تُعتبر الغابات بمثابة رئتي الأرض، بينما يُعد المحيط قلبها النابض. تُؤوي المحيطات الشاسعة عشرات الآلاف من الكائنات الدقيقة التي تُشكّل مجتمعات معقدة تُنظّم تحوّل المواد العضوية وتُحفّز عمليات تثبيت الكربون وإطلاقه من خلال تخصصاتها الأيضية الفريدة، مما يُؤثر بشكلٍ عميق على دورات الكربون العالمية، وتغيّر المناخ، والتنوّع البيولوجي البحري. ومن بين هذه الكائنات، تعمل الكائنات الدقيقة البحرية غيرية التغذية كوحدات تنقية داخل النظام البيئي البحري، حيث تضطلع بالوظيفة الأساسية المتمثلة في تحلّل المواد العضوية، وبالتالي الحفاظ على دورات المواد العالمية والتوازن البيئي.

لطالما صُنفت الكائنات الحية الدقيقة البحرية غيرية التغذية تقليديًا إلى فئتين رئيسيتين: الكائنات الغنية بالمواد العضوية والكائنات قليلة التغذية. تزدهر الأولى في البيئات الغنية بالمواد العضوية، بينما تعيش الثانية ببطء في البيئات الفقيرة بالموارد. وقد ساهم هذا التصنيف الثنائي التقليدي، المستخدم منذ سنوات عديدة، في دعم البحوث البيوجيوكيميائية إلى حد ما، ولكنه ينطوي أيضًا على أوجه قصور كبيرة: إذ لا يمكن ربط معدل النمو بتفضيلات استخدام الركائز والتخصصات الأيضية. وكما لا يمكن تصنيف العادات الغذائية البشرية بناءً على كمية الطعام المستهلكة فقط، فإن "ما يفضله الإنسان من طعام" هو العامل الرئيسي الذي يحدد معدل تحلل المواد العضوية وينظم مسار دورة الكربون.

لمعالجة هذه المشكلة، قام فريق بقيادة جامعة جنوب كاليفورنيا، بالاعتماد على قاعدة بيانات الميكروبات البحرية (OMD)، بتحليل كميات هائلة من جينومات البكتيريا البحرية باستخدام نماذج التمثيل الغذائي على نطاق الجينوم (GEMs). ومن خلال تحديد حساسية الكائنات الدقيقة لاستخدام 11 نوعًا من الركائز العضوية، تمكنوا في نهاية المطاف من تجاوز إطار "الثنائية" التقليدي.تم تحديد ثماني فئات من الميكروبات الأيضية المتمايزة: فئة واحدة من الميكروبات سريعة النمو الغنية بالمغذيات، وثلاث فئات من الميكروبات بطيئة النمو قليلة المغذيات والمتخصصة في الركيزة، وأربع فئات من الميكروبات متوسطة النمو والمتخصصة في الركيزة.

تم نشر النتائج، التي تحمل عنوان "تحديد المواقع الأيضية للكائنات الحية الدقيقة البحرية غيرية التغذية"، في مجلة ساينس أدفانسز.

أبرز الأبحاث:

* بالابتعاد عن إطار "الثنائية" الكلاسيكي، فإنه يرسخ المواقع الأيضية الخاصة بالميكروبات بناءً على الاستراتيجيات الأيضية الفعلية وتفضيلات الركائز. 

* استنادًا إلى ثمانية مجتمعات ميكروبية وظيفية، تكشف هذه الدراسة بشكل منهجي أنماط النمو ونماذج المنافسة على الموارد والتوزيع الجغرافي العالمي للكائنات الحية الدقيقة البحرية غيرية التغذية، مما يوضح الآلية الجوهرية التي تقود بها الكائنات الحية الدقيقة دورة الكربون البحرية.

* لسد الفجوات البحثية المتعلقة بمشاركة الكائنات الحية الدقيقة البحرية غيرية التغذية في دورة الكربون العالمية، ولتقديم أفكار تحسينية دقيقة ومخططات معلمات للنماذج البيوجيوكيميائية.

عنوان الورقة:
https://www.science.org/doi/10.1126/sciadv.adz0537

مجموعة البيانات: تغطي 220 فئة مختلفة من البكتيريا البحرية

تستند هذه الدراسة إلى مجموعة بيانات جينومية ميكروبية بحرية واسعة النطاق، والتي تم الحصول عليها من قاعدة بيانات OMD المستضافة على منصة microbiomics.io.تحتوي قاعدة البيانات على ما يقرب من 35000 جينوم ميكروبي.يشمل ذلك الجينومات المجمعة باستخدام الميتاجينوميات، والجينومات المضخمة من خلية واحدة، وجينومات السلالات المعزولة والمستزرعة صناعياً.

اقتصرت هذه الدراسة على الجينومات البكتيرية ذات سلامة تزيد عن 80% ومعدل تلوث أقل من 5%. حُسبت مجموعتا القيم باستخدام متوسط الدرجات من برنامجي CheckM وAnvi'o على التوالي. بعد ذلك، استخدم الباحثون البيانات الوصفية من قاعدة بيانات OMD وبرنامج dRep لإزالة التكرار من الجينومات باستخدام عتبة متوسط هوية النيوكليوتيدات (ANI) تبلغ 95%.

بعد إزالة 180 نوعًا من البكتيريا الزرقاء ذاتية التغذية الضوئية (المجموعات الخارجية)،في النهاية، تم الحصول على 3738 جينوم بكتيري غيري التغذية عالي الجودة بعد إزالة التكرار.يشكل هذا مجموعة البيانات التحليلية الأساسية لهذه الدراسة. وتغطي مجموعة البيانات 220 فئة مختلفة من البكتيريا البحرية، منها 14 مجموعة تحتوي على 50 جينومًا أو أكثر.

أثناء بناء الشجرة التطورية، بالإضافة إلى الاحتفاظ بـ 180 جينومًا من البكتيريا الزرقاء كمجموعات خارجية، تمت إضافة 66 جينومًا مرجعيًا بكتيريًا من قاعدة بيانات BiGG، ليصل إجمالي عدد الجينومات إلى 3984. تم حذف ثمانية جينومات من الشجرة التطورية بسبب عدم كفاية تطابق الجينات المستهدفة أحادية النسخة.في نهاية المطاف، تم استخدام 3976 نبتة لبناء أشجار النمو.تم وضع جميع معلومات تصنيف الجينوم على الشجرة باستخدام قواعد بيانات GTDB-Tk v2.1.0 و GTDB r214.

تُستخدم الشبكات العصبية ذاتية التنظيم لتصنيف البيئات الأيضية.

من أجل تجاوز قيود إطار "الثنائية" التقليدي،تدمج هذه الدراسة علم الجينوم، ومحاكاة التمثيل الغذائي المقيدة، وتقنيات التعلم الآلي غير الخاضعة للإشراف لبناء إطار تحليلي كامل من المعلومات الجينية إلى التصنيف البيئي للميكروبات.تم إكمال النمذجة الأيضية، وتحديد حساسية الركيزة، وتجميع المجتمعات الميكروبية بشكل هرمي باستخدام أنواع متعددة من القياسات الميدانية ومجموعات البيانات البيئية العالمية.

النمذجة ومراقبة الجودة

في مرحلة بناء النموذج، استخدم الباحثون استراتيجية نمذجة متكاملة.تم استخدام برنامج CarveMe v1.5.1 لإنشاء 60 نموذجًا استقلابيًا مستقلًا (مجموعات نماذج) لكل سلالة من سلالات البكتيريا البحرية غيرية التغذية البالغ عددها 3738 سلالة.

يعتمد مبدأ نمذجة برنامج CarveMe تحديدًا على بنية نموذج أيضي عام. وبناءً على وجود أو غياب كل تفاعل كيميائي حيوي في معلومات ترميز الجينوم المدخلة، يُعيّن البرنامج أوزانًا لكل خطوة من خطوات التفاعل، وبالتالي يُهيئ النموذج العام ويتنبأ بالنموذج الأيضي للجينوم المقابل. استكشفت هذه الدراسة بشكل شامل عدد مرات تكرار النموذج اللازمة لتغطية ملف تعريف التفاعل لجينوم واحد. تُظهر النتائج أنه عندما يصل عدد النماذج في المجموعة إلى حوالي 60، يصبح العدد الإجمالي للتفاعلات المضافة حديثًا مستقرًا نسبيًا.وهذا يوضح أن مجموعة من 60 نموذجًا يمكن أن تغطي الغالبية العظمى من تركيبات النماذج الأيضية الممكنة لجينوم واحد.

لتقييم جودة نموذج التمثيل الغذائي الناتج عن برنامج CarveMe، ابتكرت الدراسة مؤشر درجة الاتساق C كمقياس تقييم، كما هو موضح في الصيغة التالية:

في الصيغة، يُمثل Xmr مصفوفة الوجود والحذف لاستجابة النموذج التجميعي في النماذج M المُنشأة بشكل مستقل؛ ويشير r إلى استجابة كيميائية حيوية واحدة؛ وR هو العدد الإجمالي للاستجابات في مجموعة النماذج بأكملها؛ وI هي دالة مؤشر تُستخدم لتحديد ما إذا كانت الاستجابة r موجودة في النموذج الفرعي m من النموذج التجميعي. وقد احتفظ التحليل اللاحق فقط بالعينات الجينومية التي حصلت على درجة اتساق ≥ 0.8، بإجمالي 1578 جينومًا.

تقييم الاستراتيجية الأيضية

يعرّف الباحثون الاستراتيجيات الأيضية بأنها مجموعة الركائز المفضلة لنمو الكائن الحي، وتتضمن منهجيتهم تفسير هذه الاستراتيجيات من خلال سلسلة من تحليلات الحساسية.

خاصة،استخدم الباحثون مجموعة أدوات تحليل توازن التدفق (FBA) في حزمة برامج COBRApy v0.25.0 لإجراء اختبارات حساسية النمو على نموذج CarveMe في ظل ظروف إمداد الركيزة "الكافية" و"المحدودة بالركيزة". يتم تحديد حالة "الحد من الركيزة" عن طريق تقليل التدفق المتاح لفئة معينة من المركبات إلى 50% من الكمية التي سيمتصها الكائن الحي في ظل ظروف "الركيزة الكافية".

لتقييم الاختلافات في متطلبات الركيزة بين النماذج المختلفة، تم اقتراح مؤشر معامل الحساسية S، كما هو موضح أدناه:

في الصيغة، يُمثل μn معدل النمو المتوقع في حالة محدودية الركيزة للنوع n، بينما يُمثل μ معدل النمو المتوقع في حالة وفرة الركيزة، وf معامل محدودية الركيزة (يُعتبر 0.5 في هذه الدراسة). يتراوح معامل الحساسية S بين 0 و1، مما يُشير إلى أنه إذا انخفض معدل النمو المحسوب بواسطة النموذج بمقدار 50% بعد انخفاض إمداد الركيزة بمقدار 50%، فإن هذا النوع من الركيزة يُعتبر عاملًا مُحددًا تمامًا لنمو الكائن الحي (حساسية النمو تساوي 1)؛ أما إذا لم يتغير معدل نمو النموذج، فهذا يعني أن نمو الكائن الحي لا يتأثر بإمداد هذا النوع من الركيزة (حساسية النمو تساوي 0).

بالإضافة إلى ذلك، عندما تكون نسبة مدى تقييد الركيزة إلى مدى انخفاض معدل النمو ≥ 0.8 (S ≥ 0.8)، يعتبر النموذج ذا حساسية نمو كبيرة لمثل هذه الركائز.

تحليل التجميع في التعلم الآلي غير الخاضع للإشراف

استخدم الجزء الخاص بالتعلم الآلي من الدراسة خرائط التنظيم الذاتي (SOMs) لتحديد المواقع الأيضية. SOMs هي خوارزمية تعلم آلي غير خاضعة للإشراف يمكنها تقليل أبعاد مجموعات البيانات الضخمة عالية الأبعاد إلى مساحة شبكية ثنائية الأبعاد ذات بنية طوبولوجية.

قبل عملية التجميع، أجرى الباحثون جولة من فحص البيانات على 1578 جينومًا تم الحصول عليها سابقًا، وحسبوا تباينات حساسية النمو لمختلف المستقلبات في جميع النماذج الفرعية الستين. ثم استبعدوا 100 جينومًا ذات تباين إجمالي في حساسية الركيزة أكبر من 0.1، ليتبقى 1478 جينومًا. استُخدم ما مجموعه 88680 مجموعة بيانات صالحة (1478 جينومًا × 60 نموذجًا تجميعيًا) لتحليل التجميع باستخدام خرائط التنظيم الذاتي (SOMs). احتوت كل نقطة بيانات على 11 مؤشرًا مميزًا لحساسية التمثيل الغذائي.

فيما يتعلق بالإعدادات المحددة، استخدمت هذه الدراسة برنامج Kohonen v3.0.12 لمعالجة بيانات التنبؤ بتدفق المركبات المعيارية. أُجريت 1500 عملية تكرار على شبكة سداسية حلقية 20 × 20 (باستخدام المسافة الإقليدية القياسية لتحديد المسافة المكانية). تم ضبط مُعامل معدل التعلم على (0.025، 0.01)، واختير نصف قطر الجوار من القيمة الافتراضية للبرنامج.

بعد التدريب الكافي، وبناءً على اتساق نتائج التنبؤ بحساسية مركب النمو، يتم اعتماد خوارزمية التجميع K-means.تم تقسيم خريطة SOMs في النهاية إلى 8 مجموعات تفاضلية.

بعد التجميع، ولتقييم الاختلافات في معدل النمو الأقصى، حسبت الدراسة مؤشر dCUB لجميع الجينومات البالغ عددها 1478 جينومًا باستخدام برنامج gRodon لتصنيف أنواع النمو السريع والبطيء. واستنادًا إلى 1209 بيانات ميتاجينومية من عدة مجموعات بيانات، بما في ذلك Tara Oceans وBioGeoTraces وMalaspina، بالإضافة إلى مجموعة بيانات ASV العالمية التي أعدها ماكنيكول وآخرون، تم التحقق من التوزيع الجغرافي العالمي للمجتمعات البكتيرية الثمانية.

تم تصنيف ثماني مجموعات أيضية بناءً على تفضيل الركيزة ومعدل النمو.

تقدم الدراسة نتائج تجريبية متنوعة، لا تؤكد فقط أداء النموذج، ولكن الأهم من ذلك أنها تتجاوز إطار "الثنائية" التقليدي، وتقترح منطق تصنيف جديد تمامًا، وتبني العلاقة الجوهرية بين تفضيل الركيزة والبيئة الأيضية.

نتائج التحقق من صحة النموذج

تحقق الباحثون من دقة نموذج CarveMe في رصد تفضيلات الركائز في تجارب زراعة واسعة النطاق، وذلك من خلال دراسة تفضيلات مصادر الكربون لدى 186 كائنًا دقيقًا بحريًا. وبالتحديد، قاموا بإنشاء نموذج CarveMe للجينومات التي درسها غرالكا وزملاؤه، وأجروا تجارب محاكاة حاسوبية باستخدام تحليل تدفق التوازن (FBA) لاختبار نمو هذه الكائنات الدقيقة في ظل ظروف مصدر الكربون نفسها.

وتظهر النتائج أنبالمقارنة مع البيانات التجريبية في الأدبيات، حققت نتائج التنبؤ بالنموذج دقة بلغت 75.51 TP3T ودقة بلغت 87.41 TP3T.لتقييم ما إذا كانت هذه النتيجة أفضل بكثير من التنبؤ العشوائي، قام الباحثون باختبارها من خلال إجراء تحليل بوتستراب على التنبؤ العشوائي، وأظهرت النتائج أن دقة النموذج كانت أعلى بكثير من دقة المستوى العشوائي.

نتائج تصنيف 8 أنواع من البكتيريا

استنادًا إلى 1478 تسلسلًا جينوميًا و11 مؤشرًا حساسًا،حددت الدراسة ثمانية مجتمعات ميكروبية أيضية معبرة بشكل مختلف من خلال تجميع SOM وصنفتها إلى ثلاث مجموعات رئيسية - سريعة ومتوسطة وبطيئة - بناءً على معدلات نموها.وبالتحديد (كما هو موضح في الصورة أدناه):

الفئة 1: الميكروبات سريعة النمو الغنية بالمغذيات (المجموعة 6): تُعد هذه المجموعة نموذجية للميكروبات الغنية بالمغذيات، حيث يُشير جينوم 79.5% إلى معدل نمو أقصى للجينوم أعلى من عتبة النمو البطيء (قيمة dCUB < -0.08 هي عتبة النمو السريع؛ وتشير قيمة dCUB الأصغر إلى نمو أسرع). من منظور تصنيفي، تشمل الأنواع النموذجية للمجموعة 6 رتب Enterobacterales و Flavobacteriales و Rhodobacterales و Pseudomonadales. هذا النوع من الميكروبات هو الأقل تأثرًا بالركائز؛ إذ لم يُثبط غياب أي من المركبات الأحد عشر المختبرة نموه.

ثلاث مجموعات بكتيرية متخصصة في ركائز محددة، بطيئة النمو، قليلة التغذية (المجموعة 1، والمجموعة 5، والمجموعة 8): قيمة dCUB = -0.111 لهذه المجموعات. من بينها، تتميز المجموعة 5 (61.81 TP3T) بأدنى معدل نمو أقصى، ومن أبرز ممثليها بكتيريا Opitutales (Verrucomicrobiota) وPelagibacterales، حيث يصل تركيزهما في هذه المجموعة إلى 4351 TP3T و3621 TP3T على التوالي.

أربع مجموعات بكتيرية متوسطة النمو خاصة بالركائز (المجموعات 2 و3 و4 و7): تم التنبؤ بأن هذه المجموعات لديها معدلات نمو أقل بكثير من المجموعة 6، ولكنها أعلى بكثير من المجموعة 5. أظهرت المجموعة 3 معدل نمو أفضل بكثير من المجموعتين 1 و8. أظهرت كل مجموعة من هذه المجموعات البكتيرية الأربع متوسطة النمو حساسية استجابة النمو لنوع واحد فقط من المركبات: الأحماض الأمينية، والأحماض الكربوكسيلية، والكربوهيدرات، وفيتامينات ب.

علاوة على ذلك، تؤكد خصائص المجتمعات الميكروبية متوسطة النمو دراسة حديثة تشير إلى أن المجموعات الميكروبية غيرية التغذية السائدة في البيئة البحرية تحت السطحية قد تكون بكتيريا بطيئة النمو غنية بالمغذيات. ويمكن أن توفر هذه النتيجة أساسًا لتصنيف هذه الكائنات الدقيقة إلى مجموعات وظيفية أيضية، مثل تفضيل المجموعة الرابعة للكربوهيدرات.

الكلمات الأخيرة

باختصار، تنفصل هذه الدراسة عن إطار "الثنائية" القديم للمواقع الغنية بالمغذيات/الفقيرة بالمغذيات وتؤسس نظام تصنيف للمواقع الأيضية من ثماني فئات بناءً على جوهر استخدام الجينات والركائز، وبالتالي كسر الارتباط المتأصل بين الفئات الخمس والوظائف الفسيولوجية.

علاوة على ذلك، يُبسّط إطار التصنيف الجديد هذا البنية المعقدة للعدد الهائل من الكائنات الحية الدقيقة غيرية التغذية في المحيط. وفي المستقبل، يُمكن دمجه في نماذج بيوجيوكيميائية عالمية، مما يُغني عن الحاجة إلى تسجيل عشرات الآلاف من البكتيريا البحرية بشكل فردي. كما يُمكنه استنتاج تحلل المواد العضوية البحرية والتغيرات في توازن الكربون بالاعتماد على ثمانية معايير وظيفية فقط، مما يُوفر أداة نظرية جديدة لتقييم تطور دورة الكربون في المحيط في ظل ظاهرة الاحتباس الحراري.