微生物在生态系统中发挥关键作用，其多样性反映了其环境的健康。然而，它们在当前的生物监测计划中仍然很少被开发，因为它们很难识别。瑞士日内瓦大学(UNIGE)的研究人员最近开发出一种方法，结合两种尖端技术来填补这一空白。他们使用基因组工具对样本中的微生物DNA进行测序，然后利用人工智能利用这些大量数据。他们建立了能够大规模诊断生态系统健康的预测模型，并识别具有重要功能的物种。这种新方法发表在“微生物学趋势”杂志上，将大大提高大型生态系统的观测能力，并缩短分析非常有效的常规生物监测计划的时间。

在可持续发展和增加人类对环境的压力的背景下，监测生态系统的健康状况至关重要。对周围环境变化敏感的不同种类的微生物被用作监测环境质量的生物指标。然而，他们的形态识别需要大量的时间和专业知识。“一年前，我们能够根据样品中存在的单细胞藻类的DNA序列建立水质指数，而无需在视觉上识别每个物种，”遗传与进化系教授Jan Pawlowski解释道。 UNIGE理学院。

使用DNA序列而不必识别它们

基因组工具可以快速，准确地描述栖息在环境中的生物群落。然而，大部分数据不能用于进行环境健康诊断，因为现有数据库中没有引用许多DNA序列。因此，拥有这些序列的物种以及它们的生态作用是未知的。“为了利用所有环境基因组学数据，即样本的所有生物多样性数据，我们使用机器学习算法，”日内瓦小组成员，该研究的第一作者Tristan Cordier指出。

生物学家使用不同已知生态质量状态的样本，从好到坏，从中对DNA进行测序。这些信息的组合使他们能够利用每个样本的数据构建一个参考系统。“然后根据我们的训练数据，利用该算法开发了预测模型。这些数据包括来自参考诊断的数据和来自未知物种测序的数据，”Jan Pawlowski说。通过在现有训练数据集中包含新的参考样本，该模型随着时间的推移而得到改进和验证。

发现新的生物指标

这两种尖端技术的结合使得有可能获得DNA序列的生态价值而无需识别它们。通过这种方法可以发现已经描述或未描述的具有重要功能的微生物种类，以及新的生物指示物。“我们的研究与人类微生物组的研究有一些相似之处。两者都旨在解开微生物群落，并确定可用作检测环境污染或人类疾病的强大诊断工具的生物标记物，”Tristan Cordier总结道。