Informácie

Jednoduchý experimentálny dizajn chemostatu bez púmp

Jednoduchý experimentálny dizajn chemostatu bez púmp


We are searching data for your request:

Forums and discussions:
Manuals and reference books:
Data from registers:
Wait the end of the search in all databases.
Upon completion, a link will appear to access the found materials.

Chemostat je zariadenie na udržiavanie bunkovej kultúry v rovnováhe neustálym pumpovaním živín a odčerpávaním nadbytočných buniek a živín von.

Aký je najjednoduchší dizajn chemostatu? Skúšal to niekto namontovať bez čerpadla?

Obzvlášť citlivou otázkou je odber vzoriek, pretože riskujete kontamináciu kultúry.


Tu je odkaz na dizajn, v ktorom sa elektrolýza používa na generovanie plynu, ktorý vytláča kvapalinu zo zásobníka do kultivačnej komory, čo zase vytláča kultúru do odtoku (kde by sa mohli zbierať vzorky). Konštrukcia však vyžaduje čerpadlo na prevzdušňovanie a neviem si predstaviť spôsob, akým by sa tomu dalo vyhnúť, hoci v tomto článku je citovaný odkaz, ktorý zjavne popisuje použitie gravitačného prúdenia (nekontroloval som to von).

Len pre zaujímavosť, tento odkaz je na dizajn, ktorý vyžaduje peristaltické čerpadlo a vákuové vedenie, ale zdá sa, že je dosiahnuteľný.


Od molekulárnej k modulárnej bunkovej biológii

Bunkové funkcie, ako je prenos signálu, vykonávajú „moduly“ zložené z mnohých druhov interagujúcich molekúl. Pochopenie toho, ako moduly fungujú, záviselo od kombinácie fenomenologickej analýzy s molekulárnymi štúdiami. Všeobecné princípy, ktorými sa riadi štruktúra a správanie modulov, môžu byť objavené pomocou syntetických vied, ako je inžinierstvo a informatika, zo silnejších interakcií medzi experimentom a teóriou v bunkovej biológii a z uznania evolučných obmedzení.

Hoci živé systémy dodržiavajú zákony fyziky a chémie, pojem funkcie alebo účelu odlišuje biológiu od iných prírodných vied. Organizmy existujú na rozmnožovanie, zatiaľ čo mimo náboženského presvedčenia nemajú kamene a hviezdy žiadny účel. Selekcia funkcie vytvorila živú bunku s jedinečným súborom vlastností, ktoré ju odlišujú od neživých systémov interagujúcich molekúl. Bunky existujú ďaleko od tepelnej rovnováhy tým, že získavajú energiu zo svojho prostredia. Skladajú sa z tisícok rôznych typov molekúl. Obsahujú informácie pre ich prežitie a reprodukciu vo forme ich DNA. Ich interakcie s prostredím závisia byzantským spôsobom od týchto informácií a informácie a mechanizmus, ktorý ich interpretuje, sa replikujú reprodukciou bunky. Ako tieto vlastnosti vznikajú z interakcií medzi molekulami, ktoré tvoria bunky, a ako sú formované evolučnou konkurenciou s inými bunkami?

Veľká časť biológie dvadsiateho storočia bola pokusom zredukovať biologické javy na správanie molekúl. Tento prístup je obzvlášť jasný v genetike, ktorá sa začala skúmaním dedičnosti variácií, ako sú rozdiely vo farbe semien hrachu a mušiek. Z týchto štúdií genetici odvodili existenciu génov a mnohých ich vlastností, ako napríklad ich lineárne usporiadanie pozdĺž dĺžky chromozómu. Ďalšia analýza viedla k princípom, že každý gén riadi syntézu jedného proteínu, že DNA obsahuje genetickú informáciu a že genetický kód spája sekvenciu DNA so štruktúrou proteínov.

Napriek obrovskému úspechu tohto prístupu možno individuálnej molekule len zriedkavo pripísať diskrétnu biologickú funkciu v tom zmysle, že hlavným účelom hemoglobínu je transport molekúl plynu v krvnom obehu. Na rozdiel od toho väčšina biologických funkcií vzniká z interakcií medzi mnohými komponentmi. Napríklad v systéme prenosu signálu v kvasinkách, ktorý premieňa detekciu feromónu na akt párenia, neexistuje jediný proteín zodpovedný za zosilnenie vstupného signálu poskytovaného molekulou feromónu.

Na opis biologických funkcií potrebujeme slovnú zásobu, ktorá obsahuje pojmy ako amplifikácia, adaptácia, robustnosť, izolácia, korekcia chýb a detekcia zhody. Napríklad na rozlúštenie toho, ako môže väzba niekoľkých molekúl atraktantu na receptory na povrchu baktérie prinútiť baktériu pohybovať sa smerom k atraktantu (chemotaxia), bude potrebné pochopiť, ako bunky robustne detegujú a zosilňujú signály v hlučnom prostredí. Po opísaní takýchto konceptov musíme vysvetliť, ako vznikajú interakciou medzi komponentmi v bunke.

Tu argumentujeme za uznanie funkčných „modulov“ ako kritickej úrovne biologickej organizácie. Moduly sa skladajú z mnohých typov molekúl. Majú diskrétne funkcie, ktoré vyplývajú z interakcií medzi ich zložkami (proteíny, DNA, RNA a malé molekuly), ale tieto funkcie nemožno ľahko predpovedať štúdiom vlastností izolovaných zložiek. Veríme, že všeobecné „princípy dizajnu“ – hlboko formované obmedzeniami evolúcie – riadia štruktúru a funkciu modulov. Napokon, pojem funkcie a funkčných vlastností oddeľuje biológiu od iných prírodných vied a spája ju so syntetickými disciplínami, akými sú informatika a inžinierstvo.

Je bunková biológia modulárna?

Funkčný modul je podľa definície samostatná entita, ktorej funkcia je oddeliteľná od funkcií iných modulov. Táto separácia závisí od chemickej izolácie, ktorá môže pochádzať z priestorovej lokalizácie alebo z chemickej špecifickosti. Ribozóm, modul, ktorý syntetizuje proteíny, koncentruje reakcie zapojené do tvorby polypeptidu do jednej častice, čím priestorovo izoluje jeho funkciu. Na druhej strane systém prenosu signálu, ako sú tie, ktoré riadia chemotaxiu v baktériách alebo párenie v kvasinkách 1,2,3, je rozšírený modul, ktorý dosahuje svoju izoláciu prostredníctvom špecifickosti počiatočnej väzby chemického signálu (napr. chemoatraktant alebo feromón) na receptorové proteíny a o interakciách medzi signálnymi proteínmi v bunke. Moduly môžu byť od seba izolované alebo navzájom spojené. Izolácia umožňuje bunke vykonávať mnoho rôznych reakcií bez prehovorov, ktoré by poškodili bunku, zatiaľ čo konektivita umožňuje jednej funkcii ovplyvňovať druhú. Vlastnosti buniek vyššej úrovne, ako je ich schopnosť integrovať informácie z viacerých zdrojov, budú opísané vzorom spojení medzi ich funkčnými modulmi.

Pojem modul je užitočný iba vtedy, ak zahŕňa malú časť komponentov článku pri plnení relatívne autonómnej funkcie. Sú moduly skutočné? Niekoľko dôkazov naznačuje, že áno. Niektoré moduly, ako napríklad moduly na syntézu proteínov, replikáciu DNA, glykolýzu a dokonca aj časti mitotického vretienka (bunkový mechanizmus, ktorý zabezpečuje správnu distribúciu chromozómov pri delení buniek), boli úspešne rekonštituované. in vitro. Iné je vo svojej podstate ťažšie rekonštruovať z purifikovaných komponentov a pre tieto iné metódy potvrdili platnosť modulu. Jednou z metód je transplantácia modulu do iného typu bunky. Napríklad akčné potenciály charakteristické pre nervové a svalové bunky boli rekonštituované transplantáciou iónových kanálov a púmp z takýchto buniek do neexcitovateľných buniek 4 . Ďalším prístupom je vytvorenie teoretických modelov systému a overenie, či ich predpovede zodpovedajú realite. Tento prístup sa použil na opis generovania akčných potenciálov dávno predtým, ako existoval molekulárny popis membránových kanálov (pozri rámček 1). Toto bol prvý príklad „ in silico rekonštitúcia“, ktorá bude mať čoraz dôležitejšiu úlohu v bunkovej biológii.

Funkčné moduly nemusia byť pevné, pevné štruktúry daný komponent môže patriť do rôznych modulov v rôznych časoch. Funkciu modulu je možné kvantitatívne regulovať alebo prepínať medzi kvalitatívne odlišnými funkciami chemickými signálmi z iných modulov. Funkcie vyššej úrovne je možné vybudovať spojením modulov dohromady. Napríklad supermodul, ktorého funkciou je presná distribúcia chromozómov do dcérskych buniek pri mitóze, obsahuje moduly, ktoré zostavujú mitotické vretienko, modul, ktorý monitoruje zarovnanie chromozómov na vretene, a oscilátor bunkového cyklu, ktorý reguluje prechody medzi medzifázou a mitóza.

Treba sa tiež spýtať, ako bunka integruje informácie a pokyny, ktoré pochádzajú z mnohých rôznych modulov, ktoré monitorujú jej vnútorné a vonkajšie prostredie. Analogický problém má neurobiológia, kde centrálny nervový systém integruje informácie z rôznych zmyslov a diktuje správanie organizmu. Vzniká bunková integrácia iba zo siete párových spojení medzi rôznymi zmyslovými modulmi, alebo existujú špecifické moduly, ktoré fungujú ako bunkový ekvivalent centrálneho nervového systému – integrujú informácie a riešia konflikty?

Úplné pochopenie biologického modulu závisí od schopnosti fenomenologických a molekulárnych analýz vzájomne sa obmedzovať (pozri rámček 2). Fenomenologické modely majú menej premenných ako molekulárne popisy, čo uľahčuje ich obmedzenie pomocou experimentálnych údajov, zatiaľ čo identifikácia zahrnutých molekúl umožňuje rušiť a analyzovať moduly oveľa podrobnejšie. Demonštrácia, že genetická informácia o virulencii by sa mohla prenášať medzi baktériami, teda podnietila identifikáciu molekuly nesúcej informácie ako DNA predtým, ako boli pochopené molekulárne procesy zapojené do virulencie a štruktúra DNA. Zistenie, že genetická informácia sa nachádza v DNA, podporilo štrukturálne štúdie, ktoré potom naznačili, ako DNA kóduje informácie a prenáša ich z generácie na generáciu.

Modulárne štruktúry môžu uľahčiť evolučnú zmenu. Vloženie konkrétnych funkcií do diskrétnych modulov umožňuje, aby sa základná funkcia modulu mohla meniť, ale umožňuje zmeny vo vlastnostiach a funkciách bunky (jej fenotypu) zmenou spojení medzi rôznymi modulmi. Ak by funkcia proteínu priamo ovplyvňovala všetky vlastnosti bunky, bolo by ťažké zmeniť tento proteín, pretože zlepšenie jednej funkcie by bolo pravdepodobne kompenzované poruchami iných. Ak je však funkcia proteínu obmedzená na jeden modul a spojenia tohto modulu s inými modulmi sú cez jednotlivé proteíny, bude oveľa jednoduchšie upravovať, vytvárať a upravovať spojenia s inými modulmi. Táto myšlienka je podporená analogickým pozorovaním, že proteíny, ktoré interagujú s mnohými inými proteínmi, ako sú históny, aktín a tubulín, sa počas evolúcie zmenili len veľmi málo, a teoretickými argumentmi, že proteíny sa ťažko vyvíjajú, keď sa zúčastňujú mnohých rôznych interakcií. 5.

Pochopenie príbuznosti modulov je užitočné, pretože znalosti o jednom členovi triedy môžu pomôcť pri štúdiu ostatných. Súvislosť s pôvodom je často zrejmá z homológie chemických zložiek. Napríklad mitogénom aktivované proteínkinázové kaskády, ktoré sa vyskytujú v mnohých intracelulárnych signálnych dráhach, definujú spoločnú funkčnú triedu modulov prenosu signálu. Moduly môžu súvisieť aj spoločným dizajnom alebo funkčnými princípmi, aj keď nesúvisia podľa pôvodu. Feromónový detekčný systém pučiacich kvasiniek a chemotaktický aparát baktérií využívajú nesúvisiace komponenty, ale obe dráhy dosahujú citlivú odpoveď v širokom rozsahu koncentrácií feromónov alebo chemoatraktantov pomocou reakcií, ktoré špecificky vypínajú aktívne formy signálnych receptorov 6,7 ,8.

Poučenie z iných vied

Tvrdili sme, že väčšina funkčných vlastností modulu sú kolektívne vlastnosti, ktoré vyplývajú z vlastností základných komponentov a ich interakcií. Kolektívne vlastnosti sa už dlho skúmajú v štatistickej fyzike a zdieľajú atribúty, ktoré prevyšujú detaily 9 . Napríklad tavenie povrchu tuhej látky môže byť vyvolané rôznymi spôsobmi: zmenou tlaku alebo teploty alebo pridaním nečistôt. Podobne rôzne organizmy vyvolávajú prechod medzi rôznymi vzormi organizácie mikrotubulov, ku ktorému dochádza počas delenia buniek, zmenou rôznych členov súboru kinetických parametrov, ktoré riadia polymerizáciu mikrotubulov10,11. Koncept fázových (alebo stavových) prechodov z fyziky môže pomôcť zjednotiť rôzne pozorovania a experimenty. Navyše veľa molekulárnych detailov jednoducho nie je potrebných na opis javov na požadovanej funkčnej úrovni.

Biologické systémy sa veľmi líšia od fyzikálnych alebo chemických systémov analyzovaných štatistickou mechanikou alebo hydrodynamikou. Štatistická mechanika sa zvyčajne zaoberá systémami obsahujúcimi veľa kópií niekoľkých interagujúcich komponentov, zatiaľ čo bunky obsahujú milióny až niekoľko kópií každého z tisícov rôznych komponentov, z ktorých každý má veľmi špecifické interakcie. Okrem toho sú komponenty fyzikálnych systémov často jednoduché entity, zatiaľ čo v biológii je každý komponent často mikroskopickým zariadením sám o sebe, schopným prenášať energiu a pracovať ďaleko od rovnováhy 12 . Výsledkom je, že mikroskopický popis biologického systému je nevyhnutne dlhší ako opis fyzického systému a musí ním zostať, pokiaľ sa neposunieme na vyššiu úroveň analýzy.

Informácie prúdia obojsmerne medzi rôznymi úrovňami biologickej organizácie. Napríklad makroskopické signály, ktoré bunka prijíma zo svojho prostredia, môžu ovplyvniť, ktoré gény exprimuje – a teda ktoré proteíny v danom čase obsahuje – alebo dokonca rýchlosť mutácií jej DNA 13 , čo by mohlo viesť k zmenám v molekulárnej štruktúry proteínov. To je na rozdiel od fyzikálnych systémov, kde makroskopické poruchy alebo štruktúry vyššej úrovne nemodifikujú štruktúru molekulárnych komponentov. Napríklad existencia vírov v tekutine, hoci je určená dynamikou molekúl, zvyčajne nemení povahu zložiek a ich molekulárne interakcie.

Ešte dôležitejšie je, že to, čo skutočne odlišuje biológiu od fyziky, je prežitie a reprodukcia a sprievodný pojem funkcie. Preto podľa nášho názoru bude najúčinnejší jazyk na popis funkčných modulov a ich interakcií odvodený od syntetických vied, akými sú informatika alebo inžinierstvo, v ktorých sa funkcia objavuje prirodzene.

Podstatou výpočtovej vedy je schopnosť navrhnúť obvody, ktoré transformujú informácie z jednej formy do druhej na základe súboru pravidiel. Ako by sa tu poučenie dalo aplikovať na biológiu? Evolúcia si vyberá tých členov geneticky rôznorodej populácie, ktorých potomkovia sa rýchlo množia a prežívajú mnoho generácií. Jedným zo spôsobov, ako zabezpečiť dlhodobé prežitie, je použiť informácie o súčasnom prostredí na predpovedanie možných budúcich prostredí a generovanie reakcií, ktoré maximalizujú šancu na prežitie a reprodukciu. Tento proces je výpočtom, v ktorom sú vstupmi environmentálne merania, výstupmi sú signály, ktoré modulujú správanie, a pravidlá generujú výstupy z environmentálnych vstupov. Napríklad signály z prostredia strhávajú cirkadiánne biologické hodiny, aby vyvolali reakcie na predpokladané kolísanie intenzity svetla a teploty. Dejiny života možno skutočne opísať ako vývoj systémov, ktoré manipulujú s jednou sadou symbolov reprezentujúcich vstupy do inej sady symbolov, ktoré reprezentujú výstupy 14 .

Rovnako ako elektrotechnici navrhujú obvody na vykonávanie špecifických funkcií, vyvinuli sa moduly na vykonávanie biologických funkcií. Vlastnosti komponentov modulu a molekulárne spojenia medzi nimi sú analogické schéme zapojenia elektrického zariadenia. Ako biológovia sa často snažíme odvodiť obvody modulov zoznamom ich komponentov a určením, ako zmena vstupu modulu ovplyvňuje jeho výstup 15 . Toto reverzné inžinierstvo je mimoriadne náročné. Hoci by elektrotechnik mohol navrhnúť mnoho rôznych obvodov, ktoré by zosilňovali signály, bolo by pre neho ťažké odvodiť schému zapojenia neznámeho zosilňovača koreláciou jeho výstupov s jeho vstupmi. Je teda nepravdepodobné, že by sme mohli odvodiť obvodový alebo vyšší popis modulu iba z informácií o génovej expresii a fyzikálnych interakciách medzi proteínmi v celom genóme. Riešenie tohto problému si pravdepodobne vyžiada ďalšie typy informácií a nájdenie všeobecných princípov, ktorými sa riadi štruktúra a funkcia modulov.

Mnohé konštrukčné princípy biologických systémov sú inžinierom známe. Slučky pozitívnej spätnej väzby môžu riadiť rýchle prechody medzi dvoma rôznymi stabilnými stavmi systému a slučky negatívnej spätnej väzby môžu udržiavať výstupný parameter v úzkom rozsahu, napriek značne kolísajúcemu vstupu. Systémy detekcie zhody vyžadujú, aby sa súčasne vyskytli dve alebo viac udalostí, aby sa aktivoval výstup. Zosilňovače sú skonštruované tak, aby minimalizovali šum vo vzťahu k signálu, napríklad výberom vhodných časových konštánt pre obvody. Paralelné obvody (systémy bezpečné pri poruche) umožňujú elektronickému zariadeniu prežiť poruchy v jednom z obvodov.

Takéto vzory sú v biológii bežné. Napríklad jedna sada slučiek pozitívnej spätnej väzby vedie bunky rýchlo do mitózy a ďalšia robí výstup z mitózy rýchlym a nezvratným javom 16 . Negatívna spätná väzba pri bakteriálnej chemotaxii umožňuje zmyslovému systému detekovať jemné variácie vo vstupnom signáli, ktorého absolútna veľkosť sa môže meniť o niekoľko rádov17. Detekcia náhody leží v srdci veľkej časti kontroly transkripcie génu v eukaryotoch, v ktorých promótory, ktoré regulujú transkripciu génov, musia byť bežne obsadené niekoľkými rôznymi proteínovými transkripčnými faktormi predtým, ako môže byť produkovaná messengerová RNA. Očakávalo by sa, že systémy prenosu signálu budú mať svoje charakteristické rýchlostné konštanty nastavené tak, aby eliminovali náhodné fluktuácie alebo šum vo vstupnom signáli. Replikácia DNA zahŕňa bezpečný systém korekcie chýb s korektúrou DNA polymerázou podporovanou procesom opravy nesúladu, ktorý odstraňuje nesprávne bázy po tom, čo sa polymeráza posunula ďalej. Zlyhanie v oboch procesoch stále umožňuje bunkám vytvárať životaschopné potomstvo, ale súčasné zlyhanie oboch je smrteľné. V biologických aj človekom vytvorených systémoch si zníženie frekvencie porúch často vyžaduje enormné zvýšenie zložitosti obvodov. Zníženie frekvencie, pri ktorej jednotlivé bunky spôsobujú rakovinu, na približne 10-15 si vyžiadalo, aby sa u ľudských buniek vyvinuli viaceré systémy na prevenciu mutácií, ktoré by mohli generovať rakovinové bunky, a na zabíjanie buniek, ktoré majú zvýšenú tendenciu množiť sa.

Biologické systémy môžu odolávať a využívať náhodné výkyvy alebo šum. Evolučná adaptácia teda závisí od toho, či je DNA premenlivá, ale pretože väčšina mutácií je neutrálna alebo škodlivá, rýchlosť mutácie je pod prísnou genetickou kontrolou. Mnoho systémov na špecifikáciu polarity buniek alebo skupín buniek sa spolieha na mechanizmus známy ako „laterálna inhibícia“, ktorý spôsobuje, že susedné bunky sledujú rôzne osudy. Tento proces môže zosilniť malú, často stochastickú počiatočnú asymetriu, ktorá spôsobí, že susedné bunky alebo priľahlé oblasti v bunkách sledujú rôzne osudy.

Ostatné aspekty funkčných modulov sú inžinierom menej známe. Niektoré z nich možno zahrnúť do myšlienky, že pravidlá pre funkciu modulu sú pevne zakódované v štruktúrach jeho proteínov, ale vytvárajú chaotické, pravdepodobnostné medziprodukty, ktoré sa potom zdokonaľujú, aby poskytli jedinečné riešenia. Zdá sa, že tento princíp platí v obrovskom rozsahu mierok, od skladania proteínových molekúl až po evolúciu organizmov. Princíp vychádza z kombinácie troch mechanizmov: prieskumu s výberom (pokus-omyl), mechanizmov na opravu chýb a modulov na detekciu chýb, ktoré oneskorujú následné udalosti, kým sa proces úspešne neskončí. Tieto sú v rôznych príkladoch prítomné v rôznom rozsahu.

Prieskum s výberom (pokus-omyl) je základným princípom biológie a pôsobí v časových intervaloch od milisekúnd po eóny a na organizačných úrovniach od jednotlivých molekúl po populácie organizmov. V jednotlivých molekulách kinetické lieviky smerujú rôzne molekuly toho istého proteínu cez viacero rôznych ciest z denaturovaného stavu do jedinečnej zloženej štruktúry 18 . V bunkách je tvar mitotického vretienka čiastočne spôsobený selektívnou stabilizáciou mikrotubulov, ktorých konce sú blízko chromozómu 19 . Na úrovni organizmu sa vzorovanie nervového systému zdokonaľuje smrťou nervových buniek a rozpadom synapsií, ktoré sa nedokážu spojiť s vhodným cieľom. V rámci populácií mení rozdielny reprodukčný úspech štruktúru genofondov, čo vedie k evolúcii.

Použitie prieskumu s výberom v krátkych časových intervaloch ako princípu návrhu v intracelulárnych moduloch ich môže obzvlášť ľahko upraviť v evolučných časových intervaloch. Nedostatok pevne naprogramovanej sekvencie medziproduktov by mal umožniť takýmto modulom prežiť postupné modifikácie a začleniť evolučné doplnky, ako je detekcia a oprava chýb. Podobné chaotické a pravdepodobnostné medziprodukty sa objavujú v inžinierskych systémoch založených na umelých neurónových sieťach – matematických charakterizáciách spracovania informácií, ktoré sú priamo inšpirované biológiou. Neurónová sieť môže užitočne opísať komplikované deterministické vstupno-výstupné vzťahy, aj keď medzivýpočty, ktorými prebieha, nemajú žiadny zjavný význam a ich výber závisí od náhodného šumu v tréningovom procese 20 .

Obmedzenia evolúcie

Jedným z prístupov k odhaleniu princípov biologického dizajnu je opýtať sa, aké obmedzenia musia dodržiavať. Okrem zákonov fyziky a chémie väčšina obmedzení vyplýva z evolúcie, ktorá vybrala konkrétne riešenia z veľkého množstva možných riešení.

Dnešné organizmy majú neprerušený reťazec predkov siahajúci až k vzniku života. Toto obmedzenie bolo úspešne použité na pochopenie funkcií proteínov porovnaním existujúcich proteínových sekvencií z príbuzných druhov, nájdením konzervovaných častí a odvodením ich úloh. Porovnanie modulov spoločnej funkcie z rôznych organizmov by malo byť podobne užitočným nástrojom na pochopenie ich fungovania. Treba tiež pamätať na to, že dnešné moduly boli postavené skôr pohrávaním sa s už funkčnými modulmi, než začínaním od nuly, a nemusia byť optimálnym spôsobom riešenia konkrétneho problému 21 . Táto evolučná história je podobná histórii zariadení vyrobených človekom. Konkrétne riešenia vo výpočtovej technike alebo pre akýkoľvek skonštruovaný objekt sú výsledkom prepracovaného historického procesu výberu na základe technologických, ekonomických a sociologických obmedzení. Známym príkladom je neoptimálna QWERTY klávesnica, ktorá bola pôvodne vynájdená na zabránenie zaseknutiu kláves na skorých manuálnych písacích strojoch. Možno ho považovať za živú fosíliu.

Prežitie živých systémov znamená, že kritické parametre základných modulov, ako je presnosť segregácie chromozómov alebo periodicita cirkadiánnych hodín, sú robustné: sú necitlivé na mnohé environmentálne a genetické poruchy. Evolvabilita 22 na druhej strane vyžaduje, aby ostatné parametre modulov boli citlivé na genetické zmeny. Potom môžu byť modifikované v priebehu mnohých generácií, aby sa zmenila funkcia modulu alebo jeho spojenia s inými modulmi spôsobom, ktorý umožňuje organizmom prispôsobiť sa novým výzvam. Je dôležité pochopiť, ako je možné zosúladiť robustnosť a flexibilitu pre každý funkčný modul.

Organizmy boli vybrané pre dve vlastnosti: rýchlu reprodukciu v optimálnych podmienkach a schopnosť prežiť zriedkavo sa vyskytujúce extrémne podmienky. Pretože prostredia majú tendenciu v priebehu času kolísať, väčšina modulov bola pravdepodobne vybraná pre svoju schopnosť prispievať k reprodukcii aj prežitiu. Tieto úvahy naznačujú, že pochopenie úplnej funkcie modulov môže vyžadovať, aby sme zmerali malé rozdiely v reprodukčnej schopnosti, ako aj študovali výkon modulov pri extrémnych poruchách. Niektoré zložky an in vivo moduly, ktoré sú v normálnych laboratórnych podmienkach „nepodstatné“, budú mať pravdepodobne dôležitú úlohu pri zostavovaní, vernosti, robustnosti a dynamických charakteristikách modulov, ktoré prinášajú malé výhody v pravdepodobnosti dlhodobého prežitia. Môže byť však veľmi ťažké priamo merať takéto príspevky.

Prežitie genofondu, na rozdiel od individuálneho organizmu, je uprednostňované diverzifikáciou, pretože súčasná prítomnosť viacerých fenotypov v populácii zvyšuje možnosť, že niektorí jedinci prežijú a rozmnožujú sa v heterogénnom a meniacom sa prostredí. Diverzifikáciu možno dosiahnuť epigenetickými mechanizmami, ktoré umožňujú, aby jeden genotyp produkoval viac ako jeden fenotyp, genetickými mechanizmami, ktoré udržiavajú viaceré genotypy v populácii, a speciáciou, ktorá rozdeľuje jeden genotyp na dva nezávisle sa vyvíjajúce skupiny. Je preto dôležité zvážiť funkciu modulov nielen v kontexte organizmu, ale aj z hľadiska populácie organizmov a pýtať sa, ako modulárna konštrukcia uľahčuje udržiavanie a výber diverzity.

Smerom k modulárnej biológii

Hlavnou výzvou pre vedu v 21. storočí je vyvinúť integrované chápanie toho, ako bunky a organizmy prežívajú a rozmnožujú sa. Bunková biológia prechádza od vedy, ktorá bola zaujatá priraďovaním funkcií jednotlivým proteínom alebo génom, k takej, ktorá sa teraz snaží vyrovnať sa s komplexnými súbormi molekúl, ktoré interagujú a vytvárajú funkčné moduly23,24. Existuje niekoľko otázok, na ktoré chceme odpovedať. Aké sú časti modulov, ako ich interakcia vytvára danú funkciu a ktoré z ich vlastností sú robustné a ktoré sú vyvíjateľné? Ako sú moduly konštruované počas evolúcie a ako sa môžu meniť ich funkcie pod selektívnym tlakom? Ako sa počas evolúcie menia spojenia medzi modulmi, aby sa zmenilo správanie buniek a organizmov?

Počet modulov, ktoré boli podrobne analyzované, je veľmi malý a každý z týchto snáh si vyžadoval intenzívne štúdium. Biológovia musia študovať viac funkcií na modulárnej úrovni a vyvinúť metódy, ktoré uľahčia určenie vzťahu medzi vstupmi a výstupmi modulov, ich biochemickú konektivitu a stavy kľúčových medziproduktov v nich. V tejto úlohe môžu pomôcť tri komplementárne prístupy: lepšie metódy na rušenie a monitorovanie dynamických procesov v bunkách a organizmoch rekonštituujúcich funkčné moduly z ich základných častí alebo navrhovanie a budovanie nových a nových rámcov pre kvantitatívny popis a modelovanie modulov.

Prvý prístup je ilustrovaný snahou nájsť malé organické molekuly, ktoré môžu rušiť a podávať správy o aktivite modulov. Farbivá viažuce vápnik sa používajú na sledovanie aktivít neurónov s vysokým priestorovým a časovým rozlíšením. Svetlom aktivované chemikálie môžu narúšať funkciu v časových intervaloch, ktoré charakterizujú zmeny v moduloch, čo im dáva dôležitú výhodu oproti pomalším poruchám spôsobeným klasickou a molekulárnou genetikou 25 . Ďalším príkladom novej metódy na monitorovanie bunkových procesov je analýza génovej expresie v celom genóme26,27. Ale techniky na zhromažďovanie informácií o celom genóme budú len také silné ako nástroje dostupné na ich analýzu, rovnako ako sa naša schopnosť odvodiť štruktúru a funkciu proteínu z údajov o sekvencii proteínov zvýšila so sofistikovanosťou nástrojov na analýzu sekvencií. Potrebujeme lepšie metódy na nájdenie vzorov, ktoré identifikujú siete a ich komponenty, na identifikáciu možných spojení medzi komponentmi a na rekonštrukciu vývoja modulov porovnaním informácií z mnohých rôznych organizmov.

Ďalším prístupom k rozlišovaniu funkcie modulu je prístup „syntetickej biológie“. Rovnako ako chemici testovali svoje chápanie syntetických ciest výrobou molekúl, biológovia môžu testovať svoje predstavy o moduloch pokusom o rekonštitúciu alebo zostavenie funkčných modulov. Tento prístup už bol použitý na konštrukciu a analýzu umelých chromozómov vytvorených zostavením definovaných prvkov DNA 28 a bunkových oscilátorov vyrobených zo sietí transkripčných regulačných proteínov (M. Elowitz a S. L., nepublikované výsledky). Vidieť, ako dobre sa správanie takýchto modulov zhoduje s našimi očakávaniami, je kritickým testom toho, ako dobre rozumieme princípom biologického dizajnu.

Hlavným problémom pri rekonštrukcii vývoja modulov je naša neznalosť minulých udalostí. Jedným z riešení tohto problému je preskúmať vývoj funkcie modulu v laboratóriu. Analýza viacnásobných opakovaní takýchto experimentov nám môže povedať, do akej miery je cesta budúcich zmien obmedzená súčasnou štruktúrou a funkciou modulov, a mala by nám pomôcť pochopiť, ako evolučné tlaky obmedzujú princípy biologického dizajnu.

Nakoniec zdôrazňujeme dôležitosť integrácie experimentálnych prístupov s modelovaním a koncepčnými rámcami. Najlepším testom nášho chápania buniek bude kvantitatívne predpovedanie ich správania a testovanie. To si bude vyžadovať podrobné simulácie biochemických procesov prebiehajúcich v moduloch. Robiť predpovede však nie je synonymom porozumenia. Musíme vyvinúť zjednodušujúce modely vyššej úrovne a nájsť všeobecné princípy, ktoré nám umožnia pochopiť a manipulovať s funkciami biologických modulov. Ďalšia generácia študentov by sa mala naučiť hľadať zosilňovače a logické obvody, ako aj opísať a hľadať molekuly a gény (rámček 3). Prepojenie rôznych úrovní analýzy – od molekúl, cez moduly až po organizmy – je nevyhnutné pre pochopenie biológie, ktoré uspokojí ľudskú zvedavosť.

Rámček 1 Fenomenologická analýza akčných potenciálov v nervových bunkách

Akčné potenciály sú veľké, krátke, vysoko nelineárne impulzy bunkového elektrického potenciálu, ktoré sú ústredné pre komunikáciu medzi nervovými bunkami. Analýza akčných potenciálov Hodgkina a Huxleyho 29 je príkladom pochopenia prostredníctvom in silico rekonštrukcia. Študovali dynamické správanie napäťovo závislej vodivosti membrány nervových buniek pre ióny Na + a K + a opísali toto správanie v súbore empiricky založených rovníc. At the time, there was no information available about the channel proteins in nerve cell membranes that are now known to cause these dynamical conductivities. From (conceptually) simple experiments on these individual conductivities, Hodgkin and Huxley produced simulations that quantitatively described the dynamics of action potentials, showed that the action potentials would propagate along an axon with constant velocity, and correctly described how the velocity should change with axon radius and other parameters. Just as explanations of hydrodynamic phenomena do not require knowledge of the quantum chemistry of water, those who are interested in the behaviour of neural circuits need not know how the particular channel proteins give rise to the Hodgkin–Huxley equations.

Box 2 A decision-making module in bacteriophage lambda

The bacterial virus lambda can exist in two states inside a bacterial cell. In the lytic state, the virus replicates, producing about 100 progeny virus particles, and releases them by inducing lysis of the host cell. In the lysogenic state, the viral DNA is integrated into the bacterial chromosome and the production of a single viral protein, the repressor, inhibits expression of the other viral genes. The physiology of the host cell and other factors regulate the probability that an infecting lambda virus will become a lysogen, instead of replicating and inducing lysis 30 .

Elegant phenomenological experiments inferred the existence of bacteriophages and the existence of lytic and lysogenic states 31 well before the viruses could be seen as physical particles. The isolation of mutants that biased the switch between lysis and lysogeny defined genes whose products formed part of the switch and sites on the DNA at which these products bound. Sophisticated analysis of the interactions between the mutants led to proposals about the circuitry of the switch, and specific proposals for which DNA sites bound which regulatory proteins. These proposals were verified by molecular analyses that showed that the repressor bound to DNA 32 and produced a very detailed description of the biochemical interactions among repressor, other DNA-binding proteins and DNA. Key predictions of models of the switch were verified by reconstructing it in genetically engineered bacteria 33 , and by simulating its behaviour using computer models derived from tools used to simulate the behaviour of electrical circuits 34 .

Box 3 From atoms to modules in computers

Building a computer in the 1950s relied on understanding barium oxide, the material of choice for emitting electrons from the cathodes of vacuum tubes. A vacuum-tube module could then be designed whose function was the amplification of a signal, but whose functional description had no reference to barium oxide. These amplifiers were assembled into logical circuits, whose logical operation could be described without reference to vacuum tubes. The connecting wires in these logical circuits had insulation of many colours so that the circuits could be accurately hand-manufactured. Mathematical programs were then designed on the basis of these logic circuits. In the computer of today, there is no barium oxide or coloured wires. Instead, the properties of silicon and silicon dioxide are of primary importance in designing an amplifier, and the transistor replaces the vacuum tube. Both old and new computers have logic circuits based on the same elementary principles, but arranged rather differently as computers have become more sophisticated. Yet all this is unimportant to most users, whose computer program runs on either machine. At one level, barium oxide and coloured wires were the soul of the old machine, while at another level, they are irrelevant to understanding the essence of how a computer functions.


Eratosthenes Measures the World

Experimental result: The first recorded measurement of Earth’s circumference

When: end of the third century B.C.

Just how big is our world? Of the many answers from ancient cultures, a stunningly accurate value calculated by Eratosthenes has echoed down the ages. Born around 276 B.C. in Cyrene, a Greek settlement on the coast of modern-day Libya, Eratosthenes became a voracious scholar — a trait that brought him both critics and admirers. The haters nicknamed him Beta, after the second letter of the Greek alphabet. University of Puget Sound physics professor James Evans explains the Classical-style burn: “Eratosthenes moved so often from one field to another that his contemporaries thought of him as only second-best in each of them.” Those who instead celebrated the multitalented Eratosthenes dubbed him Pentathlos, after the five-event athletic competition.

That mental dexterity landed the scholar a gig as chief librarian at the famous library in Alexandria, Egypt. It was there that he conducted his famous experiment. He had heard of a well in Syene, a Nile River city to the south (modern-day Aswan), where the noon sun shone straight down, casting no shadows, on the date of the Northern Hemisphere’s summer solstice. Intrigued, Eratosthenes measured the shadow cast by a vertical stick in Alexandria on this same day and time. He determined the angle of the sun’s light there to be 7.2 degrees, or 1/50th of a circle’s 360 degrees.

Knowing — as many educated Greeks did — Earth was spherical, Eratosthenes fathomed that if he knew the distance between the two cities, he could multiply that figure by 50 and gauge Earth’s curvature, and hence its total circumference. Supplied with that information, Eratosthenes deduced Earth’s circumference as 250,000 stades, a Hellenistic unit of length equaling roughly 600 feet. The span equates to about 28,500 miles, well within the ballpark of the correct figure of 24,900 miles.

Eratosthenes’ motive for getting Earth’s size right was his keenness for geography, a field whose name he coined. Fittingly, modernity has bestowed upon him one more nickname: father of geography. Not bad for a guy once dismissed as second-rate.


Úvod

Experimental design is obviously a critical component of the success of any research project. If all aspects of experimental design are not thoroughly addressed, scientists may reach false conclusions and pursue avenues of research that waste considerable time and resources. It is therefore critical to design scientifically sound experiments and to follow standard laboratory practices while performing these experiments to generate valid reproducible data ( Bennett et al. 1990 Diamond 2001 Holmberg 1996 Larsson 2001 Sproull 1995 Weber and Skillings 2000 Webster 1985 Whitcom 2000 ). Data generated by this approach should be of sufficient quality for publication in well-respected peer-reviewed journals, the major form of widespread communication and archiving experimental data in research. This article provides a brief overview of the steps involved in the design of animal experiments and some practical information that should also be considered during this process.


Standard reference materials

At the time we planned the MBQC baseline, no standard reference materials for positive and negative controls in microbiome analysis (such as a National Institute of Standards and Technology (NIST) standard reference material) were available. We included two positive control standards in the project. First, we created a bulk quality control (QC) sample that could be used throughout the MBQC-base and in future studies. The laboratory of Dr. Emma Allen-Vercoe at the University of Guelph, Canada, created a large quantity of fecal derived material grown in a chemostat bioreactor (referred to as the ‘bench-top colon’ or ‘Robogut’ [4]) that supports the growth of anaerobes and can create liters of homogenous material. This gave us material of identical composition exceeding that provided by even the most generous stool donor. These chemostat samples allowed us to assess whether DNA extraction, amplification, or sequencing choices leads to differences in microbiome measurements when using an identical, controlled source. Routine inclusion of comparable standard samples in future studies will allow a single laboratory to assess their own performance over time.

This chemostat positive control alone, however, has several important limitations. First, although a large volume can be produced, no one batch is limitless, and it cannot be identically reproduced when the supply is exhausted. Second, the full breadth of microbes possible across the human population cannot be represented in a single stool samples, and therefore a single sample will not allow the detection of taxon-specific artifacts induced by specific protocol changes. Third, we have no gold standard measurement of the exact list of organisms present in this sample or their true relative abundances.

To address this final limitation, we created an additional positive control samples that we refer to as ‘artificial colonies’ or mock communities: one comprised of 20 species known to inhabit human stool and a second comprised of 22 species from the human oral cavity. All species were selected from HMP reference strains that were originally isolated from humans. Each strain was grown as a single culture and then mixed using a microbiological loop at fixed ratios (most at a 1:1 ratio, but some at lower relative abundance). These specimens provide ground truths and allow us to assess the validity of a measurement method. To verify that our samples contained only the 20 or 22 intended species, we completed shotgun sequencing of these samples. The artificial colonies also allow us to analyze the 16S rRNA amplicon sequencing results directly by providing the exact 16S rRNA gene sequences present in the samples.


ThinkTac Community

As said by Aristotle, we learn by doing. TACtivities offer a wonderful learning experience. We are able to feel and understand the subject by doing TACtivities." Rashmi Mishra, GEAR Innovative International School, Bangalore

Questions posed after the TACtivities are fascinating. It challenges the mind." Mr. Ebenezer, GEAR Innovative International School, Bangalore

ThinkTac Team has put lots of efforts behind the design of the TACtivities. My students enjoy science now!" Ms. Gomati, Oasis International School, Bengaluru

There are a lot of interesting TACtivities, biology, chemistry including. best part is the TACtivities are integrated with syllabus.", Ms. Divya, Oasis International School, Bengaluru

The kit provided was self-directed so kids could go and do the experiments on their own. Younger children took inspiration from the older children doing the experiments. Being a hands-on activity, children get to explore materials and take it further." Aruma Raghava, BeMe

Certain topics that are not enjoyable to learn in the traditional way are made so by their experiments. It is such a fun way of doing things. It is a very structured programme, but easy-going and enjoyable at the same time. We are doing pretty complex experiments using completely safe materials in a safe way. I hope everyone can experience this at least once." Astha, BeMe

The good part is that you get a lot of resources and since you are doing it yourself, you remember it very well. Science has this image of being very boring, but by doing experiments, they have made it a lot of fun and I know I will also remember the concepts for a very long time because I've actually done the experiments myself." Bhavana, BeMe


Pozadie

Neisseria meningitidis is a human pathogen that can infect diverse sites within the human host. The major diseases caused by N. meningitidis - meningitis and meningococcal septicemia - are responsible for death and disability, especially in young infants. There are different pathogenic N. meningitidis isolates, of which serogroups B and C cause the majority of infections in industrialized countries, whereas strains of group A and C dominate in less developed countries [1]. Some disease control has been achieved by vaccination with polysaccharide vaccines. Effective conjugate vaccines against group C organisms have been licensed in the United Kingdom and other countries [2]. At present there is no vaccine available against group B organisms, which are the predominant cause of meningococcal disease in developed countries [3]. Development of a safe and effective vaccine based on the serogroup B capsular polysaccharide is complicated because of the existence of identical structures in the human host [4]. This results in poor immunogenicity and the risk of inducing autoimmunity [5].

Current strategies for developing a vaccine to prevent disease caused by serogroup B meningococci include outer membrane protein- and lipopolysaccharide-based approaches [3]. In addition, the systematic search of genomic information, termed 'reverse vaccinology', has been used to identify novel protein antigens [6–10]. Genomic-information-based analysis of pathogens has dramatically changed the scope for developing improved and novel vaccines by increasing the speed of target identification in comparison with conventional approaches [11].

The outer membrane protein PorA has been identified as a major inducer of, and target for, serum bactericidal antibodies and is expressed by almost all meningococci, which pinpoints PorA as a promising vaccine candidate [12]. However, PorA appears to be heterogeneous, which will mean the development of a multivalent vaccine in which various porA subtypes are present in order to induce sufficient protection. Although various approaches can be used in the development of a multivalent vaccine, the use of genetically engineered strains expressing more than one PorA subtype to overcome the problem of heterogeneity seems promising [13]. At the Netherlands Vaccine Institute (NVI), a vaccine against serogroup B meningococci is currently being developed. It is based on different PorA subtypes contained in outer membrane vesicles (OMVs). An important aspect of this development trajectory is the process development of the cultivation step, which includes, for example, the design of a culture medium. Genome-scale constraints-based metabolic models are useful tools for this.

In general, most of the recent work on N. meningitidis, whether based on genomic information or not, focuses on potential antigens and their functions, on immunogenicity, and on pathogenicity mechanisms. Very little work has been carried out on Neisseria primary metabolism over the past 25 years. However, the information provided by the genome can also be used to obtain information on the metabolic capabilities of the organism. This is done by screening the genome for open reading frames (ORFs) that code for enzymes present in the primary metabolism, yielding a genome-scale metabolic network. Such a network may still contain gaps due to the incomplete or incorrect annotation of the genome. Using biochemical literature, transcriptome data or by direct measurements, the presence of missing enzymatic reactions may be proved and the network can be completed. Often, such a complete model contains underdetermined parts due to the presence of parallel or cyclic pathways. This means that for certain parts of the network the flux values cannot be determined. In order to narrow down the number of possible solutions for these parts, constraints can be set on certain enzymatic reactions on the basis of biochemical and thermodynamic information found in the literature or determined experimentally. A schematic diagram of how the genome-scale flux model was constructed and verified using flux balance analysis (FBA) is shown in Figure 1.

Schematic representation of model construction. The genome can be classified as the first-level database. holding the potential functions of an organism. The transcriptome can be classified as the second-level database of functions describing the actual expression of genes, and the proteome can be classified as the third-level database of functions describing the actual expressed proteins. The metabolome (and fluxome) can be classified as the fourth-level database holding the complete collection of metabolites and reactions in which the metabolites participate. The metabolome, and to a lesser extent the proteome, determine the functionality of the cell [146]. In principle, all databases can be used as source of input for construction (or extension) of a genome-scale model (white arrows). In our study, information provided by the genome and the literature was used for model construction (black boxes). A minimal medium for growth was derived from the genome-scale model (upper gray box). The genome-scale model was simplified as descibed in the text, resulting in the 'putative model'. The measured specific metabolic rates and the corresponding measurement variances used in flux balance analysis (FBA) were calculated using Monte Carlo Simulation (MCS) with the measured experimental data and their standard deviation as input. The final model, verified by FBA, can be used for process development purposes (for example, optimization of growth medium, lower gray box). Subsequently, the model can be extended to the desired informative level using all available sources of information (light gray circle).

Genome-scale constraints-based metabolic models have been built for several organisms, as summarized by Palsson and colleagues [14]. They can be used to analyze culture data, to get a better understanding of cellular metabolism, to develop metabolic engineering stategies [15–17], design of media and processes [17–19] and even for online control of the process [20]. Knowledge about metabolism, as contained in these models, is very useful for the development of an efficient cultivation process. Notably, product quality and quantity are primarily determined in the cultivation process.

The aim of this study was to construct a metabolic model of serogroup B N. meningitidis (MenB) based on genome annotation and the biochemical literature for effective process development purposes. The model was verified experimentally using flux-balance analysis (FBA) for steady-state chemostat data.


CONCLUDING REMARKS AND OUTLOOK

All of us teach and apply the well-established microbial growth kinetics almost daily. The principles seem to have been worked out long ago, and we feel little urge to question them. As a result, to most of us the field of microbial growth kinetics has become a (boring and stale) necessity rather than a field of active research. This review is an attempt to critically evaluate and discuss the foundation upon which the presently used kinetics for describing microbial growth and biodegradation processes are built (more information on historical aspects and the development of growth kinetics can be found in reference 114). Although certainly an important goal of this review was to make the reader aware of some of the most important deficiencies in this area (many of them are due to experimental difficulties), a major goal was also to indicate how to avoid the most common pitfalls and to suggest directions in which future developments might (or should) go.

One of the main messages of this review is certainly that for the description of growth of pure cultures with single growth-controlling substrates under ideal conditions, the widely applied kinetic model based on Monod’s original proposal (or slight modifications thereof) is a solid basis. This was recently confirmed by using data of adequate quality for growth of E. coli with glucose (Fig. ​ (Fig.3). 3 ). However, it has also become clear that the two parameters used in the Monod model, Ks and μmax, are not constants but can vary. In the case of the substrate affinity exhibited by E. coli for glucose, the range within which Ks can change is enormous (and the data in the literature indicate that other organisms also behave in this way). Hence, we must accept that it may never be possible to describe the kinetic properties of a microbial cell with a single set of constants. After accepting this, it becomes of great interest to know the boundaries of the feast-and-famine kinetic properties of an organism, how they are influenced by the physiological conditions, growth substrates and so on, and what the timescale of such an adaptive response is and to elucidate the molecular and genetic events that are responsible for this process.

A first insight into growth kinetics under more complex conditions is provided by the recent results obtained for the kinetics of growth controlled by more than one carbon source (i.e., during mixed-substrate growth). Clearly, the kinetic data presented here for E. coli and the methylotrophic yeast strongly suggest that simultaneous utilization of carbon sources will, as a rule (rather than an exception), result in reduced steady-state concentrations of all substrates. This strategy allows a nutritionally “multicompetent” organism to utilize the available growth-controlling resources more efficiently (i.e., to lower the concentrations). Theoretically, this should allow the utilization of compounds at concentrations at which they will no longer support growth on their own (i.e., below their threshold concentration for growth). Under carbon-controlled conditions, the ability to grow with several carbon substrates simultaneously should result in enhanced competitiveness over an organism that is able to utilize only one or a few of the substrates present. Indeed, there are a number of reports in the literature showing that nutritionally versatile strains outcompeted specialist strains under mixed-substrate growth conditions (54, 77, 232). Although the actual concentrations of the substrates were not measured in the culture in any of these cases, it seems the most plausible explanation that competition occurred at the level of substrate concentration. In contrast to the traditional competition of two organisms for a single substrate, competition under mixed-substrate growth conditions is still in its infancy (76), although it is obviously an area of crucial importance for understanding the growth behavior of microbial strains in ecosystems. Considering in addition the ability of microbial strains to modulate their kinetic properties according to the growth environment, one can predict that there is still a lot to discover.

Finally, it should be pointed out that we have so far always considered that growth of a microbial culture is controlled by homologous nutrients, i.e., nutrients that fulfill the same physiological function (e.g., as a carbon source). However, it has been demonstrated within the last decade that microbial growth can be stoichiometrically limited at the same time by two or more heterologous nutrients, for example by carbon and nitrogen (57, 58), and there is now considerable evidence that under such conditions growth is probably also controlled by these nutrients. To date, the subject of multiple-nutrient-controlled growth has been addressed only theoretically (10, 17), and the few data that presently exist (214) do not allow one to draw conclusions on the kinetic relationship between the concentrations of growth-controlling nutrients and growth rate. However, the observation that in aquatic ecosystems the growth of algae and bacteria is probably frequently controlled by several nutrients simultaneously and not by a single nutrient (183, 184, 254) points out the ecological relevance of multiple-nutrient-controlled growth.

It is not difficult to foresee that this information will be most important for understanding and successful application of growth kinetics in more complex environments than just laboratory cultures.


A Three Course Meal of Science Experiments

The kitchen is a great place to try some edible science experiments, did you know you can even create a whole meal of science experiments? Cooking involves a huge amount of science, and the best thing is you can usually eat the experiment afterwards so there’s no waste, just a lot of fun! Today’s challenge…


These science projects are completely edible.

Learning about electricity? Try these electricity science activities!

What is STEAM?

STEAM activities for kids promote the idea that science, technology, engineering, art, and math can all work together to help kids become critical thinkers, problem solvers, and innovators!

Join us on our journey to discover just how much fun science experiments can be.

Find a STEM activity!

What we do…

STEAMsational offers STEM and science lesson plans and teaching resources to provide a firm STEM foundation for children in the classroom or home.

All you need to do is find your supplies, gather your scientists, and let the innovation unfold.


Pozri si video: CHEMIE 8 (Jún 2022).