Maschinelles Lernen hilft Wissenschaftlern, die Umweltpräferenzen von Mikroben zu identifizieren

Forscher haben einen Weg gefunden, um die pH-Präferenzen der Bakterien aus einem schnellen Blick auf ihre Genome mithilfe von maschinellem Lernen vorherzusagen. Unter der Leitung von Experten der University of Colorado Boulder verspricht der neue Ansatz, die ökologischen Sanierungsbemühungen, die Landwirtschaft und sogar die Entwicklung gesundheitsbezogener Probiotika zu lenken.

„Wir wissen, dass es in jeder Umgebung eine Menge Bakterien mit wichtigen ökologischen Funktionen gibt, aber ihre Umweltpräferenzen bleiben oft unbekannt“, sagte Noah Fierer, Fellow des Cooperative Institute for Research in Environmental Sciences (CIRES) und Professor für Ökologie und Evolutionsbiologie an der CU Boulder. „Die Idee ist, diese Technik zu verwenden, um die Grundlagen ihrer Naturgeschichte herauszufinden.“

Zu verstehen, ob bestimmte Bakterien am ehesten in sauren, neutralen oder basischen Umgebungen gedeihen, sei nur ein erster Schritt, sagte der Hauptautor Josep Ramoneda, ein CIRES-Gastwissenschaftler. „Man könnte diesen Ansatz nutzen, um vorherzusagen, wie sich Mikroben an fast jede Umweltveränderung anpassen werden“, sagte er. Angenommen, der Anstieg des Meeresspiegels bringt mehr salzhaltiges Wasser in ein Feuchtgebiet an der Küste. „Wir können vorhersehen, wie Mikroben auf diese Umweltveränderungen reagieren werden“, sagte Ramoneda.

Die neue Arbeit wurde heute, am 28. April, in der Zeitschrift veröffentlicht Wissenschaftliche FortschritteZu den Co-Autoren gehören andere von CIRES und CU Boulder sowie Kollegen aus Kanada.

Mikroben, einschließlich Bakterien, sind entscheidend für das Funktionieren von Ökosystemen; Pflanzen beim Wachstum zu helfen, den Nährstoffkreislauf in Seen zu ermöglichen und sogar die menschliche Verdauung zu unterstützen. Aber oft ist es unmöglich, sie zu isolieren und im Labor zu züchten, daher wissen wir oft wenig über sie, sagten Ramoneda und Fierer – abgesehen von ihrer genetischen Ausstattung. Genetische „Fisch“-Techniken der letzten Jahrzehnte haben zu exponentiell wachsenden Datenbanken von Bakteriengenomen geführt.

Das Forschungsteam stützte sich also auf das, was Wissenschaftler über einige Bakteriengruppen wissen, die bei dem einen oder anderen pH-Wert gedeihen, und verwendete dann maschinelles Lernen, um die pH-Präferenzen dieser Gruppen mit ihrer genetischen Ausstattung zu verknüpfen. Die Arbeit umfasste das Sortieren der Genome von mehr als 250.000 Bakterienarten aus fast 1.500 Boden-, See- und Flussproben.

„Was wir herausgefunden haben, ist, dass wir allein auf der Grundlage genomischer Daten Rückschlüsse auf ihre pH-Präferenzen ziehen können“, sagte Ramoneda. Für Wissenschaftler ist eine der unmittelbarsten Auswirkungen des Ergebnisses, dass es ihnen helfen könnte, Kolonien von kniffligen Bakterien zu züchten, die sie noch nie zuvor gezüchtet haben, indem es ihnen eine erste Vermutung gibt, welcher pH-Wert zu verwenden ist. Es kann Jahre dauern, um herauszufinden, wie Bakterien „kultiviert“ werden können, damit sie im Labor untersucht werden können, und die Methode des maschinellen Lernens könnte diesen Prozess weitaus effizienter machen, sagte Fierer.

Land- und Forstwirtschaftsexperten fügen auch oft lebende Bakterien hinzu, um wachsende Pflanzen mit hilfreichen Bakteriengemeinschaften zu „impfen“, sagte Ramoneda. Jetzt erhalten sie möglicherweise einen schnelleren und besseren Einblick in die Arten von Bakterien, die helfen könnten, eine einheimische Prärie gegenüber Kiefernwäldern wiederherzustellen, oder Mais oder Sojabohnen besser anzubauen, indem sichergestellt wird, dass Impfmittel an den lokalen pH-Wert angepasst werden.

Als nächstes plant das Team zu versuchen, einen Einblick in die Temperaturpräferenzen von Bakterien zu erhalten, einem weiteren komplexen System, an dem wahrscheinlich viele, viele Gene beteiligt sind. Das könnte ihnen helfen, besser zu verstehen, wie sich die Erwärmung zum Beispiel auf Bodenbakteriengemeinschaften auswirkt.

„Die Alternative ist, zu versuchen, sie alle im Labor zu züchten, und das ist schmerzhaft“, sagte Fierer.