Использование машинного обучения для выявления паттернов микробиоты, важных для защиты растений

В недавнем исследовании, опубликованном в Nature Communications, лаборатория Ворхольта изучила свойства микробиоты растений, участвующие в защите хозяина от колонизации патогенами. Было обнаружено наличие специфических штаммов, обеспечивающих надежную защиту в различных биотических контекстах.

Микробиомы, ассоциированные с растениями, вносят вклад в важные экосистемные функции, такие как устойчивость хозяина к биотическим и абиотическим стрессам. Факторы, определяющие такие исходы на уровне сообщества, крайне сложно выявить в сложных условиях окружающей среды.

В своем исследовании научная группа лаборатории Ворхольта представила экспериментальный и аналитический подход для изучения свойств микробиоты, значимых для фенотипа хозяина, определяемого микробиотой — в данном случае защиты растения, — в редукционистской системе.

Они исследовали случайно собранные синтетические сообщества (SynComs) из пяти бактериальных штаммов каждый, а затем провели анализ классификации и регрессии, а также эмпирическую валидацию, чтобы проверить потенциальные объясняющие факторы структуры и состава сообщества, включая выравненность, общую колонизацию комменсалами, филогенетическое разнообразие и идентичность штамма.

Авторы обнаружили, что идентичность штамма была важным предиктором снижения численности патогена, причем алгоритмы машинного обучения показали лучшую производительность по сравнению со случайной классификацией и немоделированными прогнозами. Экспериментальная валидация подтвердила, что выявленные штаммы являются основными драйверами снижения численности патогена, а также обнаружила дополнительные штаммы, обеспечивающие защиту в комбинации.

Помимо конкретного применения, представленного в исследовании, эта работа предлагает фреймворк, который можно адаптировать для определения признаков, значимых для функции микробиоты в других биологических системах.