6S rRNA phylogeny outperforms similarity thresholds for species identification and reveals genus-dependent underestimation of Lactobacillales diversity

Elk levend wezen draagt een biologische geschiedenis in zich die geschreven is in het DNA, een moleculair verslag dat wetenschappers vertelt wie een organisme is en hoe het aan anderen verwant is. Voor bacteriën, die te klein zijn om duidelijk te zien en onder een microscoop vaak identiek lijken, is dit genetische verslag de enige betrouwbare manier om de ene soort van de andere te onderscheiden. Decennialang hebben onderzoekers vertrouwd op een specifiek gen, bekend als het 16S rRNA-gen, om te fungeren als een universele barcode voor het identificeren van deze microscopische levensvormen. De standaardmethode is geweest om een nieuw bacterieel monster te vergelijken met een enorme bibliotheek van bekende sequenties, waarbij gezocht wordt naar een overeenkomst op basis van hoe vergelijkbaar de letters in de genetische code zijn. Als de gelijkenis hoog genoeg is, meestal boven een bepaald percentage, wordt het monster toegewezen aan een bekende soort. Deze benadering is de werkpaard van de microbiologie geweest, maar heeft een blinde vlek: wanneer twee verschillende soorten bijna identieke genetische codes hebben, faalt de eenvoudige vergelijkingsmethode vaak om ze van elkaar te onderscheiden, waardoor wetenschappers er niet zeker van zijn wat ze precies bestuderen.

Deze onzekerheid is van groot belang omdat bacteriën niet slechts abstracte namen zijn; zij zijn de motoren van ons voedsel, onze gezondheid en onze omgeving. In de wereld van fermentatie bijvoorbeeld, vervullen verschillende soorten melkzuurbacteriën zeer verschillende taken. Sommige zijn essentieel voor het maken van veilige, smakelijke yoghurt en kaas, terwijl andere ziekte kunnen veroorzaken of bederf. Als een onderzoeker het verschil niet kan zien tussen een nuttige bacterie en een schadelijke bacterie, kunnen de gevolgen variëren van een verpest voedselproduct tot een gemiste medische diagnose. De uitdaging is bijzonder groot in gebieden met een rijke biodiversiteit maar minder middelen, waar wetenschappers betaalbare, nauwkeurige instrumenten nodig hebben om het microbiële leven om hen heen in kaart te brengen. Een team van onderzoekers aan de Universidad EAFIT in Colombia zette zich af om te testen of een meer geavanceerde manier van het lezen van deze genetische barcodes dit probleem kon oplossen, door gebruik te maken van een diverse collectie bacteriën die gevonden zijn in traditionele gefermenteerde voedingsmiddelen in hun land.

De onderzoekers verzamelden honderden bacteriestammen uit een grote verscheidenheid aan bronnen, waaronder zuivelproducten, gefermenteerd fruit en plantaardige voedingsmiddelen verzameld in de bergen, valleien en aan de kusten van Colombia. Ze extraheerden het DNA uit deze monsters en sequentieerden het 16S rRNA-gen met behulp van een draagbaar, betaalbaar apparaat genaamd de MinION, die hoogwaardige genetische analyse mogelijk maakt zonder dat er een enorme, gecentraliseerde laboratoriumomgeving nodig is. Zodra ze de genetische sequenties hadden, keken ze niet simpelweg naar de dichtstbijzijnde overeenkomst in een database. In plaats daarvan bouwden ze een gedetailleerde stamboom voor de bacteriën met behulp van een methode genaamd Maximum Likelihood. Deze benadering telt niet alleen hoeveel letters hetzelfde zijn tussen twee sequenties; het analyseert de specifieke patronen van verandering die in de loop van de tijd zijn opgetreden om te bepalen hoe de bacteriën aan elkaar verwant zijn. Het is een manier om de evolutionaire geschiedenis van de groep te reconstrueren, waarbij gezocht wordt naar gedeelde kenmerken die een specifieke familie of soort definiëren.

Wanneer het team deze evolutionaire benadering vergeleek met de standaardmethode van het simpelweg controleren op gelijkenis, was het verschil in resultaten treffend. De standaardmethode, die steunt op een eenvoudige percentage-overeenkomst, gaf vaak tientallen mogelijke soorten terug voor één enkel bacterieel monster, waardoor de onderzoekers zonder duidelijk antwoord bleven staan. In veel gevallen waren de bacteriën zo vergelijkbaar dat het standaardinstrument niet in staat was ze van elkaar te onderscheiden, waardoor ze verschillende soorten effectief bij elkaar groepeerde. In contrast hiermee slaagde de methode van de evolutionaire boom erin meer dan de helft van de bacteriestammen te identificeren tot op het niveau van de soort. De onderzoekers ontdekten dat de boommethode, voor veel groepen, precies kon aanwijzen bij welke soort een stam behoorde door unieke genetische handtekeningen te vinden die de eenvoudige vergelijking miste. De studie onthulde echter ook dat deze hogere resolutie geen wondermiddel is voor elke situatie. In sommige genera, of groepen verwante bacteriën, zijn de genetische verschillen tussen soorten zo klein dat zelfs de geavanceerde boommethode ze niet kon onderscheiden, wat betekent dat voor bepaalde typen bacteriën de soorttelling onzeker blijft.

De bevindingen suggereren dat de manier waarop wetenschappers bacteriën identificeren moet verschuiven van eenvoudige matching naar het begrijpen van relaties. De studie toonde aan dat door een meer rigoureuze, evolutionaire context te gebruiken, onderzoekers een veel duidelijker beeld van microbiële diversiteit kunnen ontsluiten, waarbij tientallen soorten worden geïdentificeerd die voorheen verborgen of verkeerd geïdentificeerd waren. Dit niveau van precisie is cruciaal voor industrieën die afhankelijk zijn van specifieke bacteriën, zoals de voedselproductie en probiotica, waar de verkeerde soort kan leiden tot veiligheidsproblemen of mislukte producten. Bovendien bewees het onderzoek dat deze hoogwaardige analyse betaalbaar en lokaal kan worden uitgevoerd. Door gebruik te maken van het draagbare sequencing-apparaat en hun eigen analyse-pipelines te bouwen, lieten de onderzoekers zien dat landen met een rijke biodiversiteit niet hoeven te wachten op dure, gecentraliseerde faciliteiten om hun eigen microbiële hulpbronnen te begrijpen. Ze kunnen de specifieke bacteriën in hun traditionele voedingsmiddelen en omgevingen identificeren met vertrouwen, waardoor zij ervoor zorgen dat het unieke biologische erfgoed van hun regio nauwkeurig wordt gedocumenteerd en beschermd.