人工选择改善了细菌群体的污染物降解

科学领域:

• 微生物生态学 微生物生态学
• 合成生物学 合成生物学
• 进化的算法 进化的算法

背景情况:

• 人工选择可以增强微生物社区的功能,但成功程度有限.
• 以前的方法缺乏一种系统的方法来优化社区层面的特征.

研究的目的:

• 实验评估一种由基因算法启发的新型人工选择方法,以改善微生物社区功能.
• 评估该方法在增强工业污染物的细菌群体降解方面的有效性.

主要方法:

• 产生了29个随机的四种细菌群落.
• 应用循环选择:在4天内培养社区,选择前10名表演者,并根据成功的作品创建新的社区.
• 这种选择过程重复了18轮.

主要成果:

• 在18轮测试后,表现最好的社区与最初的社区相比,显示了明显改善的污染物降解.
• 进化社区包括具有不同退化作用的物种:高性能物种,增强社区功能物种和"自由骑手".
• 微生物表型基本保持不变,这表明选择主要作用于社区组成,而不是个体遗传进化.

结论:

• 人工选择,特别是当受遗传算法启发时,是改善微生物社区功能的可行策略.
• 该研究展示了选择社区级特征的原则,并为优化未来微生物生态学人工选择实验提供了见解.