Hochschulschrift:
Dissertation, Universität Oldenburg, 2024
Anmerkungen:
Beschreibung:
Ökologische Gemeinschaften weisen aufgrund zahlreicher Wechselwirkungen regelmäßig komplexe nichtlineare Dynamiken auf. Angesichts des Klimawandels und des Verlusts der biologischen Vielfalt ist das Verständnis der anthropogenen Auswirkungen auf mikrobielle Gemeinschaften eine wichtige Herausforderung unserer Zeit. In dieser Arbeit wird ein zweigeteilter Ansatz verfolgt, um das Verständnis der Mechanismen von komplexen ökologischen Gemeinschaften zu verbessern. Diffusion maps identifizieren wichtige metabolische Nischen in einer Langzeitdatenreihe von Bakteriengemeinschaften und reduzieren damit die Dimensionalität dieses Datensatzes. Im zweiten Teil wird ein verallgemeinerter Modellierungsansatz angewandt, um die wechselseitige Ernährung in bakteriellen Gemeinschaften zu untersuchen. Insgesamt bieten diese Fortschritte bei der Datenanalyse und Modellierung Einblicke in die Mechanismen, die Zusammensetzung und die Dynamiken mikrobieller Gemeinschaften und deren Auswirkungen auf das Funktionieren von Ökosystemen
Ecological communities regularly show complex nonlinear dynamics due to numerous interactions. Amidst climate change and biodiversity loss, understanding anthropogenic impacts on microbial communities is one of the most important challenges of our time. Mechanistic understanding faces challenges in data-driven and model-led approaches due to the curse of dimensionality and uncertainties in microbial community functional forms. This thesis employs a twofold approach to enhance understanding. Addressing high-dimensional datasets, diffusion maps on a Baltic Sea bacterial time series identify key metabolic niches, reducing dimensionality and linking data to ecological niches. The second part employs a generalized modeling approach to explore mutualistic cross-feeding in bacterial communities. Analyzing a range of plausible models highlights metabolic costs contributing to system’s stability. Overall, these advancements in data analysis and modeling provide insights into microbial community mechanisms, composition, dynamics, and their impact on ecosystem functioning.