Hochdurchsatz-Sequenzierung kombiniert mit maschinellem Lernen und Netzwerkanalysen als Methode zum effiziente Biomonitoring von Küsten- und Ästuar-Ökosystemen

• Antragstellerinnen / Antragsteller: Professorin Dr. Sabine Filker; Professor Dr. Thorsten Stoeck
• Fachliche Zuordnung: Ökologie und Biodiversität der Tiere und Ökosysteme, Organismische Interaktionen ; Bioinformatik und Theoretische Biologie
• Förderung: Förderung seit 2020
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 432977076

Marine Küsten- und Mündungsgebiete sind dynamische und komplexe Lebensräume, die eine reiche Biodiversität beherbergen und zahlreiche Ökosystemdienstleistungen erbringen. Sie sind einem hohen anthropogenen Druck aus Industrie, Stadtgebieten, Landwirtschaft und Tourismus ausgesetzt. Um ein zufriedenstellendes Gleichgewicht zwischen wirtschaftlicher Entwicklung und Gesundheit des Ökosystems zu gewährleisten, ist eine regelmäßige Umweltüberwachung zur Beurteilung des ökologischen Qualitätsstatus (EQS) erforderlich. Die derzeitigen Überwachungsstrategien, die in (inter)nationalen Richtlinien festgelegt sind, basieren aktuell auf der morphologischen Identifizierung benthischer Makroinvertebraten. Dies ist zu teuer und zeitaufwendig für ein zeitnahes und nachhaltiges Umweltmanagement. Daher werden derzeit neue, effizientere und kostengünstigere DNA-basierte Technologien für die Implementierung in Monitoringprogramme untersucht. Wir wollen diese Technologie weiterentwickeln und das Potential der Metagenomik und -transkriptomik für die Identifizierung struktureller und funktioneller genetischer Indikatoren in benthischen Proben mariner Küsten- und Mündungsgebiete nutzen. Überwachtes maschinelles Lernen und Netzwerkanalysen werden zur Analyse der gewonnenen Datensätze eingesetzt, um die Reaktion von Ökosystemen auf Stressoren und den EQS aus diesen genetischen Signaturen vorherzusagen.

• DFG-Verfahren: Sachbeihilfen