Assessment of microbial community interactions using different tools

Abstract

Microbial communities participate in many biological processes, directly affecting its surrounding environment. Thus, the study of a community’s behaviour and interactions among its members can be very useful in the biotechnology, environmental and human health fields. Nevertheless, decoding the metabolic exchanges between microorganisms and community dynamics remains a challenge. Computational modelling methods have gained interest as a way to unravel the interactions and behaviour. GSM models allow the prediction of an organism’s response to changes in genetic and environmental conditions. Thus, the extension of such method to a community level can help decode a community’s phenotype. In this work, different GSM models and current bioinformatics tools were used to model the metabolism of different microbial communities. The different tools’ performances were compared to assess which is currently the best method to perform an analysis on a community level. Distinct case studies regarding microbial communities for which its interactions were already known, were selected. To assess the tools’ performances, each tools output was compared to what was expected in theory. COBRA Toolbox's methods proved to be useful to build a community structure from individual GSM models, while pFBA and SteadyCom’s simulation methods can predict exchange between the organisms and the environment. Additionally, Dynamic Flux Balance Analysis (dFBA) approaches, such as DFBAlab and DyMMM, can successfully simulate metabolite and biomass variation over time. Nevertheless, these methods are more limited as they require specific organism information, which is not always available. Several GSM models are available for use. Nonetheless, their quality control has to gain attention as the simulations’ results are directly affected by the individual models accuracy to represent an organism’s metabolism. Thus, community model builders should carefully chose a GSM model, or combination of models before performing simulations.

Comunidades microbianas participam em inúmeros processos biológicos, afetando diretamente o ambiente que as engloba. Assim, o estudo do comportamento de uma comunidade e interações entre os seus membros pode ser muito útil nas áreas da biotecnologia, ambiente e saúde. No entanto, descodificar as trocas entre microrganismos e a dinâmica de comunidades continua um desafio. Métodos de modelação computacional têm ganho interesse como forma de desvendar tais interações e comportamento de comunidades. Modelos metabólicos à escala genómica permitem prever a resposta de um certo organismo a mudanças genéticas e ambientais. Assim, a extensão de tal método ao nível de comunidade pode ajudar a prever o fenótipo de uma certa comunidade. No presente trabalho, diferentes modelos metabólicos à escala genómica e ferramentas bioinformáticas foram utilizados para modelar o metabolismo de diferentes comunidades microbianas, comparando o desempenho destas ferramentas para avaliar qual o melhor método para análise ao nível da comunidade. Casos de estudo distintos, relativos a comunidades para as quais se conhecem as interações, foram selecionados. Por fim, para aferir o desempenho das ferramentas, os respetivos resultados foram comparados ao teoricamente esperado. Os métodos da ferramenta COBRA Toolbox provaram ser úteis para construir a estrutura da comunidade, usando modelos metabólicos à escala genómica dos organismos individuais. Quanto a métodos de simulação, pFBA e SteadyCom são úteis para prever trocas entre os organismos e o ambiente que os envolve. Para além disso, abordagens dFBA, como DFBAlab e DyMMM, podem simular a variação da concentração de metabolitos e biomassa ao longo do tempo. No entanto, estes métodos apresentam limitações por requererem informação específica ao organismo, que nem sempre se encontra disponível. Vários modelos metabólicos à escala genómica estão disponibilizados. No entanto, o controlo na qualidade destes tem que ganhar atenção, visto que os resultados das simulações são diretamente afetados pela sua precisão na representação do metabolismo de um organismo e consequentemente, da comunidade. Assim, para construir um modelo de comunidades, é necessária uma seleção cuidadosa dos modelos individuais a usar, antes de serem feitas simulações.