Statistical learning of bacterial growth in combinatorially constructed environments
Door een volledige factoriële design te gebruiken om interacties tussen koolstofbronnen over zeven bacteriesoorten in kaart te brengen, toont deze studie aan dat hoewel individuele nutriënten contextafhankelijke negatieve effecten kunnen vertonen als gevolg van globale epistasie, bacteriële groei in complexe omgevingen voornamelijk wordt gedreven door additieve en paargewijze effecten, wat nauwkeurige voorspelling en rationele optimalisatie van groeicondities mogelijk maakt via eenvoudige statistische modellen.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
Stel je voor dat je een chef-kok bent die probeert het perfecte gebak te bakken. Je hebt een voorraadkast vol ingrediënten: bloem, suiker, eieren, chocolade en specerijen. Als je er maar een beetje suiker aan toevoegt, wordt de cake zoeter. Als je er een beetje bloem aan toevoft, wordt hij luchtiger. Dit is het makkelijke deel: ingrediënten werken meestal op zichzelf. Maar wat gebeurt er als je ze allemaal bij elkaar mengt? Soms maakt het toevoegen van een snufje zout de chocolade juist beter. Andere keren kan diezelfde snuf zout aan een vanillebeslag ervoor zorgen dat het verschrikkelijk smaakt. In de wereld van piepkleine levende wezens die bacteriën worden genoemd, is dit precies wat er gebeurt. Bacteriën leven in soepachtige omgevingen vol met verschillende voedingsstoffen, en deze voedingsstoffen tellen niet alleen bij elkaar op; ze interageren met elkaar. Ze kunnen teams vormen om de bacteriën te helpen groeien, of ze kunnen tegen elkaar vechten en de groei vertragen. Wetenschappers wisten al lang dat voedingsstoffen interageren, maar ze wisten niet of deze interacties simpel waren (zoals twee ingrediënten die tegen elkaar vechten) of ongelooflijk complex (zoals een complete keukenrelling waarbij elk ingrediënt bepaalt hoe elk ander ingrediënt zich gedraagt). Begrijpen van deze interacties is een groot ding, want als we kunnen voorspellen hoe bacteriën groeien, kunnen we betere medicijnen, schonere brandstoffen en gezondere voedingsmiddelen maken.
Dit is waar een team onderzoekers besloot om een massaal spelletje "mix en match" te spelen. Ze wilden zien of ze elke mogelijke manier waarop deze kleine interacties werken, konden in kaart brengen. Ze kozen acht verschillende koolstofbronnen (die zijn als de "bloem en suiker" voor bacteriën) en zeven verschillende soorten bacteriën. In plaats van slechts een paar combinaties te testen, gingen ze er vol voor. Ze creëerden elke mogelijke mix van die acht ingrediënten. Aangezien je een ingrediënt óf wel of niet hebt, betekent dit dat ze 255 unieke omgevingen bouwden (plus één lege kom met niets erin). Ze kweekten zeven verschillende bacteriestammen in elk van deze 255 kommen en hielden nauwlettend in de gaten hoe goed ze na 24 uur groeiden.
De resultaten waren verrassend en een beetje chaotisch. Ze ontdekten dat een voedingsstof die normaal gesproken een "held" is (die de groei van de bacteriën helpt), plotseling een "schurk" kan worden (die de groei stopt) afhankelijk van wat er nog meer in de kom zit. Bijvoorbeeld, één type suiker kan een bacterie helpen groeien als deze alleen is, maar als je het toevoegt aan een mix die al veel andere voedingsstoffen bevat, kan het de bacteriën zelfs schaden. Het is alsoal hoe een hard nummer leuk kan zijn op een feestje, maar als je het toevoegt aan een stille bibliotheek, verpest het de sfeer. De onderzoekers noemden dit "contextafhankelijkheid". De taak van een voedingsstof staat niet vast; deze verandert op basis van zijn buren.
Maar hier komt het echt coole gedeelte: zelfs al leken de interacties chaotisch, de wetenschappers ontdekten dat de chaos niet te ingewikkeld was. Ze vonden dat je niet elke enkele wilde, hoog-orde interactie (waarbij drie of vier ingrediënten tegelijkertijd vechten) hoeft te begrijpen om te voorspellen hoe de bacteriën zullen groeien. In plaats daarvan wordt de groei grotendeels gedreven door twee dingen: hoe goed elk ingrediënt op zichzelf is, en hoe paren van ingrediënten met elkaar interageren. Het blijkt dat als je weet hoe Ingrediënt A alleen werkt en hoe Ingrediënt A samenwerkt met Ingrediënt B, je de uitkomst van het hele feestje met verrassende nauwkeurigheid kunt voorspellen.
Het team gebruikte wiskunde om aan te tonen dat deze eenvoudige regels (additieve effecten en interacties tussen paren) meer dan 90% van de verschillen in hoe de bacteriën groeiden, verklaarden. Ze bouwden zelfs een computermodel dat naar een nieuwe, nog nooit eerder geziene mix van ingrediënten kon kijken en kon raden hoe goed de bacteriën zouden groeien, enkel door de regels van de paren te kennen. Dit werkte voor alle zeven soorten bacteriën die ze testten, ook al kwamen de bacteriën uit twee verschillende families.
Dus, wat betekent dit? Het suggereert dat hoewel de wereld van bacteriële groei vol verrassingen zit, het geen hopeloze puinhoop is. We hoeven niet elke mogelijke combinatie van voedingsstoffen te testen om de beste te vinden. We kunnen deze eenvoudige "paringregels" gebruiken om te leren van een kleinere set experimenten en vervolgens de beste recepten te voorspellen voor het kweken van bacteriën in nieuwe omgevingen. Het is alsof je de regels van een spel zo goed leert dat je de winnaar kunt voorspellen zonder elke wedstrijd te spelen. De onderzoekers geven toe dat ze slechts acht specifieke ingrediënten hebben getest en een beperkt aantal bacteriën, dus er kan meer complexiteit in andere situaties bestaan, maar voor deze omstandigheden lijkt de "eenvoudige regels"-aanpak een krachtig hulpmiddel voor de toekomst van de microbiologie te zijn.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.