之间网

使用机器学习来识别对植物保护重要的微生物群模式

生活
导读 在《自然通讯》最近发表的一项研究中,Vorholt 实验室研究了植物微生物群的特性,这些微生物群参与保护宿主免受病原体定植。他们发现了特...

在《自然通讯》最近发表的一项研究中,Vorholt 实验室研究了植物微生物群的特性,这些微生物群参与保护宿主免受病原体定植。他们发现了特定菌株的存在,这些菌株可以在不同的生物环境中提供强有力的保护。

与植物相关的微生物组有助于重要的生态系统功能,例如宿主对生物和非生物胁迫的抵抗力。在复杂的环境条件下,决定此类社区结果的因素本身就很难确定。

在他们的研究中,Vorholt 实验室的研究团队引入了一种实验和分析方法,以探索还原系统中与微生物群赋予的宿主表型(此处为植物保护)相关的微生物群特性。

他们检查了随机组装的五种细菌菌株的合成群落(SynCom),然后进行分类和回归分析以及实证验证,以测试群落结构和组成的潜在解释因素,包括均匀度、总共生定殖、系统发育多样性和菌株身份。

作者发现菌株身份是病原体减少的重要预测因素,与随机分类和非建模预测相比,机器学习算法提高了性能。实验验证证实,已确定的菌株是减少病原体的主要驱动因素,也是提供组合保护的其他菌株。除了他们研究中提出的具体应用之外,这项工作还提供了一个框架,可以调整该框架来帮助确定与其他生物系统中微生物群功能相关的特征。

标签: