Araştırmacılar, makine öğrenimini kullanarak bakterilerin genomlarına hızlı bir bakışla çevresel pH tercihlerini tahmin etmenin bir yolunu buldular. Colorado Boulder Üniversitesindeki uzmanların öncülüğünde geliştirilen yeni yaklaşım; ekolojik restorasyon çabalarına, tarıma ve hatta sağlıkla ilgili probiyotiklerin geliştirilmesine yardımcı olmayı vaat ediyor.
Çevre Bilimleri Araştırma Enstitüsü (CIRES) üyesi ve CU Boulder’da Ekoloji ve Evrimsel Biyoloji Profesörü olan Noah Fierer, “Herhangi bir ortamda, önemli ekolojik işlevlere sahip bir ton bakteri olduğunu biliyoruz ancak çevresel tercihleri genellikle bilinmemektedir” dedi. “Fikir, bu tekniği doğal tarihlerinin temellerini anlamak için kullanmaktır.”
CIRES’te misafir akademisyen olarak çalışan başyazar Josep Ramoneda, belirli bakterilerin asidik, nötr veya bazik ortamlarda gelişme olasılığının yüksek olup olmadığını anlamanın sadece ilk adım olduğunu söyledi. “Bu yaklaşımı, mikropların neredeyse tüm çevresel değişikliklere nasıl uyum sağlayacağını tahmin etmek için kullanabilirsiniz” dedi. Örneğin, deniz seviyesindeki yükselmenin bir kıyı sulak alanına daha fazla tuzlu su getirdiğini varsayalım. Ramoneda, “Mikropların bu çevresel değişikliklere nasıl tepki vereceğini tahmin edebiliriz” dedi.
28 Nisan’da Science Advances dergisinde yayınlandı. Ortak yazarlar arasında CIRES ve CU Boulder’dan diğerlerinin yanı sıra Kanada’dan meslektaşları da yer alıyor.
Bakteriler de dahil olmak üzere mikroplar, ekosistemlerin işleyişi için kritik öneme sahiptir; bitkilerin büyümesine yardımcı olur, göllerde besin döngüsünü sağlar ve hatta insan sindirimini destekler. Ancak Ramoneda ve Fierer, bu mikropların laboratuvarda izole edilip büyütülmesinin çoğu zaman imkânsız olduğunu, bu nedenle de genetik yapıları dışında haklarında çok az şey bildiğimizi belirtiyor. Son on yılların genetik teknikleri, bakteri genomlarının katlanarak büyüyen veri tabanlarına yol açtı.
Bu nedenle araştırma ekibi, bilim insanlarının belirli bir pH’da veya başka bir pH’da gelişen birkaç bakteri grubu hakkında bildiklerinden yararlandı ve daha sonra bu grupların çevresel pH tercihlerini genetik yapılarıyla ilişkilendirmek için makine öğrenimini kullandı. Çalışma, yaklaşık 1.500 toprak, göl ve akarsu örneğinden 250.000’den fazla bakteri türünün genomlarının sıralanmasını içeriyordu.
Ramoneda, “Bulduğumuz şey, yalnızca genomik verilere dayanarak pH tercihleri hakkında çıkarımlar yapabileceğimizdir” dedi. Bilim insanları için bulgunun en önemli sonuçlarından biri, hangi pH’ı kullanacakları konusunda bir ilk tahmin vererek, daha önce hiç yetiştiremedikleri titiz bakteri kolonilerini yetiştirmelerine yardımcı olabilmesidir. Fierer, laboratuvarda incelenebilmeleri için bakterilerin nasıl “kültürleneceğini” anlamanın yıllar alabileceğini ve makine öğrenimi yönteminin bu süreci çok daha verimli hale getirebileceğini söyledi.
Ramoneda, tarım ve ormancılık uzmanlarının da büyüyen bitkileri yararlı bakteri topluluklarıyla “inoküle etmek” için genellikle canlı bakteriler eklediğini söyledi. Şimdi, inokülantların lokal pH’a adapte olmasını sağlayarak çam ormanlarına karşı doğal bir çayırın restore edilmesine ya da mısır veya soya fasulyesinin daha iyi yetiştirilmesine yardımcı olabilecek bakteri türleri hakkında daha hızlı ve daha iyi bir fikir edinebilirler.
Ekip daha sonra, muhtemelen çok sayıda gen içeren başka bir karmaşık sistem olan bakterilerin sıcaklık tercihleri hakkında fikir edinmeye çalışmayı planlıyor. Bu, örneğin ısınmanın toprak bakteri topluluklarını nasıl etkileyeceğini daha iyi anlamalarına yardımcı olabilir.
Fierer, “Bunun alternatifi, hepsini laboratuvarda yetiştirmeye çalışmaktır ve bu da acı vericidir” dedi. [1]Machine learning helps scientists identify the environmental preferences of microbes
[cite]
Kaynaklar ve İleri Okuma
| ↑1 | Machine learning helps scientists identify the environmental preferences of microbes |
|---|
