Архив

Обзор краткого содержания статей

Выбор параметров просмотра

Выбраны статьи автора: И.Г. Широких

2026 г., № 3
Раздел: Теоретические проблемы экологии
УДК: 631.461+004.8

О применении искусственного интеллекта и больших языковых моделей в области почвенно-экологических исследований (обзор)

Федеральное государственное бюджетное научное учреждение «Федеральный аграрный научный центр Северо-Востока имени Н.В. Рудницкого»

В последние годы в научных исследованиях активно развиваются методы, основанные на использовании искусственного интеллекта (ИИ) и больших языковых моделей (БЯМ), которые способны обрабатывать и интерпретировать значительные объёмы текстовой и структурированной (таблицы, числовые и категориальные данные, данные датчиков и т. п.) информации. Экология почвы как область, характеризующаяся быстрым накоплением разнородных данных, включая результаты метагеномных анализов почвенных микробиомов, может потенциально извлечь существенную пользу от применения подобных инструментов. В настоящем обзоре рассмотрены основные направления использования ИИ в исследованиях в области почвенной экологии и микробиологии, включая анализ научной литературы, аннотирование и систематизацию микробиологических, агрохимических и агрофизических данных, а также создание моделей для прогнозирования на основе метагеномных данных почвенных микробиомов показателей плодородия и продуктивности сельскохозяйственных угодий. Обсуждаются ключевые преимущества данных подходов, их ограничения и возможные методологические риски. Несмотря на необходимость дальнейшего усовершенствования и оптимизации имеющихся к настоящему времени технологий ИИ и БЯМ, выполненный анализ литературы свидетельствует об их значительном потенциале в обеспечении дальнейшего развития почвенно-экологических исследований и достижении практических результатов в аграрном производстве.

Нажмите, чтобы открыть

Ключевые слова: искусственный интеллект, нейронные сети, машинное обучение, большие языковые модели, экология микроорганизмов, почвенный микробиом, метагеномика, аграрное производство

Развернуть Список процитированных источников

1. Dobrovol’skii G.V. Dokuchaev and present-day natural science // Eurasian Soil Sc. 1996. V. 29. No. 2. P. 105–110.

2. Dokuchaev V.V. Essays: in 9 volumes. Moskva; Leningrad: Publishing House of the USSR Academy of Sciences, 1949–1961. (in Russian).

3. Montgomery D.R. Soil erosion and agricultural sustainability // Proc. Natl. Acad. Sci. USA. 2007. V. 104. No. 33. P. 13268–13272. doi: 10.1073/pnas.0611508104

4. Dobrovolskiy G.V. Soil degradation as a threat of global ecological crisis // Vek globalizatsii. 2008. No. 2. P. 54–65 (in Russian).

5. Giller K.E., Delaune T., Silva J.V., Descheemaeker K., van de Ven G., Schut A.G.T., van Wijk M., Hammond J., Hochman Z., Taulya G., Chikowo R., Narayanan S., Kishore A., Bresciani F., Teixeira H.M., Andersson J.A., van Ittersum M.K. The future of farming: who will produce our food? // Food Sec. 2021. V. 13. P. 1073–1099. doi: 10.1007/s12571-021-01184-6

6. Kurmanbayev A.A., Syndet T.R. Soil health concept and modern soil health indicators // Soil Science and Agrichemistry. 2023. No. 2. P. 91–106 (in Russian). doi: 10.51886/1999-740Х_2023_2_91

7. Nikitin D.A., Semenov M.V., Chernov T.I., Ksenofontova N.A., Zhelezova A.D., Ivanova E.A., Khitrov N.B., Stepanov A.L. Microbiological indicators of ecological soil functions: a review // Eurasian Soil Sc. 2022. V. 55. P. 221–234. doi: 10.1134/S1064229322020090

8. Golubev A.S., Berestetskiy A.O. Future directions for use of biological and biorational herbicides in Russia (review) // Agricultural Biology. 2021. V. 56. No. 5. P. 868–884 (in Russian). doi: 10.15389/ agrobiology.2021.5.868rus

9. Mohanty L.K., Singh N.K., Raj P., Prakash A., Tiwari A.K., Singh V., Sachan P. Nurturing crops, enhancing soil health, and sustaining agricultural prosperity worldwide through agronomy // J. Exp. Agric. Int. 2024. V. 46. No. 2. P. 46–67. doi: 10.9734/jeai/2024/v46i22308

10. Ryazanov S.S., Kulagina V.I. Soil health: an overview of concepts and monitoring methods // Moscow Univ. Soil Sci. Bull. 2026. V. 81. P. 16–31. doi: 10.3103/ S0147687425700711

11. Slobodkin A.I., Slobodkina G.B. Diversity of sulfur- disproportionating microorganisms // Microbiology. 2019. V. 88. P. 509–522. doi: 10.1134/S0026261719050138

12. Zavarzina D.G. The role of dissimilatory Fe(III)-reducing bacteria in transformation of iron minerals // Paleontol. J. 2004. V. 38. No. 3. P. 231–237.

13. Vecherskii M.V., Semenov M.V., Lisenkova A.A., Stepankov A.A. Metagenomics: a new direction in ecology // Biol. Bull. Russ. Acad. Sci. 2022. V. 48. Suppl. 3. P. S107–S117. doi: 10.1134/S1062359022010150

14. Semenov M.V. Metabarcoding and metagenomics in soil ecological research: achievements, problems and opportunities // Biol. Bull. Rev. 2021. V. 11. P. 40–53. doi: 10.1134/S2079086421010084

15. Nesme J., Achouak W., Agathos S.N., Bailey M., Baldrian P., Brunel D., Frostegård Å., Heulin T., Jansson J.K., Jurkevitch E., Kruus K.L., Kowalchuk G.A., Lagares A., Lappin-Scott H.M., Lemanceau P., Le Paslier D., Mandic-Mulec I., Murrell J.C., Myrold D.D., Nalin R., Nannipieri P., Neufeld J.D., O’Gara F., Parnell J.J., Pühler A., Pylro V., Ramos J.L., Roesch L.F.W., Schloter M., Schleper C., Sczyrba A., Sessitsch A., Sjöling S., Sørensen J., Sørensen S.J., Tebbe C.C., Topp E., Tsiamis G., van Elsas J.D., van Keulen G., Widmer F., Wagner M., Zhang T., Zhang X., Zhao L., Zhu Y.G., Vogel T.M., Simonet P. Back to the future of soil metagenomics // Front. Microbiol. 2016. V. 7. Article No. 73. doi: 10.3389/fmicb.2016.00073

16. Leite M.F.A., van den Broek S.W.E.B., Kuramae E.E. Current challenges and pitfalls in soil metagenomics // Microorganisms. 2022. V. 10. No. 10. Article No. 1900. doi: 10.3390/microorganisms10101900

17. Wydro U. Soil microbiome study based on DNA extraction: a review // Water. 2022. V. 14. No. 24. Article No. 3999. doi: 10.3390/w14243999

18. Veselovsky V., Romanov M., Zoruk P., Larin A., Babenko V., Morozov M., Strokach A., Zakharevich N., Khamidova S., Danilova A., Vatlin A., Pavshintsev V., Chenguang F., Tsybizov D., Mitkin N., Galanova O., Zakharenko A., Golokhvast K., Klimina K. Comparative evaluation of sequencing platforms: Pacific Biosciences, Oxford Nanopore Technologies, and Illumina for 16S rRNA-based soil microbiome profiling // Front. Microbiol. 2025. V. 16. Article No. 1633360. doi: 10.3389/fmicb.2025.1633360

19. D’Argenio V. The high-throughput analyses era: are we ready for the data struggle? // High Throughput. 2018. V. 7. No. 1. Article No. 8. doi: 10.3390/ht7010008

20. Sharpton T.J. An introduction to the analysis of shotgun metagenomic data // Front. Plant Sci. 2014. V. 5. Article No. 209. doi: 10.3389/fpls.2014.00209

21. Panciu B.-I., Barbu Dragne G.-L. A.I. in agriculture – a bibliometric approach // Proceedings of the International Conference on Business Excellence. 2025. V. 19. No. 1. P. 5189–5199. doi: 10.2478/picbe-2025-0397

22. Zhao Y., Liang J., Chen B., Deng X., Zhang Y., Xiong Z., Pan M., Meng X. Applications research progress and prospects of multi-agent large language models in agricultural // Smart Agric. 2025. V. 7. No. 5. P. 37–51. doi: 10.12133/j.smartag.SA202503026

23. Sirilertmekasakul C., Rattanawong W., Gongvatana A., Srikiatkhachorn A. The current state of artificial intelligence-augmented digitized neurocognitive screening test // Front. Hum. Neurosci. 2023. V. 17. Article No. 1133632. doi: 10.3389/fnhum.2023.1133632

24. Saied M., Mokhtar N., Badr A., Adel M., Boles P., Khoriba G. AI in literature reviews: a survey of current and emerging methods // Proceedings of the 2024 International Mobile, Intelligent, and Ubiquitous Computing Conference (MIUCC). Cairo, Egypt, 2024. P. 61–65. doi: 10.1109/MIUCC62295.2024.10783597

25. Naudé W. Artificial intelligence vs COVID-19: limitations, constraints and pitfalls // AI & Soc. 2020. V. 35. No. 3. P. 761–765. doi: 10.1007/s00146-020-00978-0

26. Gerlich M. AI tools in society: impacts on cognitive offloading and the future of critical thinking // Societies. 2025. V. 15. No. 1. Article No. 6. doi: 10.3390/soc15010006

27. Schmidt L., Cree I., Campbell F., WCT EVI MAP group. Digital tools to support the systematic review process: an introduction // J. Eval. Clin. Pract. 2025. V. 31. No. 3. Article No. e70100. doi: 10.1111/jep.70100

28. Filimonov V.Yu. Large language models and their role in modern scientific discoveries // Philosophical Problems of IT and Cyberspace (PhilIT&C). 2024. V. 25. No. 1. P. 42–57 (in Russian). doi: 10.17726/philIT.2024.1.3

29. Mtotywa M.M., Mowers J.L.J., Ndou W., Moleko T.V.Q., Ledwaba M.J. Artificial intelligence in literature review synthesis: a step-by-step methodological approach for researchers and academics // Informatics. 2026. V. 13. No. 3. Article No. 43. doi: 10.3390/informatics13030043

30. Sa I., Ge Z., Dayoub F., Upcroft B., Perez T., Mc-Cool C. DeepFruits: a fruit detection system using deep neural networks // Sensors. 2016. V. 16. No. 8. Article No. 1222. doi: 10.3390/s16081222

31. Fallico N. Exploring Research Rabbit: your new favourite reference manager // Medical Writing. 2025. V. 34. No. 1. P. 67–69. doi: 10.56012/wxzm3433

32. Zhang Y., Long J., Zhao W. The curvilinear relationships between relational embeddedness and dynamic capabilities: the mediating effect of ambidextrous learning // Front. Psychol. 2022. V. 13. Article No. 830377. doi: 10.3389/ fpsyg.2022.830377

33. Correa-Garcia S., Constant P., Yergeau E. The forecasting power of the microbiome // Trends Microbiol. 2022. V. 31. No. 5. P. 444–452. doi: 10.1016/j. tim.2022.11.013

34. De Andrade V.H.G.Z., Redmile-Gordon M., Barbosa B.H.G., Andreote F.D., Roesch L.F.W., Pylro V.S. Artificially intelligent soil quality and health indices for ‘next generation’ food production systems // Trends Food Sci. Technol. 2021. V. 107. P. 195–200. doi: 10.1016/j.tifs.2020.10.018

35. Wilhelm R.C., van Es H.M., Buckley D.H. Predicting measures of soil health using the microbiome and supervised machine learning // Soil Biol. Biochem. 2022. V. 164. Article No. 108472. doi: 10.1016/j.soilbio.2021.108472

36. Breiman L. Random forests // Mach. Learn. 2001.V. 45. P. 5–32. doi: 10.1023/A:1010933404324

37. Cortes C., Vapnik V. Support-vector networks // Mach. Learn. 1995. V. 20. P. 273–297. doi: 10.1007/BF00994018

38. Hermans S.M., Buckley H.L., Case B.S., Curran- Cournane F., Taylor M., Lear G. Using soil bacterial communities to predict physico-chemical variables and soil quality // Microbiome. 2020. V. 8. No. 1. Article No. 79. doi: 10.1186/s40168-020-00858-1

39. Chang H.X., Haudenshield J.S., Bowen C.R., Hartman G.L. Metagenome-wide association study and machine learning prediction of bulk soil microbiome and crop productivity // Front. Microbiol. 2017. V. 8. Article No. 519. doi: 10.3389/fmicb.2017.00519

40. Sadeghi S., Petermann B.J., Steffan J.J., Brevik E.C., Gedeon C. Predicting microbial responses to changes in soil physical and chemical properties under different land management // Appl. Soil Ecol. 2023. V. 188. Article No. 104878. doi: 10.1016/j.apsoil.2023.104878

41. Tajik S., Ayoubi S., Nourbakhsh F. Prediction of soil enzymes activity by digital terrain analysis: comparing artificial neural network and multiple linear regression models // Environ. Eng. Sci. 2012. V. 29. No. 8. P. 798–806. doi: 10.1089/ees.2011.0313

42. Larsen P.E., Field D., Gilbert J.A. Predicting bacterial community assemblages using an artificial neural network approach // Nat. Methods. 2012. V. 9. No. 6. P. 621–625. doi: 10.1038/nmeth.1975

43. Santos E.C., Armas E.D., Crowley D., Lambais M.R. Artificial neural network modeling of microbial community structures in the Atlantic Forest of Brazil // Soil Biol. Biochem. 2014. V. 69. P. 101–109. doi: 10.1016/j.soilbio.2013.10.049

44. Shirokih I.G., Bokov N.A., Shirokih A.A., Ashikhmina T.Ya. Antibiotic resistance profiles of streptomycetes from different soils of the Vyatka Prikamye // Theoretical and Applied Ecology. 2026. No. 2. P. 183–191 (in Russian). doi: 10.25750/1995-4301-2026-2-183-191

45. Langley P. The changing science of machine learning // Mach. Learn. 2011. V. 82. P. 275–279. doi: 10.1007/s10994-011-5242-y

46. LeCun Y., Bengio Y., Hinton G. Deep learning // Nature. 2015. V. 521. No. 7553. P. 436–444. doi: 10.1038/nature14539

47. Ghannam R.B., Techtmann S.M. Machine learning applications in microbial ecology, human microbiome studies, and environmental monitoring // Comput. Struct. Biotechnol. J. 2021. V. 19. P. 1092–1107. doi: 10.1016/j.csbj.2021.01.028

48. Pace R., Schiano Di Cola V., Monti M.M., Affinito A., Cuomo S., Loreto F., Ruocco M. Artificial intelligence in soil microbiome analysis: a potential application in predicting and enhancing soil health – a review // Discov. Appl. Sci. 2025. V. 7. Article No. 85. doi: 10.1007/s42452-024-06381-4

49. Iadanza E., Fabbri R., Bašić-Čičak D., Amedei A., Telalovic J.H. Gut microbiota and artificial intelligence approaches: a scoping review // Health Technol. 2020. V. 10. P. 1343–1358. doi: 10.1007/s12553-020-00486-7

50. Gewers F.L., Ferreira G.R., de Arruda H.F., Silva F.N., Comin C.H., Amancio D.R., Costa L.F. Principal component analysis: a natural approach to data exploration // ACM Comput. Surv. 2021. V. 54. No. 4. Article No. 70. doi: 10.1145/3447755

51. Van der Maaten L., Hinton G. Visualizing data using t-SNE // J. Mach. Learn. Res. 2008. V. 9. P. 2579–2605.

52. Becht E., McInnes L., Healy J., Dutertre C.A., Kwok I.W.H., Ng L.G., Ginhoux F., Newell E.W. Dimensionality reduction for visualizing single-cell data using UMAP // Nat. Biotechnol. 2019. V. 37. P. 38–44. doi: 10.1038/nbt.4314

53. Zeng T., Yu X., Chen Z. Applying artificial intelligence in the microbiome for gastrointestinal diseases: a review // J. Gastroenterol. Hepatol. 2021. V. 36. No. 4. P. 832–840. doi: 10.1111/jgh.1550

54. Friedman J.H. Stochastic gradient boosting // Comput. Stat. Data Anal. 2002. V. 38. No. 4. P. 367–378. doi: 10.1016/S0167-9473(01)00065-2

55. LeCun Y., Boser B., Denker J.S., Henderson D., Howard R.E., Hubbard W., Jackel L.D. Backpropagation applied to handwritten zip code recognition // Neural Comput. 1989. V. 1. No. 4. P. 541–551. doi: 10.1162/ neco.1989.1.4.541

56. Hopfield J.J. Neural networks and physical systems with emergent collective computational abilities // Proc. Natl. Acad. Sci. USA. 1982. V. 79. No. 8. P. 2554–2558. doi: 10.1073/pnas.79.8.255

57. Liou C.Y., Cheng W.C., Liou J.W., Liou D.R. Autoencoder for words // Neurocomputing. 2014. V. 139. P. 84–96. doi: 10.1016/j.neucom.2013.09.055

58. Oh M., Zhang L. DeepMicro: deep representation learning for disease prediction based on microbiome data // Sci. Rep. 2020. V. 10. No. 1. Article No. 6026. doi: 10.1038/s41598-020-63159-5

59. Cuomo S., de Rosa M., Piccialli F., Pompameo L., Vocca V. A numerical approach for soil microbiota growth prediction through physics-informed neural network // Appl. Numer. Math. 2024. V. 207. P. 97–110. doi: 10.1016/j.apnum.2024.08.025

60. Papoutsoglou G., Tarazona S., Lopes M.B., Klammsteiner T., Ibrahimi E., Eckenberger J., Novielli P., Tonda A., Simeon A., Shigdel R., Béreux S., Vitali G., Tangaro S., Lahti L., Temko A., Claesson M.J., Berland M. Machine learning approaches in microbiome research: challenges and best practices // Front. Microbiol. 2023. V. 14. Article No. 1261889. doi: 10.3389/fmicb.2023.1261889

61. Deng Z., Zhang J., Li J., Zhang X. Application of deep learning in plant–microbiota association analysis // Front. Genet. 2021. V. 12. Article No. 697090. doi: 10.3389/fgene.2021.697090

62. Zhao B., Jin W., Del Ser J., Yang G. ChatAgri: Exploring potentials of ChatGPT on cross-linguistic agricultural text classification // Neurocomputing. 2023. V. 557. Article No. 126708. doi: 10.1016/j.neucom.2023.126708

63. Popova L.V., Gorshkova N.V., Shaldokhina S.Yu. The introduction of Agriculture technology 4.0: conditions and forecasts // Bulletin of the Adyghe State University, Series “Economics”. 2019. No. 1. P. 83–89 (in Russian).

64. Zayats O.A., Nazarova Yu.N., Strizhakova E.A., Penkova R.I. Big Data technologies in agriculture // Fundamental research. 2022. No. 7. P. 35–40 (in Russian). doi: 10.17513/fr.43280

65. Cravero A., Pardo S., Sepúlveda S., Muñoz L. Challenges to use machine learning in agricultural Big Data: a systematic literature review // Agronomy. 2022. V. 12. No. 3. Article No. 748. doi: 10.3390/agronomy12030748

66. Raevskaya E.G. Introducing artificial intelligence in Chinese agriculture (review) // Agrarnaya nauka Euro- Severo-Vostoka. 2024. V. 25. No. 5. P. 739–753 (in Russian). doi: 10.30766/2072-9081.2024.25.5.739-753

67. Fenu G., Malloci F.M. DSS LANDS: a decision support system for agriculture in Sardinia // HighTech and Innovation Journal. 2020. V. 1. No. 3. P. 129–135. doi: 10.28991/HIJ-2020-01-03-05

68. Folorunso O., Ojo O., Busari M., Adebayo M., Joshua A., Folorunso D., Ugwunna C.O., Olabanjo O., Olabanjo O. Exploring machine learning models for soil nutrient properties prediction: a systematic review // Big Data Cogn. Comput. 2023. V. 7. No. 2. Article No. 113. doi: 10.3390/bdcc7020113

69. Shen Y., Song K., Tan X., Li D., Lu W., Zhuang Y. HuggingGPT: solving AI tasks with ChatGPT and its friends in Hugging Face // Advances in Neural Information Processing Systems: proceedings of the 37th conference on neural information processing systems. 2024. V. 36.P. 38154–38180. doi: 10.52202/075280-1657

70. Zhu H., Qin S., Su M., Lin C., Li A., Gao J. Harnessing large vision and language models in agriculture: a review // Front. Plant Sci. 2025. V. 16. Article No. 1579355. doi: 10.3389/fpls.2025.1579355

71. Radford A., Kim J.W., Xu T., Brockman G., McLeavey C., Sutskever I. Robust speech recognition via large-scale weak supervision // Proceedings of the 40th International Conference on Machine Learning. Honolulu, 2023. V. 202. P. 28492–28518.

72. Ren Y., Ruan Y., Tan X., Qin T., Zhao S., Zhao Z., Liu T.Y. FastSpeech: Fast, robust and controllable text to speech // Advances in neural information processing systems: proceedings of the 33rd conference on neural information processing systems. Vancouver, 2019. V. 32. No. 285. P. 3171–3180.

Сведения о финансировании:

Работа выполнена в рамках Государственных заданий ФАНЦ Северо-Востока имени Н.В. Рудницкого (тема № FNWE-2025-0005) и ФИЦ «Коми научный центр Уральского отделения Российской академии наук» (по теме «Оценка состояния трансформированных экосистем подзоны южной тайги, методические подходы к их биоремедиации», номер государственной регистрации в ЕГИСУ № 125021402208-5).

DOI: 10.25750/1995-4301-2026-3-017-030

Контент доступен под лицензией Creative Commons Attribution 4.0 License. Creative Commons License

XML JATS

2026 г., № 2
Раздел: Популяционная экология
УДК: 579.2

Профили антибиотикорезистентности стрептомицетов из разных почв Вятского Прикамья

И.Г. Широких, Н.А. Боков, А.А. Широких, Т.Я. Ашихмина

ФАНЦ Северо-Востока им. Н.В. Рудницкого

Распространение антибиотикорезистентности среди бактерий, вызывающих инфекции, создаёт риск потери эффективности антибиотиков как лекарственных средств. Решению этой глобальной проблемы здравоохранения и ветеринарии могут способствовать новые знания о резистомах бактерий в почве, как природном резервуаре генов устойчивости к антибиотикам, где благодаря горизонтальному переносу генов может происходить передача признака в клинически значимые патогенные виды. В сравнительном аспекте охарактеризованы профили фенотипической устойчивости типичных почвенных бактерий – актиномицетов – к определённому набору антибиотиков из разных классов и различных механизмов действия. В общей сложности определены профили устойчивости 152 природных изолятов, полученных из почв разных районов Кировской области. Источником для их изоляции служили пробы почв, отобранных на особо охраняемых природных территориях (природные экосистемы) и на участках, типизирующих различные виды хозяйственной деятельности (трансформированные экосистемы). Из каждой почвенной пробы анализировали равные по объёму выборки изолятов с признаками, характерными для рода Streptomyces. С помощью методов многомерной статистики показано, что уровень резистентности стрептомицетов к каждому из семи антибиотиков (налидиксовая кислота, тетрациклин, полимиксин, триметоприм, линкомицин, амоксициллин и стрептомицин) значимо (p < 0,05) определяют как географический район выделения штамма, так и тип экосистемы (природная или трансформированная). В качестве общей закономерности на обследованной территории отмечена высокая эффективность стрептомицина и тетрациклина, и низкая чувствительность стрептомицетов к налидиксовой кислоте. Природные лесные, как и антропогенно трансформированные экосистемы, обогащены штаммами стрептомицетов со множественной устойчивостью к антибиотикам. Практическое значение полученных результатов для экологии и мониторинга заключается в статистически доказанной возможности использования устойчивости почвенных стрептомицетов в качестве индикатора антропогенной нагрузки на почву.

Нажмите, чтобы открыть

Ключевые слова: антибиотики, устойчивость, почвенный резистом, Streptomyces, природная экосистема, хозяйственное использование, статистический анализ

Развернуть Список процитированных источников

1. Кунанбаева К.К., Байтурсинов Г.А., Лескен Д.С., Оразымбет Н.Ж., Баймуратова З.Р. Антибиотикорезистентность: глобальная угроза для здравоохранения // Биология и интегративная медицина. 2025. № 2 (74). С. 352–356.

2. Han F.X., Kingery W., Selim H. Accumulation, redistribution, transport and bioavailability of heavy metals in waste-amended soils // Trace Elements in Soil: Bioavailability, Fluxes and Transfer / Eds. I. Iskander, M. Kirkham. Boca Raton, FL: CRC, 2001. P. 141–168.

3. Baker-Austin C., Wright M.S., Stepanauskas R., McArthur J.V. Co-selection of antibiotic and metal resistance // Trends Microbiol. 2006. V. 14. No. 4. P. 176–182. doi: 10.1016/j.tim.2006.02.006

4. Burridge L., Weis J., Cabello F., Pizarro J., Bostick K. Chemical use in salmon aquaculture: a review of current practices and possible environmental effects // Aquaculture. 2010. V. 306. No. 1–4. P. 7–23. doi: 10.1016/j. aquaculture.2010.05.020

5. Sieler C., Berendonk T.U. Heavy metal driven coselection of antibiotic resistance in soil and water bodies impacted by agriculture and aquaculture // Front. Microbiol. 2012. V. 3. Article No. 399. doi:10.3389/fmicb.2012.00399

6. Chapman J.S. Disinfectant resistance mechanisms, cross-resistance, and co-resistance // International Biodeterioration & Biodegradation. 2003. V. 51. No. 4. P. 271–276. doi: 10.1016/S0964-8305(03)00044-1

7. Osman O., Tanguichi H., Ikeda K., Park P., TanabeHosoi S., Nagata S. Copper-resistant halophilic bacterium isolated from the polluted Maruit Lake, Egypt // J. Appl. Microbiol. 2010. V. 108. No. 4. P. 1459–1470. doi: 10.1111/j.1365-2672.2009.04574.x

8. Knapp C.W., McCluskey S.M., Singh B.K., Campbell C.D., Hudson G., Graham D.W. Antibiotic resistance gene abundances correlate with metal and geochemical conditions in archived Scottish soils // PloS One. 2011. V. 6 (11). P. e27300. doi: 10.1371/journal. pone.0027300

9. Shirokikh I.G., Gembitskaya E.A., Ashikhmina T.Y. Spread of antibiotic-resistant actinobacteria in soils exposed to various types of anthropogenic impact // Biol. Bull. Russ. Acad. Sci. 2024. V. 51. P. 3146–3153. doi: 10.1134/S1062359024700936

10. Wright G.D. Antibiotic resistance in the environment: a link to the clinic? // Curr. Opin. Microbiol. 2010. V. 13. No. 5. P. 589–594. doi: 10.1016/j.mib.2010.08.005

11. D’Costa V.M., King C.E., Kalan L., Morar M., Sung W.W.L., Schwarz C., Froese D., Zazula G., Calmels F., Debruyne R., Golding G.B., Poinar H.N., Wright G.D. Antibiotic resistance is ancient // Nature. 2011. V. 477. P. 457–461. doi: 10.1038/nature10388

12. Salyers A.A., Amábile-Cuevas C.F. Why are antibiotic resistance genes so resistant to elimination? // Antimicrob. Agents Chemother. 1997. V. 41. No. 11. P. 2321–2325. doi: 10.1128/AAC.41.11.2321

13. Aminov R.I. A brief history of the antibiotic era: lessons learned and challenges for the future // Front. Microbiol. 2010. V. 1. Article No. 134. doi: 10.3389/ fmicb.2010.00134

14. D’Costa V.M., McGrann K.M., Hughes D.W., Wright G.D. Sampling the antibiotic resistome // Science. 2006. V. 311. No. 5759. P. 374–377. doi: 10.1126/ science.1120800

15. Allen H.K., Donato J., Wang H.H., Cloud-Hansen K.A., Davies J., Handelsman J. Call of the wild: antibiotic resistance genes in natural environments // Nat. Rev. Microbiol. 2010. V. 8. No. 4. P. 251–259. doi: 10.1038/nrmicro2312

16. Добровольская Т.Г., Головченко А.В., Лысак Л.В., Зенова Г.М. Физикохимия и биология торфа. Методы оценки численности и разнообразия бактериальных и актиномицетных комплексов торфяных почв. Томск: Издательство ТГПУ, 2010. 99 с.

17. Bergeys Manual of Determinative Bacteriology / Eds. J.G. Holt, N.R. Krieg, P.H.A. Sneath, J.T. Staley, S.T. Williams. Philadelphia: Lippincott Williams & Wilkins, 1994. 800 p.

18. Шитиков В.К., Зинченко Т.Д. Многомерный статистический анализ экологических сообществ (обзор) // Теоретическая и прикладная экология. 2019. № 1. С. 5–11. doi: 10.25750/1995-4301-2019-1-005-011

19. Harrington P.B., Vieira N.E., Espinoza J., Nien J.K., Romero R., Yergey A.L. Analysis of variance-principal component analysis: A soft tool for proteomic discovery // Analytica Chimica Acta. 2005. V. 544. No. 1–2. P. 118–127. doi: 10.1016/j.aca.2005.02.042

20. Jansen J.J., Hoefsloot H.C.J., van der Greef J., Timmerman M.E., Westerhuis J.A., Smilde A.K. ASCA: Analysis of multivariate data obtained from an experimental design // J. Chemometrics. 2005. V. 19. Р. 469–481. doi: 10.1002/cem.952

21. Xu Y., Fowler S.J., Bayat A., Goodacre R. Chemometrics models for overcoming high between subject variability: applications in clinical metabolic profiling studies // Metabolomics. 2014. V. 10. P. 375–385. doi: 10.1007/s11306-013-0616-8

22. Гордеева Е.И., Филиппов П.Н., Турсунова Н.В., Салмин А.В. Варианты генов Mycobacterium tuberculosis, ассоциированные с лекарственной устойчивостью к фторхинолонам (обзор литературы) // Научные результаты биомедицинских исследований. 2024. Т. 10. № 3. С. 324–338. doi: 10.18413/2658-6533-2024-10-3-0-1

Сведения о финансировании:

Работа выполнена в рамках государственных заданий Федерального аграрного научного центра Северо-Востока имени Н.В. Рудницкого (№ FNWE-2025-0005) и Института биологии ФИЦ Коми НЦ УрО РАН (№ 125021402208-5).

DOI: 10.25750/1995-4301-2026-2-183-191

Контент доступен под лицензией Creative Commons Attribution 4.0 License. Creative Commons License

XML JATS

2025 г., № 4
Раздел: Популяционная экология
УДК: 631:579.2

Почвенный микробиом эмбриозёма на гипсосодержащих отходах химического производства

И.Г. Широких, Е.В. Дабах, Л.В. Кондакова, Н.А. Боков, Т.Я. Ашихмина

ФАНЦ Северо-Востока им. Н.В. Рудницкого

Почвенный микробиом играет важную роль в процессах педогенеза и функционирования почвы. Роль микробиома особенно значима на начальных этапах формирования почв в техногенных ландшафтах на не характерных для данной территории породах, таких как гипсосодержащие отходы (ГСО) химического производства. Целью исследования была оценка структуры и состава альгофлоры и прокариотного компонента микробного сообщества в молодой почве, формирующейся при самозарастании отвала ГСО химического предприятия. Объектом исследования служил эмбриозём, формирующийся в условиях подзоны южной тайги европейского Северо-Востока на самозарастающем в течение более 20 лет открытом хранилище ГСО, в качестве условного фона – почва на алюмосиликатной породе – пойменном аллювии под разнотравным лугом на примыкающей к хранилищам отходов территории.В почве фонового участка методом прямого микроскопирования почвы, стёкол обрастания и чашечных культур выявлено 16, в эмбриозёме – 19 видов микрофототрофов. Видовое разнообразие представлено цианобактериями, зелёными и диатомовыми водорослями. В прокариотном компоненте сообщества эмбриозёма выявлены (по разнообразию последовательностей генов 16S рРНК) представители 12 бактериальных и 1 архейного филума. Доминанты на уровне филума в сообществах эмбриозёма и фоновой почвы были одинаковы – Proteobacteria (в среднем 28,6%) и Actinobacteria (17,4%). На долю Verrucomicrobia, Acidobacteria и Bacteroidetes пришлось в среднем по 3–6% от общего числа таксонов. Микробиом эмбриозёма отличался от зрелой почвы фонового участка наличием в составе минорных представителей Chloroflexi (1%), Cyanobacteria (0,3–0,4%) и Firmicutes (0,1%). Изучение состава и структуры почвенного микробиома на первых этапах педогенеза дало ценную информацию для понимания факторов, способствующих почвообразованию, а также для оптимизации методов рекультивации.

Нажмите, чтобы открыть

Ключевые слова: Техносоли, прокариоты, альгоцианофлора, секвенирование ампликонных библиотек гена 16S рРНК.

DOI: 10.25750/1995-4301-2025-4-200-211

Контент доступен под лицензией Creative Commons Attribution 4.0 License. Creative Commons License

2025 г., № 2
Раздел: Популяционная экология
УДК: 547.458+612.616.2

Применение полисахаридов базидиальных грибов для криоконсервации спермы быков голштинской породы

Т.В. Полежаева, А.Н. Худяков, О.Н. Соломина, И.Г. Широких, О.О. Зайцева, М.И. Сергушкина, А.А. Широких, Д.В. Попыванов

Институт физиологии Коми НЦ УрО РАН

Генетические ресурсы сельскохозяйственных животных играют важную роль в обеспечении продовольственной безопасности нашей страны. Сохранность генетического фонда обеспечивается репродуктивными технологиями на основе криоконсервации биоматериала. Замораживание биологических образцов при температуре –80 ^оC (в промышленных морозильниках) или –196 ^оC (в резервуарах с жидким азотом) позволяет не только хранить материал, но и расширяет спектр практических и научных задач, решение которых ранее было невозможным. Для данных целей природоохранная селекция широко использует криобанки и новые инновационные консерванты, перспективным компонентом которых являются природные биополимеры. Известно, что полисахариды базидиальных грибов обладают высокой комплексообразующей способностью и это обусловливает их широкий диапазон биологического действия. Для технологии криоконсервирования ценным является способность функциональных групп полисахаридов к связыванию большого числа молекул свободной внеклеточной воды, что способствует замедлению метаболизма и подготовке репродуктивных клеток к воздействию низких температур. Возможным механизмом криозащитного эффекта у полисахаридов может быть также их антиоксидантное действие – способность прерывать цепную реакцию перекисного окисления липидов и блокировать повреждающее действие токсичными продуктами радикального процесса. В данном исследовании показано значение полисахаридов базидиальных грибов разного таксономического положения в технологии криоконсервирования сперматозоидов быков голштинской породы. Установлено, что через 28 суток хранения (срок наблюдения) сперматозоидов при –80 ^оС показатели их подвижности были значительно выше при условии нахождения в замораживаемой биологической среде полисахаридов Ganoderma applanatum (Pers.) Pat. / Hericium erinaceus (Bull.: Fr.) Pers. / Lentinula edodes (Berk.) Pegler. Кроме того, количество сперматозоидов без повреждения клеточной мембраны и ДНК было статистически выше при их замораживании в среде с полисахаридами из Hericium erinaceus или Lentinula edodes, что указывает на высокую перспективу применения данной группы веществ при разработке инновационных технологий длительного хранения генетического материала.

Нажмите, чтобы открыть

Ключевые слова: Hericium erinaceus, Ganoderma applanatum, Lentinula edodes, полисахариды, криоконсервация, сперматозоиды

DOI: 10.25750/1995-4301-2025-2-198-207

Контент доступен под лицензией Creative Commons Attribution 4.0 License. Creative Commons License

2024 г., № 3
Раздел: Популяционная экология
УДК: 579.69+502.335

Характеристика нового штамма гриба Schizophyllum commune EO22 и его способности разлагать полиэтилен

А.А. Широких, И.Г. Широких

ФАНЦ Северо-Востока им. Н.В. Рудницкого

Широко распространённый и обладающий обширным биотехнологическим потенциалом ксилотрофный базидиомицет Schizophyllum commune Fr. характеризуется значительной генетической вариабельностью, что актуализирует исследование различных штаммов этого гриба для решения комплекса экологических проблем, связанных, в числе прочих, с утилизацией пластиковых отходов. Использованный в работе штамм S. commune ЕО22 изолирован с гниющей древесины Acer negundo в подзоне южной тайги европейского Северо-Востока (58^о35´ с. ш., 49^о69´ в. д., окрестности г. Кирова) и поддерживается в мицелиальной культуре в лабораторных условиях. Видовая идентификация выполнена на основании морфологии и результата секвенирования нуклеотидной последовательности фрагмента ITS1–5.8S–ITS2. Описаны особенности роста и плодообразования грибной культуры ЕО22 на плотных средах. В эксперименте по культивированию мицелия S. commune ЕО22 совместно с полиэтиленовой плёнкой низкого давления (ПНД) – одного из самых распространённых (64% от общего объёма производства пластиков) загрязнителей окружающей среды, установлен деградативный потенциал штамма. Процесс биодеградации ПНД осуществлялся мицелием исключительно дикариотического типа и сопровождался формированием плодовых тел гриба, что представляет интерес в связи с развитием технологий получения пищевого белка в процессе утилизации пластиковых отходов.

Нажмите, чтобы открыть

<a href="./../upload/843_3_Ris._3_Shirokikh.pdf " target="_blank">Открыть прикреплённый файл</a>

Нажмите, чтобы открыть

Ключевые слова: пластиковые отходы, полиэтилен, биодеградация, базидиомицеты

DOI: 10.25750/1995-4301-2024-3-185-191

Контент доступен под лицензией Creative Commons Attribution 4.0 License. Creative Commons License

2024 г., № 2
Раздел: Теоретические проблемы экологии
УДК: 502.335+579.69

Потенциал биоразложения пластика базидиальными грибами и актинобактериями (обзор)

И.Г. Широких, А.А. Широких

ФАНЦ Северо-Востока им. Н.В. Рудницкого

В условиях постоянно растущего производства и потребления пластмасс недостаточное управление пластиковыми отходами и их ненадлежащая утилизация представляют значительную угрозу для окружающей среды, оказывает влияние на все формы жизни, природные экосистемы и экономику во всём мире. В условиях этой угрозы поиск альтернативных экологически безопасных решений, таких как биодеградация вместо традиционной утилизации, имеет первостепенное значение. Знания о механизмах и эффективности биодеградации пластмасс на сегодняшний день сфокусированы, в основном, на таких группах микроорганизмов, как грамотрицательные бактерии и грибы аскомицеты. Целью данного обзора является анализ имеющихся в литературе представлений о потенциальной возможности разложения наиболее распространённых пластиковых отходов (полиэтилена, полипропилена, поливинилхлорида, полиэтилентерефталата, полиуретана и др.) в результате биотических процессов, осуществляемых двумя группами организмов, которые в технологиях переработки и утилизации синтетических пластиков до сих пор не нашли практического применения – базидиальными грибами и актинобактериями. Обсуждается способность конкретных представителей этих таксономических групп разлагать различные синтетические полимеры. Рассмотрены уникальные стратегии базидиальных грибов, включающие мощную ферментативную систему, способность к адсорбции и производству природных биосурфактантов – гидрофобинов, которые позволяют грибам использовать пластики в качестве источника углерода и энергии. Охарактеризован возможный вклад в основном термофильных представителей актинобактерий родов Thermobifida, Thermoactinomyces, Thermomonospora, Saccharomonospora, Actinomadura, Microbispora и Streptomyces в улучшение утилизации пластиковых отходов с целью создания эффективной и устойчивой практики обращения с пластмассами.

Нажмите, чтобы открыть

Ключевые слова: загрязнение, пластиковые отходы, биодеградация, микроорганизмы, ферментативные системы

DOI: 10.25750/1995-4301-2024-2-006-021

Контент доступен под лицензией Creative Commons Attribution 4.0 License. Creative Commons License

2024 г., № 1
Раздел: Методология и методы исследований. Модели и прогнозы
УДК: 547.458+612.616.2

Полисахариды базидиальных грибов повышают качество репродуктивных клеток быков при замораживании

Т.В. Полежаева, О.Н. Соломина, А.Н. Худяков, А.А. Широких, Д.В. Попыванов, М.И. Сергушкина, О.О. Зайцева, И.Г. Широких

Институт физиологии Коми НЦ УрО РАН

К числу ключевых проблем экологии относится снижение разнообразия видов животных и растений на планете. Одним из возможных способов противодействия данной негативной тенденции является разработка передовых репродуктивных технологий по использованию гамет для восстановления генетического разнообразия. Важная роль в этом процессе отводится криобанкам. Традиционным способом длительного хранения репродуктивных клеток является их криоконсервация при –196^оС с применением хладоограждающих сред на основе синтезированных веществ (глицерин, диметилсульфоксид и др.). Однако цитотоксичность, нарушение фертильности и другие недостатки при использовании традиционных криопротекторов являются причиной поиска новых эффективных заменителей. Кроме того, актуальным является и расширение температурного диапазона хранения биоматериала, в частности, – с использованием условий электрических морозильников. Широкий спектр биологического действия полисахаридов базидиальных грибов позволил сделать предположение об эффективности их применения в составе среды для криоконсервирования клеток. В данной работе представлены результаты сравнительного исследования параметров спермы быков голштинской породы, подвергнутой замораживанию до –5^оС и хранению при указанной температуре в течении 7 сут в среде сертифицированного GMP разбавителя для замораживания спермы быков и других жвачных животных AndroMed® (Minitübe, Германия) при дополнительном введении в его состав полисахаридов базидиальных грибов Hericium erinaceus BP16, Flammulina velutipes FARC D1 и Ganoderma applanatum GA. Значимым эффектом повышения качества репродуктивных клеток в используемой технологии криоконсервирования обладают полисахариды Hericium erinaceus BP16 и Ganoderma applanatum GA.

Нажмите, чтобы открыть

<a href="./../upload/788_3_risunok_3.pdf " target="_blank">Открыть прикреплённый файл</a>

<a href="./../upload/788_4_risunok_4.pdf " target="_blank">Открыть прикреплённый файл</a>

Ключевые слова: Hericium erinaceus ВР16, Flammulina velutipes FARC D1, Ganoderma applanatum GA, полисахариды, AndroMed®, сперматозоиды, криоконсервирование

DOI: 10.25750/1995-4301-2024-1-040-053

Контент доступен под лицензией Creative Commons Attribution 4.0 License. Creative Commons License

2023 г., № 4
Раздел: Популяционная экология
УДК: 579.2

Разнообразие актинобактериальных сообществ в местах захоронения жидких отходов химического предприятия

И.Г. Широких, Н.А. Боков, Е.В. Дабах, Л.В. Кондакова, Т.Я. Ашихмина

ФАНЦ Северо-Востока им. Н.В. Рудницкого

На примере техносолей, сформировавшихся на территории бывшего хвостохранилища жидких отходов химического предприятия в долине реки Вятки, изучены состав и таксономическая структура филума Actinobacteria. Исследовано разнообразие актинобактерий в образцах почв, отобранных с трёх пространственно удалённых площадок мониторинга (СГ, СУ1 и СУ2), различающихся по комплексу физико-химических свойств и характеру растительного покрова. Результаты сопоставлены с фоном – аллювиальной почвой (ФП), отобранной на территории ГПЗ «Нургуш». Исследования проведены с использованием высокопроизводительного секвенирования по технологии Illumina и культуральным методом (посев). Культуральный метод выявил в составе актинобактериальных комлексов представителей родов Streptomyces, Micromonospora, Streptosporangium и ряд олигоспоровых форм. Общая численность актиномицетов в образцах техносолей изменялась от 2,4·10⁴ до 1,8·10⁵ КОЕ/г, а в фоновой почве составила 8,5 · 10³ КОЕ/г. Семейства актиномицетов, установленные методом посева, были обнаружены и с помощью метода ампликонного секвенирования участка V4 гена 16S рРНК. Молекулярный метод вместе с тем позволил выявить в исследуемых образцах и ряд других таксонов, в том числе, не имеющих культивируемых представителей или пока неклассифицированных. C помощью ампликонного секвенирования было установлено, что представители филума Actinobacteria в образцах техногенных почв являются абсолютными доминантами по относительному обилию в общем бактериальном разнообразии. Доля актинобактерий в этих почвах колеблется от 33 до 41%, тогда как в фоновой почве составляет только 22%. Actinobacteria в образцах техносолей были представлены семействами Micromonosporaceae, Micrococcaceae, Nocardioidaceae, Microbacteriaceae, Thermomonosporaceae, Pseudonocardiaceae, Actinosynnemataceae и Intrasporangiaceae и др. Таксономический спектр актинобактерий в образце ФП был сходен с техносолями, но долевое соотношение таксонов при этом было иным. Полученные результаты будут использованы в дальнейших исследованиях почвенной актинобиоты в связи с изменениями экосистем, нарушенных хозяйственной деятельностью человека, а также представляют интерес для поиска и выделения природных штаммов актинобактерий в целях биотехнологии.

Нажмите, чтобы открыть

<a href="./../upload/759_4_Ris._3.pdf " target="_blank">Открыть прикреплённый файл</a>

Ключевые слова: отходы химического производства, техносоли, актинобактерии, актиномицеты, разнообразие, таксономическая структура

DOI: 10.25750/1995-4301-2023-4-174-183

Контент доступен под лицензией Creative Commons Attribution 4.0 License. Creative Commons License

2023 г., № 3
Раздел: Популяционная экология
УДК: 582.24

Ассоциации миксомицетов в лесных биоценозах (на примере заповедника «Нургуш»)

А.А. Широких, И.Г. Широких

ФАНЦ Северо-Востока им. Н.В. Рудницкого

Сообщества миксомицетов являются неотъемлемым компонентом лесных биоценозов. На примере двух участков заповедника «Нургуш» впервые проведено сравнительное изучение состава и биоразнообразия миксомицетных комплексов. Установлено, что видовое разнообразие миксомицетов выше на участке «Нургуш», а межвидовые ассоциации этих организмов более разнообразны на участке «Тулашор». Важным компонентом, входящим в состав сообществ миксомицетов, являются низшие и высшие грибы. Микромицеты выступают как паразиты, а высшие грибы – как организмы, помогающие миксомицетам осваивать новые субстраты, в частности, разлагающуюся древесину. Неотъемлемым компонентом сообществ являются бактерии, которые для миксомицетов представляют собой не только трофический ресурс, но и способствуют их адаптации к окружающей среде. Среди бактерий, доминирующих в составе миксомицетных сообществ, выявляются виды, синтезирующие индол-3-уксусную кислоту (ИУК) – фитогормон ауксиновой природы, в связи с чем спорофоры миксомицетов могут являться потенциальными источниками биотехнологически ценных штаммов прокариот.

Нажмите, чтобы открыть

Ключевые слова: миксомицеты, таксоны, субстратный комплекс, бактерии, микромицеты, высшие грибы

Внешняя ссылка

DOI: 10.25750/1995-4301-2023-3-150-159

Контент доступен под лицензией Creative Commons Attribution 4.0 License. Creative Commons License

2023 г., № 1
Раздел: Агроэкология
УДК: 631.46+619:615.33

Компост из куриного помёта как источник устойчивости почвенных актиномицетов к антибиотикам

И.Г. Широких, Н.А. Боков, Н.Е. Завьялова, Т.Я. Ашихмина

ФАНЦ Северо-Востока им. Н.В. Рудницкого

Развитие птицеводства сопровождается существенным увеличением объёмов производимого куриного помёта и его концентрацией в местах хранения, что приводит к загрязнению окружающей среды. Традиционной формой утилизации помёта является его использование в качестве органического удобрения. Высокое содержание органики и элементов минерального питания в компостах, приготовленных на основе животноводческих отходов, улучшает структуру почвы и способствует почвенному плодородию. Однако, ввиду широкого применения в птицеводстве антибиотиков, удобрения на основе птичьего помёта могут повлиять на антибиотический резистом почвы и, в итоге, способствовать распространению устойчивости к антибиотикам среди клинически значимых микроорганизмов. В этой связи актуальной является оценка влияния свежего и ферментированного куриного помёта на антибиотический резистом почвы, используемой в сельскохозяйственном производстве. В данной работе представлены результаты сравнительного исследования спектров устойчивости к определённому набору антибиотиков и частоты встречаемости резистентных к антибиотикам штаммов среди типичных почвенных бактерий – актиномицетов. Культуры актиномицетов выделены из компоста на основе куриного помёта и дерново-подзолистой почвы: после удобрения компостом, в процессе его хранения (под буртом) и фоновой, не контактировавшей с птичьим помётом или компостом. Определены группы антибиотиков, устойчивость к которым статистически значимо увеличилась в результате использования компоста на основе куриного помёта – тетрациклины, рифампицины и хинолоны.

Ключевые слова: куриный помет, компост, дерново-подзолистая почва, антибактериальные препараты, Streptomyces, антибиотический резистом

DOI: 10.25750/1995-4301-2023-1-101-109

Контент доступен под лицензией Creative Commons Attribution 4.0 License. Creative Commons License

2021 г., № 3
Раздел: Социальная экология
УДК: 547.458+612.112

Hericium erinaceus BP16 как источник полисахаридов, стабилизирующих функции сперматозоидов быков при гипотермическом хранении

О.Н. Соломина, М.И. Сергушкина, А.А. Широких, Т.В. Полежаева, И.Г. Широких, О.О. Зайцева, А.Н. Худяков

Институт физиологии Коми НЦ УрО РАН

Актуальность сохранения генетических ресурсов животного и растительного мира обусловливает необходимость поиска биологически активных веществ для консервации репродуктивных клеток. В условиях гипотермического хранения осмотичность вне-клеточной среды, стабилизацию мембран и структуру цитоскелета клеток могут обеспечивать различные сахара. Ксилотрофный базидиальный гриб Hericium erinaceus (Bull.: Fr.) Pers. представляет собой источник полисахаридов с высокой биологической активностью. В составе углеводных цепей полисахаридной фракции (ПФ) H. erinaceus BP 16 идентифицированы остатки галактозы, глюкозы, арабинозы, маннозы, фукозы, рамнозы, ксилозы (в порядке снижения % содержания). Изучено влияние ПФ разных концентраций на процессы замерзания воды в водном растворе глицерина, а также на показатели жизнеспособности сперматозоидов быков голштинской породы в условиях гипотермического (+4°С) хранения: на интенсивность процессов перекисного окисления липидов (ПОЛ) и антиоксидантную активность, на способность гамет к прогрессивному движению, на устойчивость сперматозоидов к гипоосмотическому стрессу. В связи с поиском новых эффективных компонентов для консервирующих растворов полученные в работе данные свидетельствуют о перспективе применения ПФ H. erinaceus в качестве компонента для замедления скорости кристаллизации льда в клеточных суспензиях при их замораживании и антиоксидантного регулятора функциональной полноценности гамет при охлаждении.

Нажмите, чтобы открыть

Открыть прикреплённый файл

Ключевые слова: Hericium erinaceus, полисахариды, сперматозоиды, охлаждение, гипотермическое хранение.

DOI: 10.25750/1995-4301-2021-3-212-218

Контент доступен под лицензией Creative Commons Attribution 4.0 License. Creative Commons License

2020 г., № 2
Раздел: Социальная экология
УДК: 547.458+612.112

Влияние полисахаридов Hericium erinaceus БП 16 на фагоцитарную активность нейтрофилов крови человека

Т.В. Полежаева, И.Г. Широких, М.И. Сергушкина, Я.И. Назарова, А.А. Широких, А.Н. Худяков, О.О. Зайцева, О.Н. Соломина, И.Г. Патурова

Институт физиологии Коми НЦ УрО РАН

Ксилотрофный гриб Hericium erinaceus (Bull.: Fr.) Pers. – ежовик гребенчатый – известен как источник полисахаридов, обладающих широким спектром биологического действия. Из отобранного в природе плодового тела гриба, фенотипически сходного с Hericium erinaceus, выделена мицелиальная культура БП 16. На основе анализа фрагмента, включающего ITS1, ген 5.8S рРНК и ITS2, установлено тесное (99,68%) сходство штамма БП 16 с депонированным в NCBI штаммом H. erinaceus CBS 202.31_MH855186.1. При лабораторном культивировании H. erinaceus БП 16 отличался повышенной способностью к плодообразованию. Из замороженных и высушенных плодовых тел гриба экстракцией 5% раствором горячей щёлочи получены четыре полисахаридных фракции (ПФ). В зависимости от способа предобработки плодовых тел (высушивание или замораживание) и агрегатного состояния (осадок и супернатант) ПФ различались сочетанием и количественным соотношением в их составе отдельных моносахаров (глюкозы, галактозы, ксилозы, арабинозы, маннозы, фукозы и рамнозы), содержанием белка и галактуроновой кислоты. С помощью метода световой микроскопии установлено, что наличие в клеточной среде каждой из четырёх использованных в работе ПФ H. erinaceus БП 16 в концентрации 1,2% достоверно (p < 0,05) и в равной степени повышает способность нейтрофилов фагоцитировать частицы латекса, а фракция № 3, наиболее обогащённая ксилозой, оказывает подобный эффект и в концентрации 0,6%. Низкая токсичность, высокая биологическая совместимость и физиологическая активность полисахаридов H. erinaceus имеют неоспоримые преимущества перед другими классами химических веществ.

Открыть прикреплённый файл

Ключевые слова: Hericium erinaceus, ITS1_5.8S_ITS2, грибные полисахариды, моносахаридный состав, нейтрофилы; фагоцитоз.

DOI: 10.25750/1995-4301-2020-2-166-171

Контент доступен под лицензией Creative Commons Attribution 4.0 License. Creative Commons License

2019 г., № 1
Раздел: Агроэкология
УДК: 631.4+579.6

Микробная трансформация органического вещества дерново- подзолистой почвы Предуралья при различном использовании и внесении минеральных удобрений

Н.Е. Завьялова, И.Г. Широких, А.И. Косолапова, А.А. Широких

Исследованы микробиологические показатели и характер трансформации гумусовых веществ дерново- подзолистой почвы по окончании пяти ротаций восьмипольного севооборота в длительном стационарном полевом опыте (1978–2017 гг.). Определена направленность микробиологических процессов, обусловленная воздействием длительного внесения минеральных удобрений в возрастающих дозах – от (NPK)30 до (NPK)150 кг д.в./га. Проведено сравнение пахотной почвы с её целинными аналогами под непосредственно примыкающими к опытному полю смешанным лесом и естественным злаково-разнотравным лугом, а также с почвой под сеяным травостоем козлятника восточного (Galegae orientalis L.). Установлено, что различное использование дерново-подзолистой почвы привело к изменению направленности почвенных микробных процессов. Распахивание почвы снизило содержание общего гумуса и увеличило количество и разнообразие актиномицетов, принимающих участие в минерализации полуразложившихся растительных остатков – детрита. В вариантах с внесением минеральных удобрений под зерновые культуры севооборота в дозах (NPK) 90─–150 кг д.в./га наблюдали сохранение исходного содержания гумуса и снижение индексов педотрофности по сравнению с целинными аналогами и пахотной почвой без удобрений или получавшей удобрения в низких дозах. При длительном возделывании многолетней бобовой культуры козлятника восточного без внесения удобрений в почве создаются благоприятные условия для формирования микробного ценоза, по количественным и качественным показателям близкого к микробоценозу целинной почвы, стабилизируется её гумусное состояние.

Нажмите, чтобы открыть

Ключевые слова: эколого-трофические группы, микроорганизмы, севооборот, целина, Galegae orientalis L., минеральные удобрения, гумус

DOI: 10.25750/1995-4301-2019-1-102-110

Контент доступен под лицензией Creative Commons Attribution 4.0 License. Creative Commons License

Актуальные выпуски:

Обзор краткого содержания статей

О применении искусственного интеллекта и больших языковых моделей в области почвенно-экологических исследований (обзор)

Профили антибиотикорезистентности стрептомицетов из разных почв Вятского Прикамья

Почвенный микробиом эмбриозёма на гипсосодержащих отходах химического производства

Применение полисахаридов базидиальных грибов для криоконсервации спермы быков голштинской породы

Характеристика нового штамма гриба Schizophyllum commune EO22 и его способности разлагать полиэтилен

Потенциал биоразложения пластика базидиальными грибами и актинобактериями (обзор)

Полисахариды базидиальных грибов повышают качество репродуктивных клеток быков при замораживании

Разнообразие актинобактериальных сообществ в местах захоронения жидких отходов химического предприятия

Ассоциации миксомицетов в лесных биоценозах (на примере заповедника «Нургуш»)

Компост из куриного помёта как источник устойчивости почвенных актиномицетов к антибиотикам

Hericium erinaceus BP16 как источник полисахаридов, стабилизирующих функции сперматозоидов быков при гипотермическом хранении

Влияние полисахаридов Hericium erinaceus БП 16 на фагоцитарную активность нейтрофилов крови человека

Микробная трансформация органического вещества дерново- подзолистой почвы Предуралья при различном использовании и внесении минеральных удобрений