传统的人工选择方法在微生物群落中的应用效果有限,主要原因是选择发生在群体水平而非个体水平,导致生态和进化动态难以控制。今天,小编带大家看一项发表在《Nature Communications》上的新方法,有望突破这一局限,研究者通过连续的群落菌株筛选和重组,逐步优化群落的功能效率,为微生物群落的人工选择开辟了新路径。
实验设计
研究背景
当今环境污染日益严重,寻找有效的方法来降解工业污染物变得尤为重要。研究提出了一种新的方法——“拆分选择法”(disassembly selection),通过人工选择算法优化微生物群落的功能,显著提高了对金属加工液(MWFs)的降解效率。
展开剩余76%主要结果
降解效率在18轮选择后得到了提升
从29个随机生成的四物种群落开始,通过连续18轮的选择和重组,最终发现了一个比初始群落更有效地降解工业污染物的细菌群落。这一过程不仅提高了污染物的降解效率,而且还揭示了群落中不同物种的相互作用和贡献。
为了验证该方法是否能够筛选出更高效的降解群落,设置了一个对照组:随机选择了十个群落(不基于它们的降解得分)进行培养,并用这些群落构建下一轮的群落。
为了估计群落的重现性,计算了汉明距离(一个群落为了得到与最佳群落相同的组成而必须交换的物种数量),发现最好的5个群落的汉明距离分布显著低于研究中所有群落对之间的距离分布。这表明人工选择方法有效提升了群落的降解能力,并维持了高性能群落。
图 人工选择方法及其性能
选择减少了菌种消失,但没有增加均匀度或总生物量
为了探讨选择是否有利于种群增长、群落均匀性或物种生存等群落属性。在设计选择方法时,采用了一个策略:根据存活物种的比例来调整其降解得分。简单来说,就是让那些能保持物种多样性的菌群获得更高的评分。结果选择处理组的物种消失率显著低于随机对照组,表明选择有助于减少竞争压力。尽管选择处理组的群落成员数量有所增加,但均匀性和总生物量并未显著改变。
图 随着时间的推移,消失的数量,均匀性和总群体规模
成功的群落由优秀的降解者、促进者和搭便车者组成
某些物种经常出现在较好的群落中,研究探索了这些物种的特点,以及群落降解得分是否取决于特定物种或物种组合的存在。分析表明,选择过程似乎更倾向于那些至少包含一个高效降解物种的群落,尤其是当这些“较弱”的物种能够提升其降解效能时,只要它们不引起物种灭绝。尽管最终群落中出现的“搭便车者”对降解效果有负面影响,但这种方法似乎并没有将它们排除。
图 物种在进化群落中的表现和可能解释它的因素
物种进化有限
为了确定实验结束时物种是否在其表型上与它们的祖先有所不同,比较了所有11个物种与其祖先的降解速率和种群大小。观察到除了Ct之外,其他物种均没有显著差异。与祖先菌株相比,进化后的菌株在表型上变化不大,表明在此时间尺度上,进化对物种的影响有限。
图 物种内进化的影响
结论
这项研究证明了“拆分选择法”在优化微生物群落功能方面的有效性。通过这种方法,研究人员不仅找到了高效的污染物降解群落,还为未来类似实验的设计提供了宝贵的经验。尽管存在一些挑战,如物种多样性和群落稳定性的维持,但这一初步概念验证研究为微生物群落的工程化设计开辟了新的途径。
参考文献
Arias-Sánchez, F.I., Vessman, B., Haym, A. et al. Artificial selection improves pollutant degradation by bacterial communities. Nat Commun 15, 7836 (2024).
凌恩 帮您进行各类项目的个性化分析,提高科研水平。更多测序项目了解,请关注凌恩,紧跟CNS步伐,用最新的分析方法助力您的科研!
发布于:陕西省启盈优配-杠杆配资平台-股票配资机构-散户配资网提示:文章来自网络,不代表本站观点。