Kommunikation von Bakterien und deren Bedeutung

“ Wer, wie, was ...” ­ Kommunikation von Bakterien und deren Bedeutung, untersucht mit mathematischen Modellen
Viele Bakterien haben eine Möglichkeit entwickelt, durch chemische Signale, Autoinducer (AI) genannt,
Aspekte ihrer Umwelt zu erfassen oder mit anderen Bakterien zu kommunizieren. Ein wichtiger Fall ist das
sogenannte Quorum Sensing (QS), ein Regulationsmechanismus für die Gen­Expression. Im allgemeinen
geht man davon aus, dass die Bakterien ihre Zelldichte mit Hilfe dieses Signalwegs messen. Ein typisches
Beispiel für einen Organismus mit einem solchen Regulationsmechnismus ist das marine Leuchtbakterium
Vibrio fischeri. Diese Bakterien leben nicht nur im offenen Meer, sondern auch im Leuchtorgan von
Tintenfischen. Nur in diesem Leuchtorgan erreichen sie Dichten, die ihr gemeinsames Leuchten sichtbar
machen – hier ist also der QS Mechanismus eine Art “E nergiesparen” : das Leuchten wird nur bei hoher
Zelldichte eingeschaltet. Was zuerst als ein Sonderfall unter Bakterien schien, wird nun bei immer mehr
Bakterienarten gefunden, die ganz unterschiedliche Dinge, wie z.B. Virulenz und Biofilmbildung, auf diese
Weise regulieren. Die Dynamik der wichtigsten Regulationspfade kann durch ein System gewöhnlicher
Differentialgleichungen modelliert werden. Spezialfälle dieses Modellierungsansatzes können an
experimentelle Daten angepasst und dadurch Modellparameter bestimmt werden. Das Modell kann das
beobachtete Verhalten, auch verschiedener Bakterienstämme und Mutanten, qualitativ nachbilden und stellt
daher eine Validierung des Regulationssystems dar. Außerdem erlaubt das mathematische Modell die
Betrachtung intrazellulärer Bausteine des Regulationssystems im zeitlichen Verlauf, die experimentell nicht
zugänglich sind, und liefert damit weitere biologisch interessante Informationen. Eine andere Interpretation dieses intrazellulären Regulationsmechanismus ist das sogenannte Diffusion
Sensing (DS): Ein einzelnes Bakterium “ möchte” Informationen über die Diffusionseigenschaften des
umgebenden Raumes gewinnen, um abzuschätzen, wie effizient die Produktion von chemischen Substanzen
ist. Mit einem räumlichen Modell (mit Hilfe einer partiellen Differentialgleichung) für inhomogene
Bakterienverteilungen können wir Informationen über die AI Konzentration im Raum erhalten. In diesem
Zusammenhang stellt sich die Frage nach den Einflüssen von bakteriellen Clustern und einer räumlichen
inhomogenen Umgebung, wie sie in vielen natürlichen Situationen auftritt (z.B. in der Rhizosphäre, dem
Raum in der Umgebung von Pflanzenwurzeln). Die AI Konzentration liefert eine Information nur über eine
Kombination von Zelldichte, Massentransfer­Limitierungen und Auswirkungen der Zellverteilungen. Dies
führt zum Konzept des “ Efficiency sensing” (ES), welches besagt, dass die AI­Moleküle produziert und in
die Umgebung abgegeben werden, um zu testen, ob ein “U mschalten” (des Stoffwechsels o.ä.) effizient ist.
Dieses Umschalten betrifft oft auch die Produktion von extrazellulären Effektoren, d.h. Substanzen, die in
der Umgebung der Zellen etwas bewirken sollen; diese unterliegen natürlich ähnlichen Einflüssen wie die
(“gün stiger” herzustellenden) AI Moleküle, so dass dies ein realistischer Test ist. Effizienz kann durch eine
große Anzahl an Bakterien, starke Diffusionslimitierung oder eine günstige räumliche Verteilung erreicht
werden. Mit Hilfe mathematischer Modellierung können all diese Faktoren gründlich untersucht und ihre
relative Bedeutung eingeordnet werden. So findet man zum Beispiel, dass insbesondere bakterielle
Mikrokolonien eine wichtige Rolle für die Kommunikation spielen. Die neue Interpretationsweise des ES beinhaltet Quorum Sensing und Diffusion Sensing als Spezialfälle und
kann auch Probleme mit evolutionärer Stabilität und betrügenden Zellen (Cheater), die bei reinem Quorum
Sensing auftreten können, lösen.