis por parte de los expertos para su posible clasificación.
Como se puede apreciar en los resultados al procesar las imágenes, la detección y conteo de bacterias se logra con una exactitud y precisión aceptable, en ambos casos por encima de 0,95; no en el caso de las levaduras cuya exactitud y precisión es considerablemente menor, alrededor de 0,78 la exactitud y 0,86 la precisión. En este caso el usuario debe discernir en aquellos contornos marcados como unknown cuál es su posible clasificación, o si debiera descartarlo.
Una de las condiciones que puede provocar errores de clasificación es la forma misma de los contornos en la imagen, especialmente las más grandes que generalmente se corresponden con las levaduras. A esto se le adiciona que en ocasiones la silueta del microorganismo en la imagen no se puede observar de manera completa, o que existen agrupamientos de bacterias y levaduras lo cual dificulta el proceso de clasificación y conteo. Otras problemáticas en contra de la obtención de buenos resultados ya han sido reportadas en investigaciones similares como suele ser el bajo contraste entre los microorganismos y la suspensión. Otra de las dificultades a la hora de obtener buenos resultados con el algoritmo es el grado de enfoque con que es capturada la imagen, condición que puede ser perjudicial para cualquier algoritmo de visión por computador.
Uso de ImageJ para el Conteo de Microorganismos
El software ImageJ constituye una de las herramientas más difundidas en el ámbito científico para el procesamiento y estudio de imágenes digitales. Su gran uso se debe, entre otras muchas prestaciones, a que es un software de licencia abierta por el cual no hay que pagar para su utilización, y aunque inicialmente fue concebido para un uso en campos relacionados con la biología, ha logrado adentrarse en otros campos de las ciencias.
Una vez abierta la imagen con el software, se le aplica un algoritmo para sustraer el fondo de la imagen, es decir, la suspensión donde se encuentran ubicados los microorganismos. Para esto a la opción rolling se le asignó un valor de 60. Luego la imagen es convertida a escala de grises, utilizando la opción “8 bit” ofrecida por el software. A esta imagen binaria se le aplica la opción de rellenar huecos con el fin de que aquellos contornos donde quedaron conjuntos de píxeles interiores de otro color (denominados huecos) sean rellenados. El algoritmo Watershed es aplicado con el fin de separar aquellos contornos donde puedan existir agrupaciones de microorganismos en diferentes regiones. Por último, una vez delimitados los contornos de los microorganismos, se procede a utilizar la opción Analyze Particles.. del software ImageJ, el cual permite seleccionar qué tipos de partículas usted desea analizar basándose fundamentalmente en dos criterios: su área y cuán redondo es el contorno.
El software ImageJ, al ser una herramienta muy completa, posibilita la obtención de los resultados del conteo en diferentes formas, además de que puede mostrar un resumen del conteo para un análisis más detallado por parte de los especialistas. Una de las opciones de visualizar los resultados es el empleo de la opción Overlay Masks, que posibilita ver qué contorno fue contado y le asigna un color a cada uno.
Si bien las formas pequeñas son detectadas correctamente con esta variante de procesamiento, en los contornos de mayor área se producen segmentaciones de las imágenes, y por ende clasificaciones y conteos que no son correctos. El flujo empleado con el software ImageJ, al igual que el método propuesto, no logran establecer una clasificación exacta en el caso de los contornos grandes, es decir, las levaduras. El método propuesto puede tender a hacer, debido al propio procesamiento de la imagen, una subclasificación de los contornos de las levaduras provocando la aparición de contornos marcados como desconocidos o falsos positivos de levaduras. En cambio, el método seguido con el software ImageJ puede provocar una sobreclasificación de los contornos analizados como levaduras, provocando de esta manera la aparición de muchos falsos positivos en la clasificación de las levaduras.
Cultivo de Bacterias: Diagnóstico y Sensibilidad a Antibióticos
Un cultivo es una técnica microbiológica utilizada para detectar la presencia de microorganismos, como bacterias, hongos o parásitos, en una muestra de tejidos o fluidos corporales. El cultivo, por tanto, permite confirmar o descartar una infección en el organismo, así como identificar el agente patógeno causante. Un cultivo se indica cuando el paciente presenta síntomas compatibles con una infección.
Proceso de Recolección y Análisis de Muestras
El primer paso para realizar un cultivo es la recogida de la muestra. El proceso concreto para hacerlo depende del tipo de muestra necesaria: se puede utilizar un hisopo, como en el caso de la garganta o de una herida; se puede hacer por venopunción, como en un hemocultivo; o puede ser el propio paciente quien extrae y deposita las muestras en un recipiente, como ocurre con los cultivos de orina, heces, esputo o esperma. En todos los casos, la muestra se recolecta en un recipiente estéril y se lleva al laboratorio lo antes posible para evitar su deterioro.
Una muestra de tejido o fluido no contiene el número de células suficientes para identificar el microorganismo causante de la infección en un examen al microscopio, por lo que es necesario cultivarla. Para ello, la muestra se añade a una placa de Petri, un recipiente especial que contiene una solución líquida o sólida compuesta por las sustancias y los nutrientes necesarios para favorecer la proliferación de los microorganismos. Existen diferentes medios de cultivo, cada uno con condiciones determinadas para permitir el crecimiento de los diferentes microorganismos. La placa se incuba a una temperatura similar a la del cuerpo humano (37°C) durante un plazo aproximado de 24 a 72 horas, aunque el crecimiento de algunos tipos de microorganismos puede llevar más tiempo. Pasado el plazo, se observa el cultivo en el microscopio para confirmar la presencia de agentes patógenos y, si esta es positiva, identificar su especie. Para la identificación se utilizan también métodos adicionales, como la denominada tinción de Gram, un procedimiento consistente en aplicar un tinte al cultivo y clasificar los microorganismos según el color que adopten al reaccionar con la tinción.
Uno de los principales riesgos cuando se realiza un cultivo es la posibilidad de que la muestra esté contaminada, es decir, que durante su obtención o manipulación haya entrado en contacto con otros microorganismos pertenecientes a la flora del cuerpo o del entorno, o con sustancias del exterior. Según el tipo de muestra necesaria, esta se debe obtener en el centro médico o el paciente la puede recolectar en casa. En cualquier caso, es necesario tomar unas medidas adecuadas de higiene antes de hacerlo, incluyendo el lavado o desinfección de las manos y de la zona de donde se va a extraer la muestra, para minimizar así el riesgo de contaminación.
Prueba de Sensibilidad a los Antibióticos
Si se encuentran bacterias dañinas en su muestra, usualmente significa que usted tiene una infección bacteriana. La prueba también debería identificar el tipo de bacteria que esté causando la infección. Su profesional de la salud también puede pedir una prueba para averiguar qué medicamento tratará mejor el tipo de bacteria que esté causando su infección. Esta se llama prueba de sensibilidad a los antibióticos o "prueba de susceptibilidad". Se usa para determinar qué tan sensible son las bacterias a diferentes tipos de antibióticos. Si sus resultados muestran que usted no tiene una infección bacteriana, usted no debe tomar antibióticos. Los antibióticos solo tratan infecciones bacterianas.
La resistencia a los antibióticos permite que bacterias dañinas cambien y hagan que los antibióticos sean menos efectivos o que no surtan ningún efecto. Las bacterias resistentes pueden seguir creciendo y multiplicarse, lo que dificulta y, en ocasiones, imposibilita el tratamiento de las infecciones.