Metagenomic prediction of methane emissions in sheep using single- and multi-matrix BLUP models with taxonomic and functional microbial features
Diese Studie zeigt, dass die Verwendung von Long-Read-Metagenomdaten mit COG-basierten Funktionsmerkmalen in ein- und mehrmatrizialen BLUP-Modellen eine präzise Vorhersage der enterischen Methanemissionen bei Schafen ermöglicht, wobei sie taxonomische Merkmale übertrifft und darauf hindeutet, dass die funktionelle Annotation allein für effektive Strategien zur Methanminderung ausreichend ist.
Originalarbeit lizenziert unter CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung eines Preprints, das nicht peer-reviewed wurde. Dies ist kein medizinischer Rat. Treffen Sie keine Gesundheitsentscheidungen auf Grundlage dieses Inhalts. Vollständigen Haftungsausschluss lesen
Stellen Sie sich eine Herde von 396 Schafen vor, die auf einer Weide grasen. Während sie Gras fressen, arbeiten ihre Mägen wie Fabriken, die Methan produzieren, ein potentes Treibhausgas. Für Landwirte und Wissenschaftler ist es, genau zu wissen, wie viel Gas jedes einzelne Schaf produziert, so wie der Versuch, das Gewicht eines versteckten Kartons zu erraten, ohne ihn zu öffnen: Es ist teuer, schwierig und langsam, dies direkt zu messen.
Dieses Papier schlägt eine clevere Abkürzung vor: Anstatt das Gas zu wiegen, schauen wir uns die „Crew“ im Magen des Schafes an (das Rumen-Mikrobiom), um den Ausstoß vorherzusagen. Die Forscher behandelten den Darm des Schafes wie eine geschäftige Stadt und fragten: „Wer lebt hier, und welche Aufgaben erledigen sie?“
Das Experiment: Drei Wege, die Stadt zu lesen
Um das beste Bild dieser Darmstadt zu erhalten, verwendeten die Wissenschaftler drei verschiedene „Übersetzungswerkzeuge“ (bioinformatische Pipelines), um den genetischen Code der Mikroben zu lesen. Sie wollten sehen, welches Werkzeug die genaueste Vorhersage des Methans lieferte.
Sie betrachteten die Mikroben auf zwei Arten:
- Das „Wer“ (Taxonomie): Das Identifizieren der spezifischen Namen und Arten der Bakterien, so als würde man jeden Bewohner nach seinem vollen Namen und Stammbaum auflisten.
- Das „Was“ (Funktion): Das Identifizieren der Aufgaben, die die Bakterien erledigen, wie zum Beispiel festzustellen, wer der Bäcker, wer der Mechaniker und wer der Elektriker ist, unabhängig von ihren Namen.
Die Ergebnisse: Jobs sind wichtiger als Namen
Die Studie ergab, dass zu wissen, was die Mikroben tun, weitaus wichtiger war als zu wissen, wer sie sind.
- Das beste Werkzeug: Die genaueste Vorhersage kam von einer spezifischen Methode, die sich auf die „Aufgaben“ konzentrierte (speziell ein System namens COG). Es war, als würde man vorhersagen, wie viel Brot eine Bäckerei produziert, indem man die Anzahl der Öfen und Bäcker zählt, anstatt zu versuchen, die Namen jedes einzelnen Bäckers auswendig zu lernen.
- Die Punktzahl: Diese Methode war unglaublich gut darin, die Methanwerte zu erraten, wobei sie etwa 94 % der Unterschiede zwischen den Schafen erklärte und die Zahlen mit einer Korrelation von 0,61 (ein starker Wert in diesem Bereich) richtig traf.
- „Wer“ vs. „Was“: In jedem einzelnen Szenario war der Blick auf die funktionellen Aufgaben überlegen gegenüber dem Blick auf die taxonomischen Namen. Zu wissen, welche Bakterien-Spezies vorhanden waren, half nicht viel, wenn man nicht wusste, welche Arbeit sie ausführten.
Die letzte Wendung: Ein wenig zusätzliche Hilfe
Die Forscher versuchten auch, die „Wer“- und die „Was“-Listen zu einem einzigen riesigen Bericht zu kombinieren (ein Multi-Matrix-Modell). Dies gab einen winzigen, leichten Schub zur Genauigkeit, so als würde man ein paar zusätzliche Details zu einer Karte hinzufügen. Der Hauptpunkt war jedoch, dass das „Was“ (die funktionellen Aufgaben) fast die gesamte schwere Arbeit leistete. Man brauchte das „Wer“ (die taxonomischen Namen) nicht wirklich, um eine hervorragende Vorhersage zu treffen.
Das Fazit
Diese Studie zeigt, dass wir fortschrittliche DNA-Lesetechnologie nutzen können, um die „Aufgaben“ im Magen eines Schafes zu betrachten und präzise vorherzusagen, wie viel Methan es emittieren wird. Es stellt sich heraus, dass wir nicht die Namen jedes Mikrobens kennen müssen, um das Rätsel zu lösen; das Verständnis ihrer täglichen Aufgaben reicht aus, um ein sehr klares Bild der Emissionen zu erhalten.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.