Dieses Projekt wird die Diversität derzeit bekannter Viren durch Hochdurchsatzsequenzierung viraler Genome im Grundwasser ermitteln. Eine offene virologische Fragestellung ist das Finden unbeschriebener Viren. Wir werden unsere kürzlich neu entwickelte Methode nun auch für Viren im Grundwasser weiterentwickeln. Ergänzend werden wir die verschiedenen Metatranskriptome der verschiedenen Standorte im Hainich vergleichen. Weiterhin werden wir die weitgehend unbekannte Halbwertszeit von Viren im Grundwasser ermitteln um somit Rückschlüsse auf die Kommunikationsunterbrechungen mit anderen Organismen machen zu können.
Die Biodiversität des Bodenmikrobioms wird mit einer Reihe nützlicher Ökosystemprozesse in Verbindung gebracht. Daher sind die ökologischen und evolutionären Mechanismen, die zur Artenvielfalt führen, eine Überlegung wert. Die bisherige Forschung konzentrierte sich auf Bedeutung ökologischer und umwelt Faktoren. Im Gegensatz dazu wurde die Rolle der Auxotrophie, die sich aus dem Verlust von Genen für Wachstumsfaktoren (WF) (evolutionäre Faktoren) ergibt, bisher übersehen. Über evolutionäre Zeit hinweg begünstigt die Selektion Prokaryoten, die Genverluste erleiden, da dies die Belastung durch die Investition von Proteinsynthese in die allgemeine Zellerhaltung verringert. Zu Genverlusten kommt es z.B. durch die Möglichkeit, dass ein Taxon in obligaten Wechselbeziehungen mit anderen Prokaryoten oder Eukaryoten-Wirten eingebunden ist, z. B. in der Rhizosphäre. Es ist möglich, dass sich mutualistische Interaktionen entwickeln, bei denen zwei Auxotrophe einander komplementäre WF zur Verfügung stellen (Arbeitsteilung), oder kommensale Interaktionen, bei denen ein Taxon die Last der Produktion wesentlicher WF für Auxotrophe übernimmt (Black Queen Hypothese). Solche Interaktionen könnten nicht nur die biologische Vielfalt fördern, indem sie die Notwendigkeit der Koexistenz begründen, sondern auch dazu führen, dass auxotrophe Taxa alternativ Proteinsynthese in die Durchführung nützlicher Ökosystemprozesse investieren. Mit einem Metagenomik-Ansatz, der Prokaryoten sowohl auf Gemeinschafts- als auch auf individueller (d. h. genomischer) Ebene berücksichtigt, wird in diesem Projekt untersucht, wie Auxotrophie-abhängige Interaktionen die Biodiversität im Boden und Ökosystemprozesse unterstützen. Die Unteruchen erfolgen mit einem landwirtschaftlich genutzten Boden, auf dem Winterweizen angebaut wird. Das genetische Potenzial wird mit dem Wachstum durch substratinduzierte Kalorimetrie und Atmung verknüpft, die entweder Prototrophe oder Auxotrophe stimulieren. Mit diesem Versuchsplan sollen: 1) allgemeine Assemblierungsmuster zwischen Proto- und Auxotrophen auf der Gemeinschaftsebene identifiziert werden, einschließlich funktioneller Gene, die mit Ökosystemprozessen in Verbindung stehen; 2) die Bedeutung der Rhizosphäre bei der Veränderung von Prokaryoten-abhängigen Interaktionen bewerten werden und zu untersuchen, wie sich dies auf die Zusammensetzung funktioneller Gene auswirkt; und 3) zu bestimmen, ob Cross-Feeding-Interaktionen der Arbeitsteilungs- oder Black Queen Hypothesis entsprechen, und zu bestätigen, dass Auxotroph eher in funktionelle Gene investieren, die Ökosystemprozesse vorantreiben, als in die allgemeine Zellerhaltung. Diese Ergebnisse werden unser grundlegendes Verständnis der Faktoren verbessern, die die Biodiversität in mikrobiellen Bodengemeinschaften fördern, und gleichzeitig untersuchen, wie sich Genverluste innerhalb einzelner Taxa letztlich auf Prozesse wie die Pflanzenproduktivität und den biogeochemischen Kreislauf auswirken.
Die unterschiedlichen Entwicklungs- und Signalprozesse in Pflanzen erfordern eine spezifische Planung der Probenahmezeit und eine Anpassung für die Genotypen, die sich in der Entwicklung unterscheiden. Überraschenderweise gibt es weder etablierte Methoden für eine dynamische Planung der Probenahme, noch Werkzeuge für die Echtzeitüberwachung von Entwicklungsstadien verschiedener Genotypen. Wir werden statistische und maschinelle Lernmethoden für die Überwachung von Pflanzenentwicklungsstadien unter Verwendung eines Hochdurchsatzphänotypisierungssystems entwickeln und Werkzeuge für die dynamische Planung der Probenahme solchen Experimenten bereitstellen. Unsere Haupthypothese ist, dass wir durch die Anpassung der Versuchspläne an die in den Versuchen tatsächlich beobachtete Pflanzenentwicklung eine höhere statistische Aussagekraft bei der Verknüpfung von Phänotypen mit molekularen Parametern ermöglichen und die Effizienz der Schätzung genetischer Effekte verbessern werden. Wir bezeichnen das Phänomen, dass Pflanzen unterschiedlich auf Umweltsignale reagieren und zu unterschiedlichen Zeitpunkten in Entwicklungsstadien eintreten, als (Entwicklungs-)Heterochronie. Unsere Hauptforschungsfrage lautet: Wie können phänotypische und umweltbezogene Daten, die in Echtzeit verarbeitet, als Input für ein Entscheidungshilfesystem dienen, das eine dynamische Planung der Probenahme für Assays auf molekularer Ebene in Anwesenheit von Entwicklungsheterochronie ermöglicht. Wir schlagen Methoden der Datenverarbeitung und -integration vor, die für eine dynamische Versuchsplanung unter Verwendung zweier statistischer Ansätze erforderlich sind: multivariate lineare gemischte Modelle und funktionale Datenanalyse. Wir werden eine Echtzeit-Klassifizierung der Entwicklungsstadien mit Hilfe einer auf Deep Learning basierenden Bildanalyse erreichen. Wir werden die auf statistischem und maschinellem Lernen basierenden Methoden in Echtzeit als Hilfsmittel für Planungsentscheidungen bei Experimenten einsetzen. Wir werden die entwickelten Algorithmen für die Analyse von Datensätzen aus einer Reihe von früheren Experimenten in verschiedenen Weizen- und Gerstenpanels verifizieren. Außerdem werden wir die Methoden auf der Grundlage neu generierter molekularer und phänomischer Daten validieren und weiter optimieren. Das Projekt wird erhebliche Auswirkungen auf die quantitative Genetik, die Pflanzenzüchtung und die Analyse phänotypischer Daten haben, da es sich mit wichtigen, aber bisher weitgehend übersehenen Aspekten der Versuchsplanung, der Datenmodellierung und der Entwicklung der Infrastruktur für Phänotypisierungsdaten befasst. Nicht zuletzt werden die vorgeschlagenen Proof-of-Concept-Experimente ein neues Licht auf zeitliche Aspekte der Trockentoleranz von Gerste werfen und neue, einzigartige Daten über die Interaktion zwischen genetischen Determinanten der Stresstoleranz, der Pflanzenentwicklung und dem Zeitpunkt des Auftretens von Stress liefern.
Kalkmagerrasen sind durch traditionelle Landnutzung in europäischen Kulturlandschaften entstanden und gehören zu den artenreichsten Lebensraumtypen. Sie beherbergen viele seltene und stark gefährdete Arten, sind aber heute oft bedroht, vor allem durch Nutzungsaufgabe und Eutrophierung. Restaurierungsmaßnahmen sind daher dringend erforderlich. Allerdings fehlen länderübergreifende Restaurierungsansätze und Bewertungen innerhalb regionaler Restaurierungsprogramme konzentrieren sich meist nur auf Indikatorarten oder Artenvielfalt und ignorieren biotische Interaktionen, Ökosystemfunktionen und den Landschaftskontext. Gerade biotische Interaktionen sind wichtige Indikatoren für den Restaurierungserfolg, da sie oft sensitiver auf Umweltveränderungen reagieren und essentielle Funktionen bestimmen, die zur Stabilisierung von Ökosystemen notwendig sind.In diesem Projekt werden wir biotische Interaktionen über verschiedene trophische Ebenen untersuchen, einschließlich (1) Pflanzen-Boden-, (2) Pflanzen-Bestäuber- und (3) Vogel-Nahrungsressourcen-Interaktionen, in restaurierten und degradierten Kalkmagerrasen, die in unterschiedlichen sozio-ökologischen und landschaftlichen Kontexten in drei Ländern (Deutschland, Spanien und Estland) eingebettet sind. Zusätzlich werden wir Ökosystemfunktionen wie Bodenfunktionen, Bestäubung und Prädation messen. Wir stellen die Hypothese auf, dass im Vergleich zu degradierten Standorten lokale Restaurierungsmaßnahmen auf Magerrasen zu komplexeren und stabileren Interaktionen und verbesserten Ökosystemfunktionen führen werden. Darüber hinaus werden wir untersuchen, ob eine landschaftsbezogene Restaurierung durch Agrarumweltmaßnahmen die lokale Restaurierung durch additive oder synergistische Effekte effektiver machen kann. Wir erwarten, dass Agrarumweltmaßnahmen die Vernetzung von Kalkmagerrasen erhöhen, insbesondere an isolierten Standorten, an denen es keine anderen Kalkmagerrasen in der Umgebung gibt. Darüber hinaus werden wir den sozialen Kontext der Restaurierungsprogramme analysieren und zentrale Akteure identifizieren, die notwendig sind, um lokale und landschaftliche Restaurierungsziele zu erreichen. Dabei werden wir untersuchen, wie soziale Abhängigkeiten biologische Interaktionen als indirekte Faktoren beeinflussen. Um die Ergebnisse dieses Projekts zu synthetisieren, werden wir Metanetzwerke, multifunktionale und sozial-ökologische Netzwerkansätze verwenden, um z.B. Schutzprioritäten und mögliche Zielkonflikte zu identifizieren.
Technologische Fortschritte auf dem Gebiet der Hochdurchsatz-RNA-Sequenzierung und in der bioinformatischen Datenverarbeitung ermöglichen inzwischen vergleichsweise kostengünstige Experimente zur Analyse der mutualistischen RNA-Kommunikation in Wirt-Mikroben-Interaktionen (cross-kingdom RNA communication - ckRNAi). Mit Hilfe der dualen RNA-Sequenzierung können die vielfältigen Effekte auf das Transkriptom von Pflanzen und Mikroben in einer bislang beispiellosen Genauigkeit untersucht werden. Durch die Verfügbarkeit einer breiten Datenbasis aus unterschiedlichen Mikroben-Pflanzen-Interaktionen werden neuartige vergleichende Analysen ermöglicht, um die Effekte verschiedener RNA-Spezies (z.B. kleine (s)RNAs, mRNAs) auf das jeweilige Transkriptom im Detail zu untersuchen. In diesem Projekt werden wir daher automatisierte und standardisierte Analyse-Pipelines zur bioinformatischen Verarbeitung der Daten bereitstellen und umfassende vergleichende Analysen entwickeln. Die Erfassung der Rohdaten und die Speicherung von Analyseergebnissen basieren dabei auf den FAIR-Prinzipien (Findable, Accessible, Interoperable, Reusable). Die Beteiligung im Konsortium der RU5116 bietet uns dabei einen breiten Zugang zu umfassenden Datensätzen für vergleichende Analysen der ckRNAi-Effekte. Für die Kooperationspartner im Verbund stellen wir wiederum die erforderlichen IT-Ressourcen, sowie die benötigten Analysewerkzeuge für die jeweiligen projektspezifischen Fragestellungen zur Verfügung. Insbesondere werden wir unsere Kooperationspartner durch die Entwicklung von passgenauen Analyse-Workflows unterstützen, die einfach zu benutzen sind, um die Daten zu verarbeiten, Ergebnisse zu visualisieren und vergleichende Analysen durchzuführen. Besonders rechenintensive Verarbeitungsschritte werden dabei so angepasst, dass sie in skalierfähigen Cloud-Computing-Umgebungen ausgeführt werden können. Darüber hinaus werden wir verfügbare Programme zur vergleichenden Analyse von Co-Expressionsnetzwerken evaluieren und schließlich eine für den Verbund optimierte Lösung in unsere Workflows integrieren.
Die Identifizierung von gemeinsamen Mustern in verschiedenen mikrobiellen Gemeinschaften ermöglicht wichtige und fundamentale Einsichten. Die Forschung in ChemBioSys hat die enzymatischen Modifikation von sezernierten chemischen Effektoren als ein solches Thema identifiziert. Wir betrachten Systeme, in denen ein Organismus einen chemischen Effektor bildet und ausscheidet, um einen zweiten Organismus zu beeinflussen, während ein dritter Organismus ein Enzym sezerniert, welches den Effektor modifiziert. Wir planen, die komplexe zeitlich-räumliche Dynamik solcher Systeme und den Einfluss der Enzyme auf das ökologische Gefüge zu erforschen. Im Projekt werden theoretische und experimentelle Methoden kombiniert.
Over the past decade, numerous computational methods for the analysis of amplicon data have been developed and successfully apply to the study of microbial communities associated with plants. Despite improvements in speed and accuracy, current computational methods suffer from a number of limitations, the most severe of which are associated with the use of the artificial constructs designated Operational Taxonomic Units (OTUs). These groups of sequences, estimated to originate from the same microbial species, are based on arbitrary sequence similarity thresholds which do not correspond to meaningful functional biological entities. Here we propose to implement an accurate and precise algorithm specifically designed to process amplicon data obtained from experiments with synthetic communities by taking advantage of our precise knowledge of the input microbial strains. We will also extend this algorithm for processing natural community amplicon data by using a recursive classification approach and a dynamic database scheme. Finally, we will perform experiments with mock synthetic communities to validate these algorithms and optimize their implementation.
Hauptziel des Vorhabens ist die Charakterisierung der mikrobiellen Stoffwechselaktivitäten in semi-kontinuierlich betriebenen Biogasreaktoren auf Basis vorrangig auftretender mikrobieller Proteine und Enzyme. Die Ergebnisse dieser Studie sollen zur Entwicklung von Strategien zur Unterstützung der Hydrolyse von nachwachsenden Rohstoffen (multikriterielle Optimierung) mittels der gezielten Zugabe von ergänzenden Enzymen pilzlichen Ursprungs komplementär zum bereits vorhandenen endogenen Hydrolysepotenzial dienen. Im Rahmen von Teilvorhaben II erfolgt die systemanalytische Begleitforschung zu den mikrobiellen Stoffwandlungsprozessen der im Teilvorhaben I stattfindenden Fermentationen. Ziel ist die Ermittlung der Zusammensetzung der mikrobiellen Gemeinschaften auf taxonomischer und funktioneller Ebene, das Monitoring von Veränderungen in der Struktur der mikrobiellen Gemeinschaften während der durchgeführten Fermentationen und der jeweiligen prozesstechnischen Variation sowie die Ermittlung von Veränderungen in der metabolischen Aktivität der mikrobiellen Gemeinschaft. Hierzu soll ein kombinierter Ansatz bestehend aus der kontinuierlichen Erfassung der mikrobiellen Populationsdynamik mittels DNA-basierten TRFLP-Fingerprints und punktuell erfolgender Charakterisierung der Zusammensetzung der mikrobiellen Lebensgemeinschaft und deren metabolischem Potential mittels hochauflösenden und kombinierten OMICS-Technologien angewandt werden. Durch den bioinformatischen Abgleich aller erhaltenen Datensätze soll ein funktionelles Netzwerk der Systemmikrobiologie erstellt werden.
In der Onkologie scheitern über 90 % aller in der Präklinik wirksamen Substanzen in der Klinik. Am Lehrstuhl für Tissue Engineering und Regen. Med. (Uni-Klinikum Würzburg) werden humane dreidimensionale (3D) -Tumormodelle (OncoVaSc™) auf einer dezellularisierten Schweinedarm-Matrix (BioVaSc™) entwickelt. Diese spiegeln histologisch und durch eine geringere Teilungsrate die Tumor-Situation im Patienten besser wider. So zeigt unser 3D Lungentumormodell ein verbessertes Ansprechen auf die in der Klinik gebräuchliche anti-EGFR Therapie bei EGFR-Mutation. Weiterhin konnten wir auch eine erhöhte Chemoresistenz bei KRAS-Mutation zeigen, die klinischen Studien entspricht. Vorhabensziel: Durch eine in vitro/in silico fokussierte Vorauswahl von Substanzen und ihrer Kombinationen für die in vivo Testung sollen hier Tierversuche erheblich reduziert werden (50-90%; Refine und Reduce). Weiterhin soll unser Modell durch Vergleiche mit der Klinik und dem Tiermodell soweit validiert werden, dass das Modell für die Vorklinik durch die Firma Oncotest (Freiburg) implementiert werden kann und dadurch Tierversuche in der Wirksamkeitstestung ersetzt werden können (Replace). Parameter wie Apoptose, Proliferation und Signalwegs-Aktivierung beschreiben Ursachen für ein Therapie-Ansprechen oder Versagen. Diese werden in bioinformatische Modelle integriert (Uni Würzburg) und für Wirksamkeitsvorhersagen von Testsubstanzen und Kombinationen genutzt, die über die in vitro Testung zur Verfeinerung des in silico Modells führen. Zur Validierung werden die Ergebnisse aus dem in vitro und in silico Modell mit Ergebnissen aus Tiermodellen bei Oncotest und aus der Klinik verglichen. Neben der Testung von in silico Vorhersagen bei Resistenz von Tumoren mit EGFR- oder KRAS-Mutation, wird auch der klinisch relevante Biomarker ALK-EML untersucht und Gewebemodelle mit aus PDX-Modellen (patient derived xenografts) hergeleiteten Primärzellen aufgebaut und getestet.
Die Forschung der letzten Jahre hat dafür gesorgt, dass die in Vergessenheit geratene Wild-Pflanze Taraxacum koksaghyz (Tks) als Kautschuk produzierende Kulturart für Deutschland wieder entdeckt wurde. Grundlagen der nachhaltigen Nutzung entlang der Wertschöpfungskette wurden geschaffen: Von Züchtung/Agronomie über Rohstoffgewinnung bis zur Kautschukverarbeitung in Produktprototypen. Die Prototypen weisen äquivalente Eigenschaften auf wie die Produkte aus Hevea-Kautschuk, wodurch die Perspektive für die vollständige Industrialisierung absehbar ist. Obwohl Fortschritte in der Züchtung von Tks erzielt wurden, gilt es für die Steigerung der langfristigen Wirtschaftlichkeit die Züchtung zu forcieren. Basis moderner Pflanzenzucht ist die Selektion von Elitepflanzen anhand von 'SMART breeding' Technologien. Dafür ist ein umfassendes Verständnis der Genom-Struktur und -Sequenz notwendig, das aber für Tks nicht vorliegt. Daher ist das übergeordnete Projektziel die Etablierung einer SMART breeding Plattform für Tks durch Sequenzierung, Annotation und Integration von genomischen, epigenomischen und transkriptomischen Sequenzen. Die Datenanalyse mittels innovativer Bioinformatik wird in praktischen und interaktiven Trainings-Modulen an Nachwuchswissenschaftler vermittelt. Die Expertisen im Projektteam bestehend aus drei KMUs (Pflanzenzucht, -kultivierung und Bioinformatik) und einem anwendungsnahen F&E-Institut garantieren eine schnellstmögliche Umsetzung der Projektziele und somit eine wirtschaftliche Verwertung der Ergebnisse. Umfassende Sequenzierungen durch das Fraunhofer IME mit bioinformatischer Auswertung durch die Firma ecSeq von ausgewähltem Zuchtmaterial und gezielten Kreuzungen der Partner ESKUSA und hortilab werden ein tiefergehendes Verständnis wichtiger komplexer agronomischer Merkmale generieren.
| Origin | Count |
|---|---|
| Bund | 32 |
| Type | Count |
|---|---|
| Förderprogramm | 32 |
| License | Count |
|---|---|
| offen | 32 |
| Language | Count |
|---|---|
| Deutsch | 27 |
| Englisch | 13 |
| Resource type | Count |
|---|---|
| Keine | 9 |
| Webseite | 23 |
| Topic | Count |
|---|---|
| Boden | 16 |
| Lebewesen und Lebensräume | 28 |
| Luft | 9 |
| Mensch und Umwelt | 32 |
| Wasser | 10 |
| Weitere | 32 |