微生物学家 Steve Techtmann 因研究微生物而荣获 DARPA 青年教师奖 (YFA) 识别它们穿越的水域的生物特征。
泰特曼生物学助理教授和研究员五大湖研究中心足球比赛结果正在寻找一种微生物。或者更确切地说 其中22个。他访问过世界各地的每个港口——从新加坡到鹿特丹 绿湾——他希望在每个地方都能找到独特的微生物种类。如果微生物的 基因组足够独特，那么它可以用作标记来查看船舶的位置 旅行过。最终，该技术可用于增强防御和环境 监控。
这项工作是 Techtmann 享有盛誉的 YFA 赠款的一部分，由国防先进基金资助 研究计划局（DARPA）。他将在今年夏天和秋天去收集 来自全球 22 个港口的港口和船舶舱底水样。他的作品 从苏必利尔湖周围的港口开始离家更近。
充满微生物的端口
目前通过卫星跟踪器监控船舶。但他们是 仅大型船舶需要——这是行业标准——尽管一些小型船舶需要 也有这个技术。但这并不是一个完美的系统。
“该项目的总体目标是尝试找到一种更好的方式来监控海事 这些船只的来源，”Techtmann 说。 “微生物为整体提供了解决方案 船舶尺寸范围。"
就像每个人周围都有独特的微生物云一样，船舶也可能 带有独特的微生物特征。关键是测试正确的水域。
充满微生物的舱底
舱底在船的底部，无论是货船还是帆船，都 船只收集一些外部水。
“这艘船在经过这些港口时就像一个捕蝇器，”Techtmann 说，并补充说，不同的微生物可能更喜欢开放水域而不是舱底水，因为它们 往往是深色的，营养成分各异，有时还很油腻。 “另一个挑战 是船舶可能从其他港口带入微生物，这使情况变得复杂 签名。”
为了弄清楚在哪里发现了哪些微生物，Techtmann 和他的研究小组将收集 他们将研究来自 22 个港口的 30-50 个样本。在许多微生物研究中，少至 可以使用三个或四个样本来检查环境中的微生物。但要 找出哪些微生物是标志性物种以及哪些也存在于舱底污水中 水 - 然后比较所有不同的端口以查看是否存在重叠 - 需要 额外的计算能力，因此更多的样本。
充满微生物的机器学习
Techtmann 不会像列文虎克那样用手和显微镜对微生物样本进行分类。 相反，通过更大的样本集，他将能够收集数千个数据点 来自样本中关键微生物的遗传密码，然后通过计算机运行数据 寻找模式。这结合了机器学习，这是相同的技术 用于照片中的人脸识别以及教导人工智能记录情绪 作为基因组测序。
“基因组测序的优点在于它是一种非常灵敏的工具，”Techtmann 说。 “如果该签名仅存在于该一个端口，但数量非常少， 即使它只是微生物的一小部分，我们的技术仍然可以检测到它 社区。”
这可能会导致 Techtmann 所说的“空间传感器”，用于识别关键微生物 提供对生物学和地理学之间界面的深入了解。微生物空间 传感器可用于评估湿地是否已完全恢复或 监测污染物的扩散。
“从根本上讲，它试图了解一组生物体生活在什么环境中 一个地方优于另一个地方，”他说，并补充说微生物生态学中有一句话 “万物无处不在，但大自然会选择。”
确定世界各地港口的微生物生物特征是了解情况的一种方法 如果这个假设成立——或者如果它随着舱底水一起消失。
足球比赛结果是一所 R1 公立研究型大学，成立于 1885 年，位于霍顿，拥有来自全球 60 多个国家的近 7,500 名学生。密歇根州旗舰科技大学的投资回报率一直名列全美最佳大学之列，提供超过 185 个本科和毕业生科学技术、工程、计算机、林业、商业、健康专业、人文、数学、社会科学和艺术领域的学位课程。乡村校园距离密歇根州上半岛的苏必利尔湖仅数英里，提供全年户外探险的机会。
评论