机器学习帮助科学家识别微生物的环境偏好

研究人员已经找到了一种方法，通过使用机器学习快速查看细菌的基因组来预测细菌的环境pH偏好。在科罗拉多大学博尔德分校(University of Colorado Boulder)专家的带领下，新方法有望帮助指导生态恢复工作、农业，甚至与健康相关的益生菌的开发。

“我们知道，在任何环境中，都有大量具有重要生态功能的细菌，但它们的环境偏好往往仍然未知，”环境科学研究合作研究所(CIRES)研究员，生态学和进化生物学教授Noah Fierer说。“我们的想法是使用这种技术来弄清楚它们自然历史的基本知识。

了解某些细菌是否最有可能在酸性，中性或碱性环境中茁壮成长只是第一步，CIRES访问学者Josep Ramoneda说。“你可以使用这种方法来预测微生物将如何适应几乎任何环境变化，”他说。例如，海平面上升正在将更多的咸水带入沿海湿地。“我们可以预测微生物将如何应对这些环境变化，”Ramoneda说。

这项新工作今天发表在《科学进展》杂志上，合著者包括来自CIRES和CU Boulder的其他人以及来自加拿大的同事。

微生物，包括细菌，对生态系统的运作至关重要;帮助植物生长，实现湖泊中的养分循环，甚至支持人类消化。但通常，它们不可能在实验室中分离和生长，所以我们通常对它们知之甚少，Ramoneda和Fierer说 - 除了它们的基因组成。近几十年来的遗传“捕鱼”技术导致了细菌基因组数据库的指数级增长。

因此，研究小组利用了科学家对一些细菌群体的了解，这些细菌群体在一种特定的pH值下茁壮成长，然后使用机器学习将这些群体的环境pH偏好与它们的基因组成联系起来。这项工作涉及从近250，000个土壤，湖泊和溪流样本中对超过1，500种细菌的基因组进行分类。

“我们发现我们可以仅根据基因组数据推断他们的pH偏好，”Ramoneda说。对于科学家来说，这一发现最直接的影响之一是，它可以帮助他们培养他们以前从未能够培养的挑剔细菌菌落，让他们首先猜测使用什么pH值。Fierer说，弄清楚如何“培养”细菌可能需要数年时间，以便可以在实验室中研究它们，机器学习方法可以使这一过程更加高效。

Ramoneda说，农业和林业专家还经常添加活细菌，为生长中的植物“接种”有用的细菌群落。现在，他们可能会更快、更好地了解可能有助于恢复原生草原与松树林的细菌类型，或者通过确保接种剂适应当地的pH值来更好地种植玉米或大豆。

接下来，研究小组计划尝试深入了解细菌的温度偏好，这是另一个可能涉及许多基因的复杂系统。例如，这可以帮助他们更好地了解变暖将如何影响土壤细菌群落。

“另一种选择是尝试在实验室中种植它们，这很痛苦，”Fierer说。