通过合成社区和机器学习,识别重要于植物保护的微生物群体模式
Barbara Emmenegger1, Julien Massoni2, Christine M Pestalozzi1
1Institute of Microbiology, ETH Zurich, Zurich, Switzerland.
Nature communications
|December 2, 2023
概括
了解植物微生物组是提高作物弹性的关键. 这项研究表明,特定的细菌菌株身份,而不仅仅是多样性,对于给予植物对病原体的保护至关重要.
科学领域:
- 微生物学 微生物学
- 植物科学 植物科学
- 生态生态学 生态生态学
背景情况:
- 与植物相关的微生物组增强了宿主对环境压力的抵抗力.
- 在复杂的生态系统中,确定驱动微生物组功能的因素仍然具有挑战性.
研究的目的:
- 开发和应用一种减少主义的实验和分析框架,以确定植物保护的关键微生物群属性.
- 调查社区结构和组成 (均性,殖民化,多样性,菌株身份) 在植物防御中的作用.
主要方法:
- 对136个合成细菌群落 (SynComs) 的查,每种细菌群落分别有5个菌株.
- 使用分类,回归和机器学习分析来预测病原体减少.
- 进行实证验证,以确认植物保护的关键微生物驱动因素.
主要成果:
- 细菌菌株身份是病原体减少的最重要的预测因素.
- 机器学习模型准确地预测了病原体减少 (94-100%的回忆).
- 三种特定的细菌菌株被确定为病原体减少的主要驱动因素,另外两种细菌菌株表现出协同作用.
结论:
- 菌株身份是微生物组所赋予的植物保护的关键决定因素.
- 开发的框架可以适应用于识别各种生物系统中的功能性微生物特征.
- 这项研究提供了一种强大的方法来剖析与宿主健康相关的微生物组功能.
