| dc.description.abstract | Denne bacheloroppgaven i bioteknologi utforsker potensialet til 16s rRNA sekvensering som verktøy i arbeid med kartlegging av det bakterielle mikrobiomet i tankmelk fra geit. Målet med oppgaven var å identifisere dominerende takson (hovedsakelig på genus nivå), og å lete etter mulige korrelasjoner mellom mikrobiomets sammensetning og bakterietall fra bactocount (Bentley Instruments). Forskningen involverte en kombinasjon av gårdsbesøk, laboratoriearbeid med påfølgende bearbeiding av sekvenseringsdata og litteratursøk. Gårdsbesøkene ble gjort i forbindelse med prøveinnsamling over en periode på 16 uker, hvor det ble innhentet 43 tankmelkprøver ved 22 ulike tidspunkt i perioden etter at dyrene var kommet ned fra utmarksbeite høsten 2022. Laboratoriearbeidet omfattet bearbeiding av melkeprøvene for tillaging av barcode-bibliotek med påfølgende sekvensering med Ion Torrent PGM (Thermo Fisher Scientific) hvorav ni prøver ga vellykkede resultater. Sekvensdata ble kvalitetssikret og identifisert i Ion Reporter, og videre bearbeiding av resultatene ble gjort i Microsoft Excel. Resultatene av denne studien viser at 16s rRNA sekvensering gir et innblikk i den totale sammensetningen og mengden av bakterier i geitemelk, der vi fant at de dominerende genus i prøvene totalt og på tvers av prøvetidspunkt var Corynebacterium og Pseudomonas; i tillegg til varierende grad av Atopostipes, Facklamia, Psychrobacter, Staphylococcus og Jeotgalicoccus. Videre viste resultatene at den mikrobielle samfunnsstrukturen rett etter utmarksbeite hadde større diversitet og bar preg av tilstedeværelsen til flere genus uten at noen av disse kan ansees som spesielt dominerende, i motsetning til prøver tatt gjennom innefôringsperioden hvor det var en mer stabil sammensetning av hvilke genus som var til stede samt hvilke av disse som dominerte; og dette gikk igjen i de resterende prøvene. Tidsdimensjonen spilte en viktig rolle i denne studien og var en begrensende faktor, da tiden mellom prøvene var lang nok til at flere faktorer kan ha påvirket den bakterielle sammensetningen og bakterietallet; noe som medførte utfordringer rundt indentifisering av årsak og virkning hva angår økning i bakterietall. Likevel kom vi frem til at den prøven i settet med lavest kvalitet (høyest bactocount) var dominert av S. warneri, som vi antar kan være årsaken til det høye bakterietallet for denne prøven. For de resterende prøvene er det vanskelig å si noe om korrelasjon mellom sammensetning og bakterietall, videre studier med større antall prøver over en lengre periode med kortere tidsintervaller kan være fordelaktig for å utforske dette forskningsspørsmålet videre.
Et annet poeng er at vi i vår studie undersøkte mikrobiomet med den tradisjonelle metoden Operational Taxonomic Unit (OTU) på familie-, genus- og speciesnivå. For framtidige studier tror vi det vil være interessant å gå dypere ved bruk av Amplicon Sequence Variants (ASV) på stamme-nivå, for å identifisere mindre variasjoner i bakterienes genom, noe som kan gi et mer detaljert bilde av sammensetningen til det mikrobielle samfunnet, og de faktiske aktørene. Eksempelvis er det slik at ulike bakterier i samme genus kan ha svært ulike egenskaper, og mellom ulike stammer av samme species vil det også kunne være betydelige forskjeller. Samlet sett gir denne oppgaven viktig innsikt i potensialet til 16s rRNA sekvensering som analysemetode for å få en dypere innsikt i-, og forståelse av det mikrobielle samfunnet i tankmelk fra geit. Ved å identifisere de spesifikke mikrobielle species som er til stede til ulike tider, kan produsenter bedre forstå faktorer som påvirker melkekvaliteten og utvikle strategier for å optimalisere produksjonen. Visse bakterier er assosiert med forbedret melkekvalitet, mens andre i motsetning knyttes til forringelse og redusert holdbarhet på melk og melkeprodukter. Ved å forstå hvilke species som er til stede og når, om disse er assosiert med forbedret kvalitet eller forringelse, og slik arbeide mot å forstå den mikrobielle økologien til geitemelk, kan bønder optimalisere produksjonspraksisene, forbedre melkekvaliteten og sikre sikkerheten til produktet sitt. | |
| dc.description.abstract | This bachelor's thesis in biotechnology explores the potential of 16s rRNA sequencing as a tool for mapping the bacterial microbiome in goat bulk milk. The aim of the thesis was to identify dominant taxa (primarily at the genus level) and to search for potential correlations between microbiome composition and bacterial counts from bactocount (Bentley Instruments). The research involved a combination of farm visits, laboratory work, subsequent processing of sequencing data, and literature searches. The farm visits were made in connection with sample collection over a period of 16 weeks, after the animals had returned from grazing in the autumn of 2022. The laboratory work involved processing of the milk samples to create a barcode library, followed by sequencing with Ion Torrent PGM (ThermoFisher). Sequence data were identified in Ion Reporter, and further processing of the results was done in Excel (Microsoft). The results of this study show that 16s rRNA sequencing provides insight into the total composition and quantity of bacteria in milk, where we found that the dominant genera across sampling points were Corynebacterium and Pseudomonas, in addition to varying degrees of Atopostipes, Facklamia, Psychrobacter, and Jeotgalicoccus. The results showed that the microbial community structure immediately after grazing had greater diversity and was characterized by the presence of several genera, none of which were particularly dominant, unlike during the feeding period where there was a more stable composition of which genera were present and which ones dominated. This pattern was consistent in the remaining samples. The time dimension played an important role in this study and was a limiting factor, as the time between samples was long enough for several factors to have affected the bacterial microbiota and bacterial count, which posed challenges in identifying cause and effect regarding increases in bacterial count. However, we found that the sample with the lowest quality in the set was dominated by S. warneri, which we believe could be the cause of the high bacterial count for this sample. For the remaining samples, it is difficult to say anything about the correlation between composition and bacterial count, and further studies with a larger number of samples over a longer period with shorter time intervals may be advantageous to explore this research question further. An additional point is that our study examined the microbial composition using the traditional Operational Taxonomic Unit (OUT) method at the family, genus, and species levels. For future studies, we believe it would be interesting to go deeper by using Amplicon Sequence Variants (ASV) at the strain level to identify minor variations in bacterial genomes, which could provide a more detailed picture of the microbial community and the actual actors involved. For example, different bacteria in the same genus can have very different properties, and there can also be significant differences between different strains of the same species. Overall, this study provides important insights into the potential of 16s rRNA sequencing as an analytical method to gain a deeper understanding of the microbial community in goat tank milk. By identifying the specific microbial species present at different times, producers can better understand factors that affect milk quality and develop strategies to optimize production. Certain microbes are associated with improved milk quality, while others are linked to deterioration and reduced shelf life of milk and dairy products. By understanding which species are present and when, whether they are associated with improved quality or deterioration, and thus working towards understanding the microbial ecology of goat milk, farmers can optimize production practices, improve milk quality, and ensure the safety of their product. | |
