物理學研究生Jason Merritt在伊利諾伊州厄巴納的Loomis物理實驗室Kuehn實驗室研究他的自動化細菌種群取樣裝置。來自伊利諾伊大學厄巴納 - 香檳分校的L. Brian Stauffer

伊利諾伊大學厄巴納 - 香檳分校的科學家們已經(jīng)提供了迄今為止在波動的饑餓或饑荒條件下人口動態(tài)的最準確圖片。生物物理學家Seppe Kuehn教授和他的研究生Jason Merritt發(fā)現(xiàn)，細菌種群密度是營養(yǎng)波動的頻率和幅度的函數(shù)。他們發(fā)現(xiàn)，節(jié)日周期越頻繁，節(jié)日周期越長，人口從饑荒狀態(tài)恢復的速度就越快。該結果對于理解微生物種群如何應對它們在自然界中經(jīng)歷的恒定養(yǎng)分波動具有重要意義。

通過對細菌群落中種群動態(tài)的非常精確的測量，該團隊的研究成果成為可能。該測量基于數(shù)億個單細胞的自動成像，使團隊能夠捕獲超過一周的人口動態(tài)，時間分辨率為1分鐘。如果沒有Merritt的連續(xù)培養(yǎng)系統(tǒng)，再加上自動采樣熒光顯微鏡，這些數(shù)字和實驗的持續(xù)時間就不會發(fā)生。

這些研究結果發(fā)表在8月28日出版的“ 物理評論快報”上。

實驗設置花了大約兩年時間，并開發(fā)了許多原型。Merritt為實驗建立了六個相同的系統(tǒng)，每個系統(tǒng)都自動連續(xù)泵入新鮮培養(yǎng)基并抽出細菌培養(yǎng)物進行取樣。對樣品進行連續(xù)成像以跟蹤種群密度和結構的變化。Merritt開發(fā)的軟件可自動分割圖像以計算細菌細胞，從而生成大量數(shù)據(jù)集。該軟件利用機器學習來解決圖像識別和處理中難以解決的問題。

Kuehn評論道，“研究細菌種群的科學家通常會手動采集樣本并親自進行離線計數(shù)。杰森的系統(tǒng)所做的是自動移除樣本，將其傳遞到顯微鏡前進行成像，然后將其放回去。他們每天24小時，每天24小時不做任何輸入，長達一個月。他的軟件對圖像中的單元格進行計數(shù)，實時提取信息?！?/span>

圖表說明人口密度與可用營養(yǎng)素的頻率和幅度的函數(shù)關系。圖片來源：伊利諾伊大學厄巴納 - 香檳分校Kuehn實驗室

他繼續(xù)說道，“這是向前邁出的一大步 - 以前從未實現(xiàn)過。使用微流體裝置進行了短時間的定量研究，但這些只限于運行時間約三天。我們可以運行30天，生產(chǎn)時間長時間尺度的高度定量測量。我們可以輕松地進行重復實驗，重現(xiàn)相同的結果。因此，我們能夠使用該系統(tǒng)來檢驗關于控制我們所觀察到的動力學的潛在機制的假設?！?/span>

Merritt評論說：“系統(tǒng)的想法源于Seppe之前的工作。我制造的設備基本上是一個帶有玻璃瓶的金屬塊。它是我們系統(tǒng)中最重要的部分，也是最難獲得的部分可靠地工作是與熒光顯微鏡的耦合?！?/span>

該系統(tǒng)連續(xù)地將液體培養(yǎng)物中的樣品吸入柔性管中，然后進入顯微鏡路徑中的薄玻璃毛細管。細菌一次多次通過毛細管，但彼此間隔開。整體上最大的挑戰(zhàn)是在軟件方面，進行適當?shù)膱D像分割以將圖像轉換為數(shù)據(jù)。

主要發(fā)現(xiàn)人群顯然從更頻繁或更大的營養(yǎng)脈沖中恢復得更快，一開始讓團隊感到困惑。然而，測量的精確度使他們能夠揭示機制。

Merritt繼續(xù)說道，“我們發(fā)現(xiàn)浮游生物的快速回收率是由于在盛宴條件下聚集細胞（生物膜）的擴散所致。所以基本上當有大量食物時，這些細胞聚集體會迅速開始脫落細胞，脫落的細胞開始快速生長。但是在饑荒條件下，當食物不多時，這些細胞開始重新聚集并再次形成聚集體。這是驅動頻率和振幅依賴性的機制。

Kuehn補充說，“自然種群的變異可能是許多不同變量中的任何一個或組合的結果 - 營養(yǎng)物質的數(shù)量，溫度，競爭和捕食等等 - 因此很難衡量因果關系。在實驗室中，我們嚴格控制我們實驗的所有參數(shù)?，F(xiàn)在我們可以進行非常強大和可重復的定量測量。展望未來，我們希望修改這些系統(tǒng)以研究進化史上的主題。我們還計劃進行研究我們使用微生物群落的反饋控制，看看我們是否可以將社區(qū)推回到特定的狀態(tài)。這些是沒有像我們在本研究中使用的自動化系統(tǒng)那樣的研究?！?/span>