6S rRNA phylogeny outperforms similarity thresholds for species identification and reveals genus-dependent underestimation of Lactobacillales diversity
Diese Studie zeigt, dass die phylogenetische Analyse von 16S-rRNA-Sequenzen herkömmliche Ähnlichkeitsschwellenwerte und Datenbankmethoden zur genauen Identifizierung von Arten innerhalb der Ordnung der Lactobacillales übertrifft, während sie gleichzeitig die Oxford-Nanopore-Sequenzierung als kosteneffizientes Werkzeug für die hochauflösende Bewertung der mikrobiellen Diversität in untererforschten Habitaten validiert.
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
Jedes Lebewesen trägt eine biologische Geschichte in seiner DNA, ein molekulares Protokoll, das Wissenschaftlern verrät, wer ein Organismus ist und wie er mit anderen verwandt ist. Für Bakterien, die zu klein sind, um deutlich gesehen zu werden, und unter einem Mikroskop oft identisch aussehen, ist diese genetische Aufzeichnung der einzige zuverlässige Weg, um eine Spezies von einer anderen zu unterscheiden. Jahrzehntelang haben Forscher auf ein spezifisches Gen angewiesen, das als 116S rRNA-Gen bekannt ist und als universeller Barcode zur Identifizierung dieser mikroskopischen Lebensformen dient. Die Standardmethode bestand darin, eine neue Bakterienprobe gegen eine massive Bibliothek bekannter Sequenzen abzugleichen und nach einer Übereinstimmung basierend darauf zu suchen, wie ähnlich sich die Buchstaben im genetischen Code sind. Wenn die Ähnlichkeit hoch genug war, üblicherweise über einem bestimmten Prozentsatz, wurde die Probe einer bekannten Spezies zugeordnet. Dieser Ansatz war das Arbeitspferd der Mikrobiologie, aber er hat eine Schwachstelle: Wenn zwei verschiedene Arten nahezu identische genetische Codes besitzen, scheitert die einfache Vergleichsmethode oft daran, zwischen ihnen zu unterscheiden, was Wissenschaftler im Unklaren darüber lässt, was genau sie untersuchen.
Diese Unsicherheit ist von tiefer Bedeutung, da Bakterien nicht nur abstrakte Namen sind; sie sind die Motoren unserer Nahrung, unserer Gesundheit und unserer Umwelt. In der Welt der Fermentation beispielsweise verrichten verschiedene Arten von Milchsäurebakterien sehr unterschiedliche Aufgaben. Einige sind essenziell für die Herstellung von sicherem, schmackhaftem Joghurt und Käse, während andere Krankheiten verursachen oder zum Verderb führen können. Wenn ein Forscher nicht den Unterschied zwischen einem hilfreichen Bakterium und einem schädlichen erkennen kann, können die Folgen von einem ruinierten Chargenverlust in der Lebensmittelproduktion bis hin zu einer verpassten medizinischen Diagnose reichen. Die Herausforderung ist besonders akut in Regionen mit reicher Biodiversität, aber weniger Ressourcen, wo Wissenschaftler erschwingliche, präzise Werkzeuge benötigen, um das mikrobielle Leben um sie herum zu kartieren. Ein Forschungsteam der Universidad EAFIT in Kolumbien setzte sich zum Ziel zu testen, ob eine ausgefeiltere Art des Lesens dieser genetischen Barcodes dieses Problem lösen könnte, indem es eine vielfältige Sammlung von Bakterien verwendete, die in traditionellen fermentierten Lebensmitteln ihres Landes vorkommen.
Die Forscher sammelten hunderte von Bakterienstämmen aus einer Vielzahl von Quellen, darunter Milchprodukte, fermentierte Früchte und pflanzliche Lebensmittel, die in den Bergen, Tälern und an den Küsten Kolumbiens gesammelt wurden. Sie extrahierten die DNA aus diesen Proben und sequenzierten das 16S rRNA-Gen mit einem tragbaren, erschwinglichen Gerät namens MinION, das eine qualitativ hochwertige genetische Analyse ermöglicht, ohne dass ein massives, zentralisiertes Labor benötigt wird. Sobald sie die genetischen Sequenzen erhalten hatten, suchten sie nicht einfach nach der engsten Übereinstimmung in einer Datenbank. Stattdessen erstellten sie einen detaillierten Stammbaum für die Bakterien mithilfe einer Methode namens Maximum-Likelihood. Dieser Ansatz zählt nicht nur, wie viele Buchstaben zwischen zwei Sequenzen gleich sind; er analysiert die spezifischen Veränderungsmuster, die im Laufe der Zeit aufgetreten sind, um zu bestimmen, wie die Bakterien miteinander verwandt sind. Es ist eine Art, die evolutionäre Geschichte der Gruppe zu rekonstruieren, indem nach gemeinsamen Merkmalen gesucht wird, die eine bestimmte Familie oder Spezies definieren.
Als das Team diesen evolutionären Ansatz mit der Standardmethode des einfachen Abgleichs der Ähnlichkeit verglich, war der Unterschied in den Ergebnissen eklatant. Die Standardmethode, die auf einem einfachen Prozentsatz der Übereinstimmung beruht, lieferte für eine einzige Bakterienprobe oft Dutzende möglicher Arten zurück und ließ die Forscher ohne klare Antwort. In vielen Fällen waren die Bakterien so ähnlich, dass das Standardwerkzeug sie nicht unterscheiden konnte, wodurch unterschiedliche Arten effektiv zusammengefasst wurden. Im Gegensatz dazu identifizierte die evolutionäre Baummethode mehr als die Hälfte der Bakterienstämme auf Spezies-Ebene. Die Forscher fanden heraus, dass die Baummethode für viele Gruppen in der Lage war, genau zu bestimmen, zu welcher Spezies ein Stamm gehörte, indem sie einzigartige genetische Signaturen fand, die der einfache Vergleich übersah. Die Studie zeigte jedoch auch, dass diese höhere Auflösung kein Allheilmittel für jede Situation ist. In einigen Gattungen, oder Gruppen verwandter Bakterien, sind die genetischen Unterschiede zwischen den Arten so gering, dass selbst die fortgeschrittene Baummethode sie nicht unterscheiden konnte, was bedeutet, dass für bestimmte Arten von Bakterien die Anzahl der Spezies weiterhin ungewiss bleibt.
Die Ergebnisse legen nahe, dass sich die Art und Weise, wie Wissenschaftler Bakterien identifizieren, von einfachem Abgleichen hin zum Verständnis von Beziehungen verschieben muss. Die Studie demonstrierte, dass Forscher durch die Verwendung eines strengeren, evolutionären Rahmens ein viel klareres Bild der mikrobiellen Vielfalt aufdecken können, indem sie Dutzende von Arten identifizieren, die zuvor verborgen oder falsch identifiziert waren. Diese Präzision ist entscheidend für Branchen, die auf spezifische Bakterien angewiesen sind, wie etwa die Lebensmittelproduktion und Probiotika, wo die falsche Spezies zu Sicherheitsrisiken oder fehlerhaften Produkten führen könnte. Darüber hinaus bewies die Forschung, dass diese hochgradige Analyse erschwinglich und lokal durchführbar ist. Durch die Verwendung des tragbaren Sequenziergeräts und den Aufbau ihrer eigenen Analyse-Pipelines zeigten die Teams, dass Länder mit reicher Biodiversität nicht auf teure, zentralisierte Einrichtungen warten müssen, um ihre eigenen mikrobiellen Ressourcen zu verstehen. Sie können die spezifischen Bakterien in ihren traditionellen Lebensmitteln und Umgebungen mit Zuversicht identifizieren und so sicherstellen, dass das einzigartige biologische Erbe ihrer Region genau dokumentiert und geschützt wird.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.