Biologische Gemeinschaften sind in ständigem Wandel. Die Artenzusammensetzung ändert sich manchmal dramatisch, wenn Ökosysteme auf Umweltbelastungen reagieren. Die Vorhersage dieser Veränderungen ist entscheidend für das Verständnis der ökologischen Dynamik, von natürlichen Systemen wie Meeresplankton bis hin zu künstlichen Umgebungen wie dem menschlichen Darmmikrobiom oder biotechnologischen Prozessen. Nun zeigt ein neues mechanistisches Modell, das eingehend mit Süßwasseralgen getestet wurde, eine bemerkenswerte Fähigkeit, vorherzusagen, wie sich biologische Gemeinschaften entwickeln werden.
Die Kraft der mechanistischen Modellierung
Traditionelle ökologische Modelle basieren häufig auf statistischen Korrelationen, die unzuverlässig sein können. Mechanistische Modelle basieren jedoch auf grundlegenden biologischen Prinzipien – wie Arten interagieren, um Ressourcen konkurrieren und letztendlich koexistieren oder verschwinden. Dieser Ansatz bietet das Potenzial für genauere Vorhersagen. Forscher der Universität Konstanz haben dieses Versprechen nun mit einem erweiterten Konsumenten-Ressourcen-Modell bestätigt und ihre Ergebnisse in Nature Communications veröffentlicht.
Das Team verfeinerte bestehende Regeln für das Zusammenleben von Arten und bestätigte damit die hohe Vorhersagekapazität seines Modells. Die Auswirkungen sind vielfältig: von der Vorhersage der Zukunft natürlicher Ökosysteme bis hin zur Beeinflussung der Entwicklung künstlicher biologischer Gemeinschaften.
Moderne Methoden ermöglichen strenge Tests
Die theoretischen Grundlagen dieser Forschung reichen bis in die 1960er Jahre zurück. Warum ist eine umfassende experimentelle Validierung erst jetzt möglich? Die Antwort liegt im Aufkommen der Laborautomatisierung mit hohem Durchsatz.
„Frühere Versuche zeigten einige Erfolge, aber eine wirklich umfassende Studie erforderte eine enorme Anzahl an Experimenten“, erklärt Lutz Becks, Professor für Limnologie und Erstautor der Studie. „Nur mit moderner Ausrüstung könnten wir dies in einem angemessenen Zeitrahmen abschließen.“
In der Anfangsphase wurden 864 Wachstumsexperimente durchgeführt, um den Nährstoffbedarf verschiedener Algenarten zu ermitteln. Jede Monokultur wurde von einem Robotersystem vorbereitet und die Algenzählung wurde mithilfe eines Hochdurchsatzmikroskops automatisiert. In Experimenten mit gemischten Gemeinschaften half künstliche Intelligenz bei der Identifizierung von Arten.
Modellvalidierung: Vorhersage trifft auf Realität
Die Daten aus diesen Experimenten wurden verwendet, um das bestehende Modell zu verfeinern und dabei die Ressourcennutzung als Schlüsselparameter einzubeziehen. Anschließend führten die Forscher 960 weitere Experimente durch, bei denen sie Algenarten unter verschiedenen Nährstoffbedingungen kombinierten. Die Vorhersagen des Modells wurden mit der beobachteten Gemeinschaftsentwicklung verglichen und die Ergebnisse waren verblüffend: Das mechanistische Modell sagte die Zusammensetzung der verschiedenen Gemeinschaften genau voraus.
Ökologische Regeln verfeinern
Die Forscher nutzten ihr Modell auch, um zwei ökologische Regeln zu testen, die der Biologe David Tilman formuliert hatte. Diese Regeln besagen, dass Arten, die um begrenzte Ressourcen konkurrieren, entweder nebeneinander existieren oder sich gegenseitig verdrängen, je nachdem, ob sie durch unterschiedliche Ressourcen begrenzt sind und ob jede Art mehr von der Ressource verbraucht, die ihr Wachstum begrenzt.
Die Simulationen ergaben, dass nur die erste Regel, dass Arten durch unterschiedliche Ressourcen begrenzt werden müssen, universell gültig ist. Die zweite Regel – dass Arten mehr von der Ressource verbrauchen, die ihr Wachstum begrenzt – gilt nur, wenn Arten um ersetzbare Ressourcen konkurrieren, nicht um lebenswichtige.
„Bei der Anwendung der Regel müssen wir immer zwischen diesen beiden Nährstoffklassen unterscheiden“, erklärt Zhijie Zhang, der Erstautor der Studie.
Implikationen für den Klimaschutz
Der in dieser Studie entwickelte Ansatz wird nun auf ein Projekt angewendet, das sich auf die CO₂-Sequestrierung durch Phytoplankton konzentriert. Dieses von der Vector Stiftung unterstützte Projekt zielt darauf ab, biologische Gemeinschaften zur Eindämmung des Klimawandels zu nutzen.
Die Fähigkeit des Modells, Ökosystemveränderungen genau vorherzusagen, bietet ein leistungsstarkes Werkzeug für die Verwaltung und Manipulation biologischer Systeme, von natürlichen Umgebungen bis hin zu technischen biotechnologischen Prozessen. Diese Forschung stellt einen bedeutenden Schritt hin zu einem prädiktiveren und kontrollierbareren Verständnis der ökologischen Dynamik dar
