Vorhersage mikrobieller Populationsdynamik – von Mikrokosmen zu polymikrobiellen Infektionen

• Antragsteller: Professor Dr. Tobias Bollenbach
• Fachliche Zuordnung: Medizinische Mikrobiologie und Mykologie, Hygiene, Molekulare Infektionsbiologie ; Bioinformatik und Theoretische Biologie ; Mikrobielle Ökologie und Angewandte Mikrobiologie
• Förderung: Förderung seit 2023
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 498531688

Mikroben leben in Gemeinschaften aus vielen unterschiedlichen Arten. Ökologische Wechselwirkungen, über die Mikroben sich einander in ihrem Wachstum beeinflussen, spielen eine Schlüsselrolle für die Zusammensetzung, Stabilität und Dynamik dieser Gemeinschaften. Mathematische Modelle beschreiben die Populationsdynamik solcher Ökosysteme, aber ihre Vorhersagen sind bisher nur für künstliche Labor-Ökosysteme (Mikrokosmen) erfolgreich, die aus wenigen - oft synthetischen - Stämmen bestehen. Quantitative Messungen ökologischer Wechselwirkungen, die für die Entwicklung einer prädiktiven Theorie mikrobieller Ökosystemdynamik unerlässlich sind, fehlen bislang. Das Hauptziel dieses Projekts ist die Erschaffung und Validierung mathematischer Modelle zur Vorhersage mikrobieller Populationsdynamik, wobei wir mit kontrollierten Mikrokosmen im Labor beginnen, dies aber auf polymikrobielle Infektionen ausdehnen werden. Hierzu werden wir robotergestützte Hochdurchsatztechniken einsetzen, um paarweise ökologische Wechselwirkungen zwischen einer großen Anzahl klinischer Isolate zu messen, Kokultur-Experimente durchführen und zeitaufgelöste in-vivo-Mikrobiomdaten von Patienten mit chronischen polymikrobiellen Infektionen analysieren. Wir werden mathematische Modelle schrittweise entwickeln, beginnend mit relativ einfachen Mikrokosmen aus manipulierten Escherichia coli-Stämmen, und diesen Ansatz dann auf Isolate aus polymikrobiellen Infektionen der Lunge und des Harntraktes erweitern. Das gesamte Projekt konzentriert sich auf kleine mikrobielle Verbünde, bei denen realistische Hoffnung besteht, emergente Eigenschaften zu verstehen. Der erfolgreiche Abschluss dieser Arbeit wird die prädiktive Ökologie voranbringen und neue Behandlungsstrategien für polymikrobielle Infektionen inspirieren, die nicht nur auf einzelne Stämme abzielen, sondern auf eine Störung ganzer mikrobieller Gemeinschaften.

• DFG-Verfahren: Sachbeihilfen