树木水状况的微生物生物标志物用于下一代森林生态系统生物监测
Marine C Cambon1,2, Marine Trillat1, Isabelle Lesur-Kupin1,3
1INRAE, University of Bordeaux, BIOGECO, Pessac, France.
Molecular ecology
|October 10, 2023
概括
来自树木植物圈微生物的环境DNA可以预测树木水的状态. 这一发现支持下一代森林健康生物监测,使用机器学习和eDNA分析.
科学领域:
- 生态生态学 生态生态学
- 微生物学 微生物学
- 生物信息学是一种生物信息学.
背景情况:
- 下一代生物监测旨在将机器学习与环境DNA (eDNA) 整合起来,用于自动化生态系统监测.
- 树木水的状态对森林健康至关重要,但目前的监测方法可能有限.
研究的目的:
- 研究植物界微生物群落作为树木水状况分子生物标志物的潜力.
- 开发一种机器学习模型,使用eDNA数据自动检测树木水的状态.
主要方法:
- 使用安普利康测序分析四种树种的植物圈微生物群落 (细菌和真菌).
- 训练一个随机森林机器学习算法,根据它们的水状态 (灌与非灌) 来分类树木.
主要成果:
- 机器学习模型根据植物圈微生物组成准确预测了树木水的状态 (树>90%,松树和树>75%).
- 植物界真菌群落比细菌群落更能说明水的状况.
- 七种真菌的安普利康序列变异被确定为树水状况的潜在生物标志物.
结论:
- 植物界微生物群落作为森林生态系统中树木水状况的可靠指标.
- 这种方法可以集成到下一代生物监测程序中,以实时评估森林健康.
- 基于eDNA的生物监测为监测欧洲温带森林生态系统提供了一个有前途的工具.
