研究人員已經找到了一種方法，通過快速查看細菌的基因組，利用機器學習來預測細菌的環境pH偏好。在科羅拉多大學博爾德分校專家的領導下，這種新方法有望幫助指導生態恢復工作、農業，甚至與健康有關的益生菌的開發。

環境科學合作研究所（CIRES）研究員、科羅拉多大學博爾德分校生態學和進化生物學教授諾亞-菲勒說：”我們知道，在任何環境中，都有大量具有重要生態功能的細菌，但它們的環境偏好往往仍然是未知的。我們的想法是用這種技術來弄清它們的自然歷史的基本情況”。

了解某些細菌是否最可能在酸性、中性或鹼性環境中茁壯成長只是第一步，主要作者、CIRES訪問學者Josep Ramoneda說：”你可以用這種方法來預測微生物將如何適應幾乎任何環境變化。例如，海平面上升將更多的鹽水帶入一個沿海濕地。我們可以預測微生物將如何應對這些環境變化。”

這項新工作今天（2023年4月28日）發表在《科學進展》雜誌上，共同作者包括來自CIRES和CU Boulder的其他人以及加拿大的同事。

科羅拉多大學博爾德分校博士生Corinne Walsh正在處理含有與小麥植物相關的微生物的土壤樣品。一種新的機器學習方法可能會幫助像沃爾什這樣的微生物生態學家從快速查看其基因組中找出細菌的環境偏好，使一些實驗室工作更加高效，農業科學更加成功。資料來源：環境科學合作研究所（2020）。

包括細菌在內的微生物對生態系統的運作至關重要；幫助植物生長，實現湖泊中的營養循環，甚至支持人類消化。但通常情況下，它們不可能在實驗室中分離和生長，所以我們通常對它們知之甚少，Ramoneda和Fierer說–除了它們的基因構成之外。近幾十年來的基因”捕撈”技術導致細菌基因組數據庫呈指數級增長。

因此，研究小組利用了科學家們對一些細菌群體的了解，它們在某種特定的pH值下生長，然後使用機器學習將這些群體的環境pH值偏好與它們的基因構成聯繫起來。這項工作涉及對來自近1500個土壤、湖泊和溪流樣本的超過25萬種細菌的基因組進行分類。

Ramoneda說：”我們可以僅根據基因組數據對它們的pH值偏好做出推斷。對於科學家來說，這一發現最直接的影響之一是，它可以幫助他們種植以前從未種植過的挑剔的細菌群，讓他們初步猜測應該使用什麼pH值。”

要想知道如何”培養”細菌，以便在實驗室中對其進行研究通常需要花費數年時間，而機器學習方法可以使這一過程更加有效。農業和林業專家也經常添加活的細菌，用有益的細菌群落來”接種”生長中的植物。現在，他們可能會更快、更好地了解可能有助於恢復原生草原與松樹林的細菌類型，或者通過確保接種劑將適應當地的pH值來更好地種植玉米或大豆。

接下來，該團隊計劃嘗試深入了解細菌的溫度偏好，這是另一個可能涉及很多很多基因的複雜系統。例如，這可以幫助他們更好地了解氣候變暖將如何影響土壤細菌群落。

Fierer說：”另一種方法是嘗試在實驗室裡培養牠們，這很痛苦。”