Біологічні спільноти знаходяться в постійному русі. Видовий склад змінюється, іноді різко, у міру того, як екосистеми реагують на тиск навколишнього середовища. Прогнозування цих змін має вирішальне значення для розуміння екологічної динаміки як у природних системах, таких як океанський планктон, так і в створених середовищах, таких як мікробіота кишечника людини або біотехнологічні процеси. Тепер нова механічна модель, ретельно перевірена на прісноводних водоростях, демонструє чудову здатність передбачати, як еволюціонуватимуть біологічні спільноти.
Сила механічного моделювання
Традиційні екологічні моделі часто спираються на статистичні кореляції, які можуть бути ненадійними. Механістичні моделі, навпаки, побудовані на фундаментальних біологічних принципах — як види взаємодіють, конкурують за ресурси та, зрештою, співіснують або вимирають. Цей підхід дає можливість для більш точних прогнозів. Дослідники з Університету Констанца тепер підтвердили цю обіцянку, використовуючи розширену модель споживчих ресурсів, опублікувавши свої результати в Nature Communications.
Команда вдосконалила існуючі правила, що регулюють співіснування видів, підтверджуючи високу прогностичну силу своєї моделі. Наслідки цього широкі: від передбачення майбутнього природних екосистем до впливу на розвиток штучно створених біологічних спільнот.
Сучасні методи забезпечують суворе тестування
Теоретичні основи цього дослідження сягають 1960-х років. Чому всебічне експериментальне підтвердження стало можливим тільки зараз? Відповідь полягає в появі високопродуктивної лабораторної автоматизації.
«Попередні спроби показали певний успіх, але справді комплексне дослідження вимагало величезної кількості експериментів», — пояснює Лутц Бекс, професор лімнології та провідний автор дослідження. «Тільки за допомогою сучасного обладнання ми змогли завершити це в розумний проміжок часу».
Початковим кроком було визначення потреб у поживних речовинах різних видів водоростей, для чого знадобилося 864 експерименти з ростом. Кожна монокультура була підготовлена за допомогою роботизованої системи, а підрахунок водоростей був автоматизований за допомогою високопродуктивного мікроскопа. В експериментах зі змішаними спільнотами штучний інтелект допоміг визначити види.
Перевірка моделі: прогноз відповідає реальності
Дані, отримані в результаті цих експериментів, були використані для вдосконалення існуючої моделі шляхом включення використання ресурсів як ключового параметра. Потім дослідники провели ще 960 експериментів, комбінуючи види водоростей за різних умов харчування. Прогнози моделі порівнювали зі спостережуваним розвитком громади, і результати були вражаючими: механістична модель точно передбачала склад різних громад.
Роз’яснення екологічних правил
Дослідники також використовували свою модель для перевірки двох екологічних правил, сформульованих біологом Девідом Тілманом. Ці правила стверджують, що види, які конкурують за обмежені ресурси, або співіснують, або випереджають один одного, залежно від того, чи обмежені вони різними ресурсами та чи кожен вид споживає більше ресурсу, який обмежує його зростання.
Симуляції показали, що лише перше правило — види повинні бути обмежені різними ресурсами — є універсальним. Друге правило — види споживають більше ресурсів, які обмежують їхній ріст — застосовується лише тоді, коли види конкурують за замінні ресурси, а не за необхідні.
«Ми завжди повинні розрізняти ці два класи поживних речовин, застосовуючи це правило», — пояснює Чжіцзе Чжан, перший автор дослідження.
Наслідки для захисту клімату
Підхід, розроблений у цьому дослідженні, тепер буде застосовано до проекту, спрямованого на поглинання CO₂ за допомогою фітопланктону. Цей проект, який підтримує Vector Stiftung, спрямований на використання біологічних спільнот для пом’якшення кліматичних змін.
Здатність моделі точно передбачати зміни в екосистемах пропонує потужний інструмент для управління та маніпулювання біологічними системами як у природному середовищі, так і в штучно створених біотехнологічних процесах. Це дослідження знаменує собою значний крок до більш передбачуваного та контрольованого розуміння динаміки навколишнього середовища.
