Die Grenzen klassischer Modelle

Bisherige Modelle zur Analyse mikrobieller Gemeinschaften basieren oft auf Durchschnittswerten der Mikrobenhäufigkeit über einen bestimmten Zeitraum. Diese Ansätze sind zwar hilfreich, um zeitliche Veränderungen nachzuvollziehen, doch sie können die eigentlichen Interaktionen zwischen Mikroorganismen nur unzureichend abbilden.

Ein internationales Forschungsteam hat diese Lücke geschlossen. Beteiligt sind Wissenschaftler:innen des Max-Planck-Instituts für Evolutionsbiologie (MPI-EB), des University College London (UCL) und der Universität Aix-Marseille. Alle arbeiten im Rahmen des Sonderforschungsbereichs 1182 „Entstehen und Funktionieren von Metaorganismen“ an der Christian-Albrechts-Universität zu Kiel.

Stochastisches Modell für mikrobielle Interaktionen

Die Forschenden entwickelten ein stochastisches Modell, das mikroskopische Übergangsraten – wie Geburten, Migration oder Mutationen – berücksichtigt. Es berechnet statistische Momente der Zusammensetzung des Mikrobioms und ermöglicht so die präzise Ermittlung von Parametern und deren Unsicherheiten. „Unser Modell berücksichtigt nicht nur Durchschnittswerte, sondern auch Streuungen und Zusammenhänge zwischen den Daten, um mikrobiologische Interaktionen deutlich präziser zu erfassen“, erklärt Dr. Román Zapién-Campos, Postdoktorand am UCL und Hauptautor der Studie.

„Unsere Methode schließt eine zentrale Lücke zwischen metagenomischen Daten und ökologischen Modellen“, so Ko-Autor Arne Traulsen, Direktor der Abteilung für Theoretische Biologie am MPI-EB. Besonders hervorzuheben ist, dass der Ansatz sowohl mit Daten zu relativen Häufigkeiten – wie sie typischerweise in Metagenomik-Studien vorkommen – als auch mit absoluten Häufigkeiten arbeitet. Dies erweitert die Anwendbarkeit erheblich und erlaubt Analysen unabhängig von der Art der vorliegenden Daten.

Erfolgreiche Tests und erste Anwendungen

Das Team testete das Modell erfolgreich an simulierten Daten, um dessen Verlässlichkeit zu überprüfen. Darüber hinaus analysierten sie ein vereinfachtes Mikrobiom von Mäusen, das aus zwölf gut charakterisierten Spezies besteht. „Wir konnten nicht nur die zugrundeliegenden Mechanismen dieser mikrobiellen Gemeinschaften aufdecken, sondern auch die Unsicherheiten der Modellparameter präzise quantifizieren“, erläutert Dr. Florence Bansept, Gruppenleiterin und CNRS-Wissenschaftlerin an der Universität Aix-Marseille.

Diese Studie stellt einen erheblichen Fortschritt für das Verständnis mikrobieller Ökosysteme und ihrer Wechselwirkungen mit ihren Wirten dar. Die neu entwickelte Methode bietet vielversprechende Perspektiven, um Mikrobiome in der Medizin, aber auch mikrobielle Communities in der Umwelt besser zu verstehen.

Originalpublikation:
Zapién-Campos R, Bansept F, Traulsen A (2024): Stochastic models allow improved inference of microbiome interactions from time series data. PLoS Biol 22(11): e3002913. doi.org/10.1371/journal.pbio.3002913

Quelle: Max-Planck-Institut für Evolutionsbiologie