Simple Science

Hochmoderne Wissenschaft einfach erklärt

# Biologie# Evolutionsbiologie

Fortschritte bei der Auswahl mikrobieller Gemeinschaften zur Reinigung von Umweltverschmutzung

Forschung zur Verbesserung mikrobieller Gemeinschaften für eine bessere Abbau von Verschmutzungen.

― 7 min Lesedauer


Mikroben zurMikroben zurSchadstoffbekämpfungSchadstoffen.mikrobielle Effizienz beim Abbau vonNeue Methoden verbessern die
Inhaltsverzeichnis

Mikrobielle Gemeinschaften sind Gruppen von winzigen lebenden Dingen, wie Bakterien, die zusammenarbeiten, um wichtige Aufgaben in der Umwelt zu erledigen. Diese Gemeinschaften können helfen, Prozesse wie das Zersetzen schwer erreichbarer Nährstoffe und das Reinigen von schmutzigem Wasser zu unterstützen. Wissenschaftler sind daran interessiert, diese verschiedenen Mikroben zu kombinieren, um ihre Fähigkeiten zu steigern, aber herauszufinden, welche Arten von Mikroben sie verwenden sollten und wie sie zusammenarbeiten, ist eine knifflige Sache.

Eine grundlegende Möglichkeit, dieses Problem anzugehen, besteht darin, verschiedene Mikrobenarten zu sammeln, zu studieren, was sie können, und sie dann auf clevere Weise zu mischen, um bessere Ergebnisse zu erzielen. Ein anderer Ansatz ist, den Auswahlprozess zu automatisieren und der Natur ihren Lauf zu lassen, ähnlich wie Tiere gezüchtet werden, um bestimmte Eigenschaften zu haben. Das nennt man Künstliche Selektion.

Die künstliche Selektion hat bereits grosse Veränderungen in der Landwirtschaft bewirkt und wurde auch in Branchen wie der Herstellung von Enzymen und der Produktion von Medikamenten eingesetzt. Diese Erfolge haben die Tür geöffnet, um künstliche Selektion auch bei mikrobielle Gemeinschaften anzuwenden, um umwelt- und gesundheitsbezogene Aufgaben zu verbessern.

Frühere Forschung zu mikrobielle Gemeinschaften

In den frühen 2000er Jahren begannen einige Forscher, natürliche mikrobielle Gemeinschaften auszuwählen, um das Wachstum von Pflanzen zu fördern, Umweltverschmutzung zu beseitigen oder die Wasseracidität zu verändern. Während einige Gemeinschaften sich verbesserten, zeigten viele über die Zeit keine signifikanten Leistungsunterschiede.

Seitdem haben mehrere Studien versucht, Mikroben für verschiedene Zwecke auszuwählen, aber der Erfolg war begrenzt. Die Ergebnisse schwankten manchmal stark von einer Studie zur anderen, und die Verbesserungen waren oft minimal.

Ein grosses Problem bei der künstlichen Selektion in mikrobielle Gemeinschaften ist, dass sie auf Gruppenebene und nicht auf der Ebene einzelner Mikroben erfolgt. Das bedeutet, dass, während Wissenschaftler versuchen, die beste Gruppe auszuwählen, die einzelnen Mikroben weiterhin miteinander konkurrieren, was es schwierig macht, zu kontrollieren, wie gut die Gemeinschaft funktioniert und wie sie sich im Laufe der Zeit verändert.

Eine weitere Herausforderung ist, wie neue Gemeinschaften aus den ausgewählten entstehen. In vielen Fällen werden die leistungsstärksten Gemeinschaften verdünnt oder miteinander vermischt, was zu Nachkommenschaftsgemeinschaften führen kann, die zu wenig Variation aufweisen und ihren Eltern zu ähnlich sind.

Ziel ist es, eine bessere Auswahlmethode zu entwickeln, die die Kooperation unter Mikroben fördert und dabei genug Unterschiede zwischen den Gemeinschaften bewahrt, um Verbesserungen zu ermöglichen. Eine neue Methode, die als "Zerlegungsselektion" bezeichnet wird, kombiniert Ideen aus der Informatik mit Biologie und zielt darauf ab, die Leistung der Gemeinschaft im Laufe der Zeit zu verbessern.

Testen einer neuen Auswahlmethode

Die Forscher testeten diesen Ansatz der Zerlegungsselektion, indem sie verschiedene Gemeinschaften aus bekannten Arten schufen und dann die leistungsstärksten Gruppen auswählten. Sie zerlegten und setzten die Gemeinschaften wiederholt zusammen, in der Hoffnung, Kombinationen zu entdecken, die besser als die vorherigen waren.

In dieser Studie war das Hauptziel eine spezifische Art von Verschmutzung in der Fertigungsindustrie, die als Metallbearbeitungsflüssigkeiten (MWFs) bekannt ist. Die ursprüngliche Gruppe von Mikroben konnte nur etwa 44 % dieser Flüssigkeit abbauen. Nach 18 Runden mit der neuen Auswahlmethode fanden sie eine Gemeinschaft, die im Durchschnitt bis zu 75 % abbauen konnte. Obwohl das eine signifikante Verbesserung war, gab es noch Fragen, wie viel besser sie abschneiden könnten.

Schritte zur Entwicklung von Gemeinschaften

  1. Gemeinschaftsbildung: In jeder Runde schufen sie neue Gemeinschaften, indem sie verschiedene Arten in gleichen Mengen kombinierten. Sie züchteten diese Gemeinschaften einige Tage lang und beobachteten, wie gut sie funktionierten.

  2. Leistungsbewertung: Nach dem Wachstum massen die Forscher, wie effektiv jede Gemeinschaft beim Abbau von Verschmutzung war. Das wurde gemacht, indem man die Menge der verbleibenden Verschmutzung verglich, nachdem die Mikroben ihre Arbeit erledigt hatten.

  3. Auswahl und Zerlegung von Gemeinschaften: Sie wählten die am besten leistungsfähigen Gemeinschaften aus und zerlegten sie, um herauszufinden, welche Arten vorhanden waren und wie viele von jeder Art lebendig waren.

  4. Proben einfrieren: Sie lagerten Proben der besten Arten für zukünftige Verwendung, um sicherzustellen, dass sie neue Gemeinschaften mit diesen ausgewählten Arten schaffen konnten.

  5. Neue Gemeinschaften bilden: Die Forscher verwendeten dann einen Computeralgorithmus, um die ausgewählten Arten zu mischen und neue Gemeinschaften basierend auf der Leistung der vorherigen Gruppen zu schaffen. Sie ersetzten auch eine Art in einigen Gemeinschaften, um Variabilität einzuführen.

Dieser Prozess wurde 18 Wochen lang wiederholt, mit dem Ziel, jedes Mal bessere Kombinationen von Mikroben zu finden.

Ergebnisse des Auswahlprozesses

Am Ende des Experiments zeigten die neuen Gemeinschaften eine verbesserte Fähigkeit, Verschmutzung abzubauen, im Vergleich zu den ursprünglichen Gruppen. Während die Gemeinschaft besser abschnitt, machte es dennoch deutlich, dass es noch Bedarf für bedeutendere Verbesserungen gab.

Die Forscher schauten sich auch an, welche spezifischen Arten einen positiven Einfluss auf die Gemeinschaften hatten. Sie fanden heraus, dass erfolgreiche Gemeinschaften oft Arten beinhalteten, die bekannt dafür sind, gut Schadstoffe abzubauen, sowie einige, die halfen, ohne viel selbst beizutragen.

Interessanterweise tauchten einige Arten, die insgesamt schwache Leistungen in Isolation zeigten, häufig in Gewinnkombinationen auf, möglicherweise weil sie die Leistung stärkerer Arten steigerten.

Herausforderungen bei der Auswahl von Mikroben überwinden

Trotz der Verbesserungen blieben mehrere Herausforderungen bei der Auswahl erfolgreicher Gemeinschaften bestehen. Ein Problem war, dass einige Arten zu schnell wuchsen und anderen Konkurrenz machten, was zur Ausrottung wertvoller Arten führte.

Die Forscher bemerkten, dass ihre Methode der Zerlegungsselektion half, diese Ausrottungsereignisse zu reduzieren. Allerdings änderte sich das allgemeine Gleichgewicht der Gemeinschaft und wie gut die Arten miteinander kooperierten, während des Auswahlprozesses nicht viel.

Die besten Gemeinschaften bestanden grösstenteils aus Arten, die sich gegenseitig nicht schädigten. Die Forscher hofften, dass dies stärkeren Abbauarten ermöglichen würde, zu gedeihen, während schwächere Arten nicht die Oberhand gewinnen würden.

Bewertung der Gemeinschaftsleistung

Um zu überprüfen, ob die ausgewählten Gemeinschaften sich wirklich gegenüber den vorherigen Gruppen verbessert hatten, verglich das Forschungsteam die Leistung der neu ausgewählten Arten mit ihren Vorfahren. Sie fanden heraus, dass die Leistung der meisten Arten ähnlich blieb, mit einer Ausnahme: Eine spezifische Art wurde besser im Wachsen, aber schlechter im Abbau von Schadstoffen, was möglicherweise auf einen Fokuswechsel hinweist.

Sie erforschten, wie die Interaktionen zwischen verschiedenen Arten sich im Laufe der Zeit änderten, aber insgesamt führte der Auswahlprozess nicht zu signifikanten Veränderungen in der Zusammenarbeit der Arten.

Wichtige Erkenntnisse aus der Studie

  1. Die neue Methode der Zerlegungsselektion zeigte vielversprechende Fortschritte beim Abbau von Schadstoffen durch mikrobielle Gemeinschaften.

  2. Viele erfolgreiche Gemeinschaften beinhalteten eine Mischung aus starken und schwachen Arten, was die Bedeutung der Zusammenarbeit für den Gemeinschaftserfolg unterstreicht.

  3. Herausforderungen bleiben, um sicherzustellen, dass die ausgewählten Gemeinschaften stabil und funktional bleiben, insbesondere im Hinblick auf den Wettbewerb unter den Arten.

  4. Insgesamt war der Auswahlprozess komplex und die Verbesserungen moderat, was auf die Notwendigkeit fortlaufender Forschung hinweist, um die Methoden zur Entwicklung besserer mikrobielle Gemeinschaften für umweltbezogene Aufgaben zu verfeinern.

  5. Zukünftige Experimente könnten einfachere Setups beinhalten, die eine breitere Palette von Arten zulassen und sich darauf konzentrieren, wie viele Arten tatsächlich für eine optimale Leistung benötigt werden.

Durch diese Arbeit machten die Forscher einen Schritt nach vorn, um zu verstehen, wie man besser funktionierende mikrobielle Gemeinschaften schaffen kann, was erhebliche Auswirkungen auf die Reinigung von Verschmutzung und die Verbesserung der Gesundheit des Ökosystems haben könnte. Ihre Ergebnisse weisen auf die Notwendigkeit hin, fortlaufende Experimente und Verfeinerungen durchzuführen, um die Techniken zur effektiven Auswahl und Kombination von Mikrobenarten zu verbessern.

Originalquelle

Titel: Artificial selection improves pollutant degradation by bacterial communities

Zusammenfassung: Artificial selection is a promising way to improve microbial community functions, but previous experiments have only shown moderate success. Here, we experimentally evaluate a new method that was inspired by genetic algorithms to artificially select small bacterial communities of known species composition based on their degradation of an industrial pollutant. Starting from 29 randomly generated four-species communities, we repeatedly grew communities for four days, selected the 10 best-degrading communities, and rearranged them into 29 new communities composed of four species of equal ratios whose species compositions resembled those of the most successful communities from the previous round. The best community after 18 such rounds of selection degraded the pollutant better than the best community in the first round. It featured member species that degrade well, species that degrade badly alone but improve community degradation, and free-rider species that did not contribute to community degradation. Most species in the evolved communities did not differ significantly from their ancestors in their phenotype, suggesting that genetic evolution plays a small role at this time scale. These experiments show that artificial selection on microbial communities can work in principle, and inform on how to improve future experiments.

Autoren: Sara Mitri, F. I. Arias-Sanchez, B. Vessman, A. Haym, G. Alberti

Letzte Aktualisierung: 2024-07-02 00:00:00

Sprache: English

Quell-URL: https://www.biorxiv.org/content/10.1101/2023.07.27.550627

Quell-PDF: https://www.biorxiv.org/content/10.1101/2023.07.27.550627.full.pdf

Lizenz: https://creativecommons.org/licenses/by/4.0/

Änderungen: Diese Zusammenfassung wurde mit Unterstützung von AI erstellt und kann Ungenauigkeiten enthalten. Genaue Informationen entnehmen Sie bitte den hier verlinkten Originaldokumenten.

Vielen Dank an biorxiv für die Nutzung seiner Open-Access-Interoperabilität.

Mehr von den Autoren

Ähnliche Artikel