16.07.2024, 14:00 Uhr
Universität Wien
UBB
Seminarraum 2.1
Djerassiplatz 1
1030 Wien
Titel: Predictive Analysis of Microbial Traits Beneficial for
Interplanetary Forward Contamination; A Concept Study
Kurzfassung
Das NASA Standard Assay bildet seit Langem einen grundlegenden Bestandteil der
Praktiken für Planetary Protection (PP). Allerdings ist dieser Ansatz begrenzt, da er
nur die biologische Belastung anhand von sporenbildender Mikroorganismen bewertet
und daher nicht das gesamte Spektrum des mikrobiellen Lebens berücksichtigt, die ein
Risiko für Vorwärtskontamination bei Weltraummissionen darstellen. Angesichts dieser
Problematik werden nun Anstrengungen unternommen, neue Methoden zur Risikobewertung
auf der Grundlage metagenomischer Informationen zu entwickeln. Diese Arbeit
zielt darauf ab, machine learning zu nutzen, um mikrobielle Merkmale vorherzusagen,
die für PP von Bedeutung sind. Die Entwicklung von Klassifikatoren, die in Raumflugkörpern
und Reinraumumgebungen vorhandene Biomasse qualitativ bewerten können,
könnte erheblich zu einer neuen biologischen Risikobewertung beitragen. Es wurden drei
machinelearning Modelle entwickelt; Kryotoleranz, Haloresilienz und Austrocknungsresistenz.
Die Methodik umfasste eine strenge Datensatzkuratierung, Modelltraining und
Modellbewertung mithilfe von Crossvalidation, Randomsplit und einer neuartigen Amino
Acid Identity-based split. Obwohl diese Modelle im Vergleich zu früheren Modellen der
CUBE-Forschungsgruppe, wie etwa dem Sporulationsklassifikator, ein geringeres Konfidenzniveau
aufwiesen, erreichten sie ausgeglichene Genauigkeiten im Bereich von 0,76
bis 0,82. Als Anwendungsbeispiel wurden Reinraum-Isolate zusammen mit zusätzlichen
Modellen analysiert, die für PP relevante Merkmale vorhersagen.Diese Analyse führte zur
Entdeckung und Kategorisierung von 17 Spezies, die potenziell für PP von Bedeutung
sind. Ein Katalog, der solche Arten umfasst und mit Expertenmeinungen erweitert wird,
könnte ein wichtiges Instrument im Bereich PP sein. Darüber hinaus bietet die Studie
eine Vielzahl von Datensätzen für zukünftige Kuratierung, die das Potenzial für weitere
Forschung und Anwendung in diesem Bereich erhöhen.
Die entwickelten Modelle, kuratierten Datensätze und Kataloge stellen wichtige Grundlagen
und einen Schritt hin zu anspruchsvolleren und umfassenderen PP-Risikobewertungsstrategien
dar.