Klassieke modellen voor de microbiële dynamica zijn empirisch en gebaseerd op experimenten die in constante omgevingen zijn uitgevoerd. Zij gebruiken vaak de Michaelis-Menten kinetica als basis voor opname processen, en de wet van Liebig voor omzettingen waar meerdere substraten voor nodig zijn. Deze wet houdt in dat slechts het meest schaarse substraat de omzetting bepaalt; in veranderende omgevingen betekent dit plotselinge veranderingen in de rol van de verschillende substraten. Vaak optredende plotselinge veranderingen maken de wiskundige analyse en het door-rekenen van het dynamische systeem knap lastig. Bovendien houden dit soort eenvoudige modellen geen rekening met de thermodynamische beperkingen van biochemische omzettingen. Dit maakt ze alleen geschikt voor de meest eenvoudige toepassingen, en zijn ze onbruikbaar voor meer ingewikkelde (lees realistische) situaties.
Dit proefschrift behandelt een benadering voor de microbiële dynamica die gestoeld is op mechanismen die een rol spelen in variabele omgevingen. Deze benadering is gebaseerd op de Dynamische Energie Budget (DEB) theorie, die met verschillende zaken rekening houdt:
Hoofdstuk 1 introduceert de context en beschrijft de onderhavige problematiek en de aanpak die gevolgd wordt. De verschillende hoofdstukken verbeteren de mechanistische beschrijvingen stapsgewijze en introduceren meer en meer details die nodig zijn om de interakties te beschrijven tussen de microbiële populaties en hun milieu.
In hoofdstuk 2 bouw ik de dynamica van het bacteriële metabolisme in in de klassieke modellen voor de afbraak van organische stoffen. Ik stel een nieuw model op voor de remming van zuurstof op de denitrificatie. De formulering die ik gebruik is algemeen, en verschillende speciale gevallen kunnen er uit afgeleid worden. Ik vergelijk het resultaat van computer simulaties met die van klassieke modellen. Voor constante omgevingen zijn die resultaten vrijwel gelijk, maar voor veranderende omgevingen zijn de voorspelde hoeveelheden bacteriële biomassa's behoorlijk verschillend. Deze verschillen worden besproken.
Hoofdstuk 3 vergelijkt klassieke empirische modellen (namelijk die van Monod en Droop) met mijn op DEB theorie gebaseerde model door toepassing van deze modellen op een verzameling data. Het Monod-model slaat de plank helemaal mis. Beide andere modellen passen redelijk, maar geven grote verschillen tussen vergelijkbare parameter waarden. Ik ga hier in op het aanvullend karakter van het doen van experimenten en het maken van modellen. De grote verschillen in parameter waarden van een eenvoudig model dat onder verschillende situaties wordt toegepast kan wijzen op het ontbreken van een of meerdere essentiële processen in de beschrijving. De complexiteit van een model, bijvoorbeeld gemeten in het aantal parameters dat het heeft, moet echter ook in verhouding staan tot de informatie die in de data zit. Hoewel het DEB-gebaseerde model eigenlijk te ingewikkeld is voor de eenvoudige data die beschikbaar waren, gaf het toch parameter waarden die bruikbaar waren voor verstorings-studies.
Hoofdstuk 4 stelt een verbetering van het standaard DEB model voor om bacteriële levensgemeenschappen te beschrijven tijdens hongering; het gaat hier met name om het proces van biomassa vermindering tijdens (langdurige) hongering. De meeste soorten gebruiken hun mobiele poel van metabolieten om de levenprocessen te onderhouden zolang die poel daarvoor groot genoeg is. Als dit niet langer het geval is gebruiken ze echter ook de niet-mobiele poel; de aanwezigheid van de mobiele poel verhindert als het ware het gebruik van de niet-mobiele poel voor deze toepassing. Het standaard DEB model voorziet in een plotselinge overgang van de ene naar de andere situatie. Dit is niet helemaal realistisch en levert boven problemen op bij de wiskundige analyse van de eigenschappen van het model. Mijn voorstel komt neer op een biochemisch verantwoorde geleidelijke remming, die de bezwaren weg neemt. Ik vergelijk het gedrag van dit model met dat van het klassieke Marr-Pirt model in ritmisch veranderende milieus, gebruikmakend van parameter-waarden die met behulp van experimentele data voor gist-kulturen zijn verkregen. Ik concludeer dat mijn model dit type dynamische milieus veel beter aan kan.
Op basis van de eerder behaalde resultaten stel ik in hoofdstuk 5 een verbetering voor van de beschrijving van de interacties van substraten in biogeochemische modellen. Ik richt me hierbij op de stikstof-kringloop, en het effect van het macro-benthos op de bateriële aktiviteit. Dit effect loopt vooral via de beschikbaarheid van zuurstof door het gevroet van de dieren in het sediment, waardoor RedOx schommelingen onstaan. Ik pas de resultaten van de hoodfstukken 2 en 4 toe om de remming van zuurstof op de denitrificatie te beschrijven. Ik maak theoretische en numerieke analyses en vergelijk de model resultaten met die van empirische formuleringen die gebaseerd zijn op de Michealis-Menten dynamica. Deze laatste kunnen veranderende situaties duidelijk niet aan en leiden tot heel verschillende resultaten, vergeleken met mijn mechanistische model. Mijn model is veel stabieler en laat zien hoe toegevoegd substraat wordt opgenomen en omgezet op een wijze die overeenkomt met experimentele waarnemingen. Sommige van deze waarnemingen, zoals de in de literatuur beschreven staan werden niet verwacht door degene die de experimenten deden, maar konden toch door mijn model verklaard worden.
Het werk dat ik in dit proefschrift presenteer heeft een aantal algemene ideëen opgeleverd over het belang van de funktie van micro-organismen in hun interactie met het milieu en over de balans die moet bestaan tussen de complexiteit van modellen en het informatie-gehalte in de data. Ik heb laten zien hoe met behulp van modellen biologisch inzicht kan worden verworven.
De nieuw-ontwikkelde modellen kunnen behulpzaam zijn in de opzet van nieuwe experimenten, vooral met betrekking tot de keuze welke variabelen het beste gemeten kunnen worden, en hoe vaak. Met andere woorden: hoe verkrijg ik de meeste informatie tegen de minste kosten. Ik heb laten zien hoe mechanistische modellen kunnen helpen de fysiologische toestand van individuen te begrijpen; dit inzicht heeft een veel ruimere toepassing in de modelbouw voor metabole processen in het algemeen.
Dit is het symposium dat mijn project afsluit