В результате исследования была получена крупнейшая из когда-либо созданных динамических моделей взаимодействия видов микробов. Анализируя долгосрочные данные по озеру Мендота возле Мэдисона, штат Висконсин, исследовательская группа из Технологического института Джорджии определила и смоделировала взаимодействия между 14 подсообществами, то есть коллекциями различных видов, которые становятся доминирующими в определенное время года. Ключевые факторы окружающей среды, влияющие на эти подсообщества, включали температуру воды и уровни двух классов питательных веществ: аммиака / фосфора и нитратов / нитритов. Воздействие этих факторов на отдельные виды в целом было более выраженным, чем влияние межвидовых взаимодействий.
Помимо понимания того, что происходит в водной микробной среде, модель также может быть использована для изучения других микробных популяций — возможно, даже микробиомов человека. Об исследовании было опубликовано 24 марта в журнале «Системная биология и приложения», партнерском журнале Nature. Работа спонсировалась программой «Измерения биоразнообразия» Национального научного фонда.
«В конечном итоге мы хотим понять, почему некоторые популяции микробов сокращаются и почему некоторые из них увеличиваются в определенное время года», — сказал Эберхард Войт, автор-корреспондент статьи и The David D. Профессор кафедры Фланагана в Wallace H. Колтер, факультет биомедицинской инженерии Технологического института Джорджии и Университета Эмори. "Мы хотим знать, почему эти популяции меняются — из-за одних только условий окружающей среды или из-за взаимодействия между различными видами. Важно отметить, что мы также смотрим на временное развитие: как взаимодействия меняются с течением времени."
Из-за большого количества задействованных различных микроорганизмов создание такой модели было монументальной задачей. Чтобы сделать его более управляемым, исследователи разделили наиболее распространенные виды на группы, которые имели существенные взаимодействия в определенное время года.
Ученый из технических исследований Джорджии Phuongan Dam создал 14 таких категорий или подсообществ — примерно по одной в месяц — и нанес на карту отношения между ними в разное время года. У двух из 14 групп было два пика численности населения в год.
«Самое захватывающее в этой работе то, что теперь мы можем моделировать сотни видов», — сказал Костас Константинидис, соавтор статьи и Carlton S. Уайлдер, адъюнкт-профессор Школы гражданского и экологического строительства Технологического института Джорджии. "Возможность динамического моделирования микробных сообществ, содержащих сотни или даже тысячи видов, по мере того, как эти взаимодействия меняются с течением времени или после воздействия окружающей среды, будет иметь многочисленные последствия и приложения для других областей исследований."
В прошлом исследователи создавали статические модели взаимодействий между большим количеством микроорганизмов, но они предоставляли только моментальные снимки во времени и не могли использоваться для моделирования взаимодействий, поскольку они меняются в течение года.
Ученые могут захотеть узнать, например, что произойдет, если сообщество потеряет один вид, если поток питательных веществ ударит по озеру или если температура повысится.
Как и во многих сообществах, в озере обитают организмы разных видов и семейств, которые тесно взаимосвязаны и играют множество взаимосвязанных ролей, таких как фиксация азота, осуществление фотосинтеза, разложение загрязняющих веществ и предоставление метаболических услуг, используемых другими организмами. Информация о микробах была получена из набора долгосрочных данных, собранных другими учеными, которые регулярно изучают озеро.
Биоматематик Войт сказал, что эта модель, хотя и является нелинейной, использует алгоритмы, основанные на линейной регрессии, которые можно анализировать с помощью стандартных компьютерных кластеров. Используя свои 14 подсообществ, исследователи обнаружили 196 взаимодействий, которые могли бы описать взаимодействия видов — гораздо более простая задача, чем анализ 300 миллионов потенциальных взаимодействий между полными 18 642 видами в озере. Уменьшение количества потенциальных взаимодействий стало возможным только благодаря стратегии определения подсообществ и умному подходу к моделированию.
Первоначально исследователи пытались организовать микробы в генетически родственные организмы, но эта стратегия не увенчалась успехом.
«В любое время года озеру нужны виды, которые могут выполнять определенные задачи», — сказал Войт. "Близкородственные виды, как правило, играют одни и те же роли, поэтому объединение их всех в одну группу приводит к тому, что многие организмы выполняют одни и те же действия, но не выполняют другие задачи, которые необходимы в определенное время. Посмотрев на 14 подсообществ, мы смогли получить шведский стол из каждой задачи, которую необходимо было выполнить, используя разные комбинации микроорганизмов каждый раз."
Изучая суб-сообщества, присутствующие в определенное время года, исследовательская группа смогла изучить взаимодействия, которые происходили естественным образом, и избежала необходимости изучать взаимодействия, которые происходили редко.
Модель исследует взаимодействия на двух уровнях: между 14 подсообществами и между подсообществами и отдельными видами.
Исследование во многом зависело от метагеномики, использования геномного анализа для идентификации присутствующих микроорганизмов. Только 1 процент микробных видов можно культивировать в лаборатории, но метагеномика позволяет ученым получить полный перечень присутствующих видов, идентифицируя определенные участки их ДНК.
Поскольку они не являются полностью охарактеризованными видами, компоненты геномных данных называются «операционными таксономическими единицами» (OTU), которые команда использовала в качестве «заместителя» для видов.
Следующим шагом в исследовании будет завершение аналогичного исследования озера Ланье, расположенного к северу от Атланты.
В дополнение к информации, изученной для озера Мендота, это исследование будет собирать данные о ферментативной и метаболической активности сообществ микроорганизмов. Озеро Ланье питает реку Чаттахучи и ряд других озер, и исследователи надеются изучить всю речную систему, чтобы оценить, как различные среды и деятельность человека влияют на микробные популяции.
Работа может привести к лучшему пониманию того, какие взаимодействия необходимы для здорового озера, что может помочь ученым определить, что может потребоваться для решения проблем в нездоровых озерах.
Метод моделирования может также помочь ученым с другими сложными микробными системами.
«Сейчас мы работаем с озерным сообществом, но эти методы могут быть применимы к другим микробным сообществам, включая человеческий микробиом», — сказал Константинидис. "Как и в случае с больными озерами, понимание того, что является здоровым, может однажды позволить ученым диагностировать заболевания, связанные с микробиомом, и решать их, корректируя популяции различных суб-сообществ микроорганизмов."