Deciphering the relation of the microbiome interactome with ecosystem function and biogeochemical processes

Abstract

To comprehend ecosystem functioning, it’s imperative to discern the processes occurring in various environments (where) and the organisms responsible for them (who). Ecosystems form complex associations of taxa, abiotic parameters and physical characteristics of the materials. For example, the soil ecosystem holds 100 million cells in each gram. The texture and the chemistry of the soil affects and is affected by the existing taxa across the tree of life, plants, arthropods, bacteria, fungi etc. Apart from plants and fauna, microbes significantly influence soil ecosystem functioning, yet deciphering microbial biodiversity data remains challenging. Is- lands present a unique opportunity, to advance the understanding of microbiome diversity in the soil environment due to their confined space and manageable size. Crete, as a continental island, has a distinct natural and evolutionary history with extreme contrasts in vegetation cover, climatic conditions and geology. It has been studied for centuries and because of its location in southeastern Mediterranean is important for climate change studies. To this end, the first island-wide soil microbiome study was conducted on the island of Crete in 2016 by members of the Genome Standards Consortium. Together, a team of researchers and citizen scientists collected 432 soil samples from 72 sites across four distinct ecozones in a single day. Assessing the microbiome diversity drivers revealed that Crete’s microbial diversity is driven by total nitrogen and soil moisture along the elevation gradient. But some patterns and functions of the soil microbiome of Crete weren’t explained by chemical characteristics. Regarding microbes and metagenomics there is a wealth of data in open omics databases and in the literature. Yet, all this information is inhomogeneous and spread in separate resources. PREGO, a comprehensive knowledge base, amalgamates text mining and data integration techniques to extract these what-where-who associations from scattered scientific literature and omics repositories. It identifies microorganisms, biological processes, and environmental types, mapping them to ontology terms. Through text and metagenomics data analysis, PREGO extracts associations and assigns them confidence levels via a scoring scheme. With 364,508 microbial taxa, 1090 environmental types, 15,091 biological processes, and 7,971 molecular functions, PREGO aims to aid researchers in experiment design and interpretation. Additionally, it facilitates exploration of environment-process-microbe associations. For example, regarding soil ecosystems, 49 soil environments are linked with high score associations to 6276 taxa, 169 biological processes, and 3017 molecular functions. The vast majority of 10,929 associations involved environments and organisms, followed by 3139 associations between environments and molecular functions, and 274 between environments and biological processes. Ecosystem data integration is incorporating the available knowledge at the system level. This type of integration is also needed to decipher ecosystem function. Data about Crete island was categorised in literature, samplings and maps. The literature analysis showed the huge catalogue of historical datasets which is not still incorporated in open databases. In addition, Crete has been sampled for soil and biodiversity in many different ecosystems. Regarding maps, there are different aspects of the soil ecosystem; climate, geology, elevation and slope, soil type, land cover type, land management are among the major aspects of the Crete Soil System. In addition, Crete has been assessed for climate change and desertification in many studies adding more layers of information to create a Crete Soil System. All these data are further establishing Crete as a great soil model island. Furthermore, to understand the current status of ecosystems it is important to know their past conditions. Historical biodiversity documents are crucial for long- term data cycles but pose challenges in data curation due to their historical context. The data rescue process involves document digitization, transcription, information extraction using text mining tools, and publication to standardized formats. Information Extraction (IE) tools recognize entities in text, aiding curation. To this end, this work expanded on IE from a historical biodiversity perspective, orchestrating tools to provide a unified methodology. The classification of tools enables curators to choose based on their needs. A new tool, DECO, is introduced, aiming to enhance the data rescue process in biodiversity research. Studying ecosystems past and current conditions has made apparent the need for conservation actions because there are under multiple threats. An example of ecosystem collapse is the arthropod decline, a globally documented trend that re- mains insufficiently handled by the society. In Crete, a biodiversity hotspot, research on its arthropod fauna dates back centuries. Using the latest compiled data from the Natural History Museum of Crete, the endemicity distributions and hotspots were identified for the arthropods of Crete. Tackling on the hotspot definition, different grids were tested and the 10km2 was the most robust for these data. Using this grid, which is also the reference grid of European Environmental Agency, showed that Araneae, Chilopoda, Coleoptera, Diplopoda, Heteroptera, Hymenoptera (Chrysididae, Formicidae, Symphyta), Lepidoptera (Geometridae), Odonata, Orthoptera, Scorpiones and Trichoptera hotspots are mostly distributed in Cretan mountains. This finding complies with similar studies on plants. These hotspots are mostly overlapping with protected areas, like the Natura2000 network. However, human activities negatively impact these areas, raising concerns of the status of most endemic arthropods especially those that lack sufficient protection. Bringing it all together, the Island Sampling Day Crete data were further enriched for microbial taxa with platforms like PREGO and soil ecosystems with spatial and remote sensing data from the Crete Soil System. Microbe and ecosystem integration are both necessary to decipher ecosystem function drivers on the island. High-altitude areas harbor lower diversity of microorganisms, reversing the pat- terns seen in other faunal groups like arthropods. Spatial data integration identified warning signals in pristine and grazing ecosystems, aiding in identifying biodiversity drivers and evaluating ecosystem threats. In summary, studying ecosystems ecology with contemporary tools and data poses unique opportunities. Cumulative work across the centuries is becoming integrated to the digital and holistic representation of ecosystems. Multiple steps are still required to this realisation but there is a ground opportunity to unlock novel in- sights through the integration. Conservation and basic research are occurring simultaneously because the window of action in the face of ecosystem services collapse is narrow. Major presupposition to accomplish this is open data, open standards and open source code. All these were implemented and promoted in all chapters of this work to make it transparent, interoperable and reproducible.

Για να κατανοήσουμε τη λειτουργία των οικοσυστημάτων, είναι απαραίτητο να διακριθούν οι διεργασίες που συμβαίνουν σε διάφορα περιβάλλοντα και τους οργανισμούς που τις επιτελούν. Τα οικοσυστήματα αποτελούνται από πολύπλοκες αλληλεπιδράσεις των οργανισμών, των αβιοτικών παραμέτρων και τα φυσικά χαρακτηριστικά των υλικών. Για παράδειγμα, το οικοσύστημα του εδάφους περιέχει 100 εκατομμύρια κύτταρα σε κάθε γραμμάριο. Η υφή και η η χημεία του εδάφους επηρεάζει και επηρεάζεται από τα υπάρχοντα τάξα από όλο το δέντρο της ζωής, φυτά, αρθρόποδα, βακτήρια, μύκητες κλπ. Τα μικρόβια έχουν τη μεγαλύτερη επιρροή στην λειτουργία των οικοσυστημάτων του εδάφους. Παρόλα αυτά, η αποσαφύνιση της μικροβιακής βιοποικιλότητας παραμένει υπό εξερεύνηση. Τα νησιά, λόγω της ποικιλομορφίας τους σε μικρότερη κλίμακα αποτελούν μια σημαντική ευκαιρία για την βαθύτερη κατανόηση της μικροβιακής ποικιλότητας του εδάφους. Η Κρήτη, ένα ηπειρωτικό νησί, έχει ξεχωριστή βιοποικιλότητα με έντονη γεωλογική ιστορία και με πολλές αντιθέσεις σχετικά με την βλάστηση, το κλίμα και τα πετρώματα. Μελετάται από της αρχαιότητα και η θέση στης στο νοτιοανατολικό άκρο της Μεσογείου την καθιστά σημαντική για την μελέτη της κλιματικής αλλαγής. Λαμβάνοντας αυτά υπόψη, μια από της πρώτες μελέτες νησιωτικού μικροβιώματος οργανώθηκε στην Κρήτη από το Genome Standards Consortium το 2016. Στο Island Sampling Day, όπως ονομάζεται το συγκεκριμένο project, ερευνητές και εθελοντές σύλλεξαν 432 δείγματα εδάφους από 72 διαφορετικά σημεία της Κρήτης στη διάρκεια μιας μέρας. Η ανάλυση του μικροβιώματος της Κρήτης έδειξε ότι η μικροβιακή ποικιλότητα συσχετίζεται κυρίως από το άζωτο, τον οργανικό άνθρακα και την υγρασία του εδάφους. Επίσης η μεγάλη ετερογένεια της β-ποικιλότητας μεταξύ των δειγμάτων είναι δείκτης ότι χρειάζονται περισσότερα δεδομένα για τα χαρακτηριστικά του εδάφους και των άλλων οργανισμών για την ερμηνεία μοτίβων και λειτουργιών των μικροβίων. Τα τελευταία 15 χρόνια, μελέτες περιβαλλοντικής μικροβιολογίας, όπως το ISD, έχουν οδηγήσει σε μια πληθώρα δεδομένων σε ανοιχτές βάσεις δεδομένων και στη βιβλιογραφία. Ωστόσο, όλες αυτές οι πληροφορίες είναι ανομοιογενείς και κατακερματισμένες σε διαφορετικές πλατφόρμες. Για την ομογενοποίηση όλων αυτών των δεδομένων και μεταδεδομένων αναπτύχθηκε το PREGO, μια συγκεντρωτική βάση γνώσης για τα μικρόβια, τις διεργασίες τους και τα περιβάλλοντα που βρίσκονται. Μέσω τεχνικών εξόρυξης κειμένου και ενσωμάτωσης δεδομένων το PREGO συγχωνεύει συσχετίσεις οργανισμών, περιβάλλοντος και λειτουργιών από από την επιστημονική βιβλιογραφία και βάσεις δεδομένων. Οι μικροοργανισμοί, οι βιολογικές διεργασίες και οι περιβαλλοντικοί τύποι αντιστοιχούνται με όρους οντολογίας και κάθε συσχέτιση κατηγοριοποιείται με ένα σύστημα αξιολόγησης βαθμών εμπιστοσύνης. Με 364.508 μικροβιακά τάξα, 1090 περιβαλλοντικούς τύπους, 15.091 βιολογικές διεργασίες, και 7.971 μοριακές λειτουργίες, το PREGO στοχεύει να βοηθήσει τους ερευνητές στο σχεδιασμό και ερμηνεία πειραμάτων αλλά και την διατύπωση νέων υποθέσων εργασίας. Επιπλέον, διευκολύνει την διερεύνηση συσχετίσεων περιβάλλοντος-διαδικασιών-μικροβίων. Για παράδειγμα, σχετικά με το έδαφος, 49 περιβάλλοντα έχουν συσχετίσεις υψηλής βαθμολογίας με 6276 τάξα, 169 βιολογικές διεργασίες και 3017 μοριακές λειτουργίες. Η πλειονότητα των συσχετίσεων, από τις 10.929 στο σύνολο, είναι μεταξύ περιβαλλόντων και οργανισμών. Ενώ 3139 συσχετίσεις είναι μεταξύ περιβαλλόντων και μοριακών λειτουργιών, και 274 μεταξύ περιβαλλόντων και βιολογικών διεργασιών. Για την αποσαφήνιση της λειτουργίας οικοσυστημάτων καθώς και συσχετίσεων με τα μικρόβια του εδάφους πραγματοποιήθηκε εμπλουτισμός δεδομένων σχετικά με την Κρήτη. Πιο συγκεκριμένα, χρησιμοποιώντας ανοιχτά δεδομένα πραγματοποιήθηκε ανάλυση δεδομένων βιβλιογραφίας, δειγματοληψιών και διαφορετικών χαρτών. Αυτά τα δεδομένα συγκεντρώθηκαν για να αποτελέσουν ένα ενιαίο εδαλοφολικό σύστημα της Κρήτης. Βασικός στόχος είναι η ψηφιακή αναπαράσταση του εδάφους της Κρήτης για να αποκρυπτογραφηθούν οι λειτουργίες των ποικίλων οικοσυστημάτων του νησιού. Η ανάλυση της βιβλιογραφίας έδειξε τον μεγάλο πλούτο γνώσης που υπάρχει για την βιοποικιλότητα της Κρήτης η οποία όμως ακόμη δεν έχει ενσωματωθεί σε μεγάλο βαθμό σε βάσεις δεδομένων. Επίσης σχετικά με τις δειγματοληψίες, φαίνεται ότι μεγάλες παγκόσμιες μελέτες εδαφολογικού μικροβιώματος έχουν δείγματα από την Κρήτη. Υπάρχει ακόμη και μεγάλη πληθώρα χωρικών δεδομένων όπως κλιματικά, τύπος εδάφους, γεωλογίας, τύπος βλάστησης κλπ. Όλα αυτά μαζί με ανοιχτά δεδομένα από μελέτες ερημοποίησης και κλιματικής αλλαγής συντελούν την Κρήτη ένα σημαντικό μοντέλο για μελέτες χερσαίων οικοσυστημάτων. Εν μέσω της δραματικής αύξησης των δραστηριοτήτων του ανθρώπου είναι σημαντικό να κατανοήθεί η παρούσα κατάσταση των οικοσυστημάτων. Σε αυτό είναι απαραίτητη η ιστορική γνώση που υπάρχει από προηγούμενες μελέτες. Τα ιστορικά έγγραφα βιοποικιλότητας είναι ζωτικής σημασίας για μακροπρόθεσμες αναλύσεις. Όμως η διάσωση και η επιμέλεια ιστορικών δεδομένων είναι δύσκολη λόγω του ιστορικού τους πλαισίου. Η διαδικασία διάσωσης δεδομένων περιλαμβάνει ψηφιοποίηση εγγράφων, μεταγραφή, εξαγωγή πληροφοριών χρησιμοποιώντας εργαλεία εξόρυξης κειμένου και τη μετέπειτα δημοσίευση σε βάσεις δεδομένων. Τα εργαλεία εξόρυξης γνώσης, που έχουν εξελιχθεί ραγδαία τα τελευταία χρόνια, αναγνωρίζουν οντότητες στο κείμενο, βοηθώντας στην επιμέλεια. Για το σκοπό διάσωσης γνώσης από ιστορικά έγγραφα βιοποικιλότητας αναπτύχθηκε ένα νέο εργαλείο, το DECO. Το DECO ενισχύει τη διαδικασία διάσωσης κειμένων βιοποικιλότητας καθώς ενσωματώνει εργαλεία από την μετατροπή εικόνων σάρωσης σε κείμενο, την εύρεση ονομάτων των ειδών και των περιβαλλόντων που αναφέρονται με διαφορετικά εργαλεία καθώς και την αντιστοίχισή τους σε αριθμούς μητρώου βάσεων δεδομένων. Η ροή εργασιών του DECO μπορεί να χειριστεί παράλληλα μελέτες εκατοντάδων σελίδων για την επιτάχυνση της διαδικασίας διάσωσης δεδομένων. Η μελέτη των οικοσυστημάτων του παρελθόντος και των σημερινών συνθηκών έχει κάνει εμφανή την ανάγκη για δράσεις διατήρησης επειδή βρίσκονται υπό πολλαπλές απειλές. Ένα παράδειγμα είναι η κατάρρευση των αρθροπόδων, μια παγκόσμια τεκμηριωμένη τάση που έχει αντιμετωπιστεί ανεπαρκώς από την κοινωνία. Η Κρήτη είναι ένα hotspot βιοποικιλότητας και η έρευνα για την πανίδα των αρθροπόδων της χρονολογείται από τον 19ο αιώνα. Στην παρούσα εργασία αξιολογήθηκε η κατάσταση της διατήρησης των ενδημικών αρθρόποδων της Κρήτης χρησιμοποιώντας την επικάλυψη των κατανομών των αρθρόποδων και τον εντοπισμό hotspots. Διερευνήθηκαν τα hotspots ενδημικότητάς τους τα οποία εντοπίστηκαν κυρίων στους ορεινούς όγκους του νησιού. Για αυτές τις αναλύσεις, συγκεντρώθηκαν παρουσίες του ενδημικών αρθροπόδων της Κρήτης που βρίσκονται στις συλλογές του Μουσείου Φυσικής Ιστορίας της Κρήτη μαζί με στοιχεία από την εκτενή βιβλιογραφία. Τα ενδημικά hotspots επίσης αξιολογήθηκαν σχετικά με τις ανθρώπινες πιέσεις και την αλλαγή χρήσης γης. Ο εμπλουτισμός των δεδομένων των οικοσυστημάτων και των μικροβίων του ISD με τα παραπάνω δεδομένα επέτρεψε την στοχευμένη μελέτη σχετικά με την υγεία και την ολιστική ψηφιακή αναπαράστασή τους. Πιο συγκεκριμένα, ανιχνεύτηκαν δυνητικά παθογόνοι μικροοργανισμοι σε παρθένα οικοσυστήματα και βοσκοτόπια. Επιπλέον, οι περιοχές με μεγάλο υψόμετρο φιλοξενούν λιγότερη βιοποικιλότητα μικροοργανισμών, σε αντίθεση με τα μοτίβα που παρατηρούνται σε άλλες ομάδες πανίδας όπως τα αρθρόποδα. Απαιτούνται ακόμη πολλά βήματα πλήρη ψηφιοποίηση των οικοσυστημάτων όμως υπάρχουν ευκαιρίες για να νέα ερωτήματα και νέες ιδέες μέσω της ενσωμάτωσης. Η προστασία, η διατήρηση και η βασική έρευνα πλέον χρειάζεται να γίνονται ταυτόχρονα επειδή τα περιθώρια δράσης ενόψει της κατάρρευσης των οικοσυστημάτων είναι στενά. Σημαντική προϋπόθεση για να επιτευχθούν τα παραπάνω είναι τα ανοιχτά δεδομένα, ανοιχτά πρότυπα και ανοιχτός κώδικας. Κάθε κεφάλαιο αυτής της εργασίας είχε σαν επιπλέον στόχο να τη διαφάνεια, την διαλειτουργικότητα και την επαναληψιμότητα των αναλύσεων ώστε να μπορέσουν να χρησιμοποιηθούν, να αξιολογηθούν και να βελτιωθούν στο μέλλον.