58491 research outputs found
Sort by
Physiological, chemical and biochemical traits determining phytoplankton growth.
No full textFunktionelle Merkmale („functional traits“) werden verwendet, um die Reaktion von Phytoplankton auf ihre biotische und abiotische Umwelt zu beschreiben. Ein funktionelles Merkmal ist dabei definiert als ein morphologisch, physiologisch oder phänologisches Merkmal, welches die pflanzliche Fitness (Wachstum, Überleben und Fortpflanzung) charakterisiert. Aufwendige Wachstumsmodelle (z.B. in der Wasserqualitätsüberwachung) nutzen funktionelle Merkmale wie interne Nährstoffverhältnisse, Stoffwechselraten oder die Zusammensetzung der Biomasse zur Wachstumsvorhersage. Die Validierung und Optimierung solcher Modelle erfordert dabei die Messung von großen Datensätzen, die verschiedene Eigenschaften erfüllen müssen: Ein besonders kritischer Parameter für diese Phytoplanktonmodelle ist die ausreichende Probenmenge, welche für die Messung des funktionellen Merkmals vorhanden sein muss. Zudem sollte das zu bestimmende Merkmal nach Möglichkeit ein artübergreifender Parameter sein, der in Hochdurchsatzverfahren messbar und sowohl in Laborkulturen und auch in natürliche Umweltproben gemessen werden kann. Die Messung solch funktioneller Merkmale ist mit den verfügbaren Methoden oft nicht möglich, weil eine oder mehrere dieser Anforderungen nicht erfüllt sind. Die vorliegende Habilitationsschrift befasst sich daher mit der Fourier-Transformierte-Infrarot-Spektroskopie (FTIR) als alternative Methode zur Bestimmung funktioneller Merkmale in Phytoplankton.
Die FTIR-Spektroskopie beruht auf der Absorption von Infrarot-Strahlung durch Molekülbindungen. Anhand von Referenzsubstanzen lassen sich die Absorptionsbanden chemischen Bindungen zuordnen und so die Inhaltsstoffe quantifizieren. FTIR-Spektren von Phytoplanktonzellen repräsentieren grundsätzlich eine Mischung biochemischer Moleküle. Die Interpretation dieser Spektren und die Quantifizierung funktioneller Merkmale, wie die biochemischen und chemischen Zusammensetzung, ist der wissenschaftliche Fokus dieser Arbeit. Basierend auf FTIR-Spektren wurden statistische Modelle zur Vorhersage von funktionellen Merkmalen entwickelt, die auf Phytoplanktongemeinschaften bis hin zur Zellebene anwendbar sind. Mit Hilfe solcher Vorhersagemodelle können dann physiologische Merkmale (z.B. Nährstoffstatus und Wachstumspotential) direkt quantifiziert werden, wodurch die Bestimmung dieser physiologischen Merkmale durch umfangreiche chemische oder biochemische Messungen nicht mehr notwendig ist. Stattdessen lassen sich die funktionellen Merkmale in unbekannten Proben anhand eines einzelnen FTIR-Spektrums vorhersagen.
Anhand der Arbeiten, die dieser Habilitationsschrift zu Grunde liegen, kann geschlussfolgert werden, dass statistische Vorhersagemodelle basierend auf FTIR-Spektroskopie zur Quantifizierung von physiologischen Merkmalen, sowie der chemischen und makromolekularen Zusammensetzung von Phytoplankton genutzt werden können. Neben den Vorteilen gegenüber herkömmlichen Methoden zur Bestimmung dieser Merkmale (geringer Zeitaufwand und Kosten), gibt es für einige der vorgestellten Untersuchungen derzeit keine anderen anwendbaren Methoden (z.B. Phytoplankton in natürlichen Gewässern). Die Methode eignet sich daher für einen breiten Anwendungsbereich mit unterschiedliche Fragestellungen in der Grundlagenforschung, zur Gewässerüberwachung bis hin zu biotechnologischen Anwendungen.:Table of contents......................................................................................................................... I
Abbreviations............................................................................................................... III
Publications included in this habilitation thesis........................................................... IV
Deutsche Zusammenfassung.................................................................................... VII
1. Introduction and theoretical background
1.1. Functional traits: their role and requirements in phytoplankton research
1.2. FTIR spectroscopy comes into focus of phytoplankton research
1.3. Using extended statistics to extract valuable trait data
2. Summary of the results consisted in publications of the thesis
2.1. Biochemical composition measured by FTIR spectroscopy as a marker for plant fitness
2.2. Determination of intracellular nutrient composition
2.3. Growth rate prediction models based on FTIR spectroscopy
2.4. FTIR based methods compared to classical physiological measurements
2.5. Taxonomical resolution of traits using single cell spectroscopy
2.6. Up-scaling to the natural environment
2.7. Using traits in different applications
2.8. Conclusion
3. Using FTIR spectroscopy to quantify the biochemical composition of microalgae
4. Silicon content and physiological parameters in diatoms measured by FTIR spectroscopy
5. Monitoring cellular C:N ratio in phytoplankton by means of FTIR-spectroscopy.
6. FTIR spectra of microalgae used as physiological fingerprints to assess their actual growth.
7. Modeling phytoplankton growth using spectroscopic and physiological predictors
8. Macromolecular pattern measured by single-cell Synchrotron FTIR-spectroscopy.
9. Temperature affects absorbed light energy partitioning in freshwater phytoplankton
10. Subcommunity FTIR-spectroscopy to determine physiological cell states.
11. Effects of prolonged darkness and temperature on the lipid metabolism in diatoms.
12. Consequences of reduced light-harvesting antenna on metabolism and photosynthesis .
13. The role of C4 metabolism in the marine diatom Phaeodactylum tricornutum.
References
Erklärungen gemäß der Habilitationsordnung
Scientific careerFunctional traits are used to characterise the response of phytoplankton to their biotic and abiotic environment. A functional trait is defined as a morphological, physiological or phenological trait that characterises plant fitness (growth, survival and reproduction). Sophisticated growth models (e.g. in water quality monitoring) use functional traits such as internal nutrient ratios, metabolic rates or biomass composition to predict growth. The validation and optimisation of such models requires the measurement of large data sets, which must satisfy various characteristics: A particularly critical parameter for these phytoplankton models is the amount of sample that must be available to measure the functional trait. In addition, the trait should preferably be a cross-species parameter that can be measured using high-throughput methods and that can be measured in both laboratory cultures and natural environmental samples. The measurement of such functional traits is often not possible with existing methods because one or more of these requirements are not met. Therefore, this thesis deals with Fourier Transform Infrared (FTIR) spectroscopy as an alternative method for the determination of functional traits in phytoplankton.
FTIR spectroscopy is based on the absorption of infrared radiation by molecular bonds. Reference substances can be used to assign the absorption bands to chemical bonds and thus quantify the macromolecular composition. FTIR spectra of phytoplankton cells basically represent a mixture of biochemical molecules. The interpretation of these spectra and the quantification of functional characteristics, such as biochemical and chemical composition, is the scientific focus of this work. The development of statistical models for the prediction of functional traits, based on FTIR spectra, has enabled the analysis of phytoplankton communities at the cellular level. These predictive models can then be used to directly quantify physiological traits (e.g. nutrient status and growth potential), thus eliminating the need for extensive chemical or biochemical measurements to determine these physiological traits. Instead, the functional characteristics of unknown samples can be predicted from a single FTIR spectrum.
On the basis of the work underlying this habilitation thesis, it can be concluded that statistical prediction models based on FTIR spectroscopy can be used to quantify physiological characteristics as well as the chemical and macromolecular composition of phytoplankton. In addition to the advantages over conventional methods for determining these characteristics (low time and cost), there are currently no other applicable methods for some of the investigations presented (e.g. phytoplankton in natural waters). The method is therefore suitable for a wide range of applications with different questions in basic research, water monitoring and biotechnological applications.:Table of contents......................................................................................................................... I
Abbreviations............................................................................................................... III
Publications included in this habilitation thesis........................................................... IV
Deutsche Zusammenfassung.................................................................................... VII
1. Introduction and theoretical background
1.1. Functional traits: their role and requirements in phytoplankton research
1.2. FTIR spectroscopy comes into focus of phytoplankton research
1.3. Using extended statistics to extract valuable trait data
2. Summary of the results consisted in publications of the thesis
2.1. Biochemical composition measured by FTIR spectroscopy as a marker for plant fitness
2.2. Determination of intracellular nutrient composition
2.3. Growth rate prediction models based on FTIR spectroscopy
2.4. FTIR based methods compared to classical physiological measurements
2.5. Taxonomical resolution of traits using single cell spectroscopy
2.6. Up-scaling to the natural environment
2.7. Using traits in different applications
2.8. Conclusion
3. Using FTIR spectroscopy to quantify the biochemical composition of microalgae
4. Silicon content and physiological parameters in diatoms measured by FTIR spectroscopy
5. Monitoring cellular C:N ratio in phytoplankton by means of FTIR-spectroscopy.
6. FTIR spectra of microalgae used as physiological fingerprints to assess their actual growth.
7. Modeling phytoplankton growth using spectroscopic and physiological predictors
8. Macromolecular pattern measured by single-cell Synchrotron FTIR-spectroscopy.
9. Temperature affects absorbed light energy partitioning in freshwater phytoplankton
10. Subcommunity FTIR-spectroscopy to determine physiological cell states.
11. Effects of prolonged darkness and temperature on the lipid metabolism in diatoms.
12. Consequences of reduced light-harvesting antenna on metabolism and photosynthesis .
13. The role of C4 metabolism in the marine diatom Phaeodactylum tricornutum.
References
Erklärungen gemäß der Habilitationsordnung
Scientific caree