Sequenziamento ad alto rendimento, bioinformatica e apprendimento automatico come strumento diagnostico per la salute del suolo
L'impatto delle pratiche agricole e dell'uso di pesticidi sulla qualità del suolo è una preoccupazione crescente tra i consumatori, gli agricoltori e i gestori del suolo. Per valutare questo impatto, i bioindicatori, come i protisti, hanno un grande potenziale, ma il loro uso rimane limitato perché i metodi attuali non consentono un'analisi dettagliata e rapida dei campioni di suolo. Per superare questi inconvenienti, l'identificazione delle specie basata sulle sequenze di DNA ("barcoding"), abbinata alle nuove tecniche di sequenziamento ad altissimo rendimento, rappresenta un approccio promettente. Tuttavia, l'enorme quantità di sequenze e la loro elevata complessità rendono difficile la loro elaborazione con i mezzi convenzionali. È quindi essenziale sviluppare metodi che combinino bioinformatica e Machine Learning (ML) per (i) quantificare, analizzare ed elaborare le sequenze di protisti; (ii) identificare e selezionare bioindicatori (un sottoinsieme di protisti) associati a diversi fattori di stress; ma anche (iii) modellare la loro abbondanza relativa in diverse condizioni, portando allo sviluppo di modelli diagnostici predittivi.
Abbiamo analizzato la composizione delle comunità di protisti in 28 vigneti del Vallese utilizzando il metabarcoding e abbiamo confrontato le prestazioni predittive di diversi algoritmi ML per diverse variabili che caratterizzano la qualità del suolo. I nostri risultati innovativi mostrano che la composizione delle comunità di protisti può essere utilizzata per prevedere un'ampia gamma di variabili, tra cui la presenza di pesticidi (rame) nel suolo. Dal punto di vista tassonomico, i gruppi di protisti con il maggior numero di bioindicatori sono Ciliophora e Cercozoa. Dal punto di vista funzionale, la maggior parte dei bioindicatori corrispondeva a taxa eterotrofi, ma alcune variabili (biomassa vegetale e pH del suolo) erano previste principalmente da taxa fotosintetici. Le nostre analisi ci hanno permesso di sviluppare script per identificare i biomarcatori e prevedere diversi parametri del suolo.
Valutazione
PEÑA C.-A., BROCHET X., FOURNIER B., HEGER T., Quantitative monitoring of agricultural soil using protist communities, SIB day 2020, 8 - 10 giugno 2020, Losanna, Svizzera.
HEGER T. J., JIBRIL M., STEINER M., XAVIER B., LAMY F., MOTA M., NOLL D., BACHER S., PENA C., Comunità di protisti nei suoli dei vigneti: cosa ci dicono sulla qualità e la salute del suolo? Riunione congiunta della Phycological Society of America e della International Society of Protistologists, 29 luglio - 2 agosto 2018, Vancouver, Canada.
MAMMERI J., BROCHET X., HEGER T., BACHER S., STEINER M., PENA C., MaLDIveS: Machine Learning Diagnostic Soil. SIB days 2018 (Istituto svizzero di bioinformatica), 26-27 giugno 2018, Losanna, Svizzera.
2017 - in corso
Partner: HEIG-VD
Finanziamento: HES-SO
