Open Access

Philipp-André Schmidt

• Soil fungal communities are an essential element in the terrestrial ecosystem, however their response to ongoing anthropogenic climate change is currently poorly understood. Fungi are one of the most abundant groups of microbes in soil, they are mainly responsible for the decomposition of organic matter (Baldrian et al., 2012; Buée et al., 2009). By binding carbon in soil, fungi thus maintain an important role in the global carbon cycle (Bardgett et al., 2008). Future climates are likely to influence the communities of belowground microbial organisms (Castro et al., 2010; Deacon et al., 2006). However, how these communities are affected in their diversity, composition, and function after environmental perturbation is insufficiently known. Molecular techniques using high-throughput sequencing are presently revolutionizing the analysis of complex communities, such as soil fungi. High-throughput metabarcoding enables the recovery of DNA sequence data directly from environmental samples, and DNA sequences from entire communities present in these samples can be simultaneously recovered through massively parallel sequencing reactions (Bik et al., 2012; Taberlet et al., 2012b). This results in more accurate estimation of diversity and community composition and thus provides unprecedented insight into cryptic communities (Lindahl and Kuske, 2014). Yet, challenges associated with these novel techniques include the bioinformatic processing, and the ecological analyses of the large amount of sequence data generated. Most biologists without explicit training in bioinformatics spend a fair amount of time learning how to filter raw sequence data, and customize bioinformatics pipelines specific to their project. To improve the quality of data treatment, and decrease the time needed for the analyses, it is desirable to have bioinformatics pipelines that are easy to use, well explained to researchers not trained in bioinformatics, and adaptable to individual research needs...
• Prozesse in terrestrischen Ökosystemen gewähren die Verfügbarkeit von Nährstoffen und die Akkumulation von Kohlenstoff im Boden durch den Abbau von organischem Material (Baldrian et al., 2012; Buée et al., 2009). Diese Prozesse sind somit sogar am globalen Kohlenstoffkreislaufs beteiligt (Bardgett et al., 2008). Bodenpilze spielen bei diesen Vorgängen eine Schlüsselrolle (Bardgett, 2005; Compant et al., 2010; Moore et al., 2011). Sich verändernde Umweltbedingungen können die Struktur und Diversität von Bodenpilzen beeinflussen und verfügen somit über das Potenzial, indirekt Bodenprozesse zu verändern (Balser et al., 2010; Ostle and Ward, 2012). Die auf das Bodenökosystem einwirkenden Umweltbedingungen sind meist saisonale Veränderungen, zum Beispiel in Temperatur und Niederschlag, und somit zeitlich limitierte Phänomene. Der vom Menschen verursachte Klimawandel ist jedoch ein kontinuierlicher Prozess, der auf mikrobielle Bodengemeinschaften, deren Funktionen und somit auf Ökosystemleistungen dauerhaft einwirkt (Grandy et al., 2013). Durch die zunehmende Nutzung moderner molekularer Techniken erlebt die Untersuchung von komplexen mikrobiellen Gemeinschaften momentan einen rasanten Aufschwung (Lindahl et al., 2013). Sequenziertechniken der neuen Generation, bekannt als Next Generation Sequenzing (NGS), ermöglichen eine schnellere und tiefgreifendere Metagenomanalyse von Umweltproben, wie zum Beispiel von Bodenproben (Bik et al., 2012; Taberlet et al., 2012a; Yang et al., 2014). Dadurch kann die Diversität und Zusammensetzung der innewohnenden Organismengemeinschaften mit noch nie dagewesener Genauigkeit determiniert werden (Lindahl and Kuske, 2014). Dies ist enorm förderlich für ökologische Studien, welche die Auswirkung von Umwelteinflüssen, wie z.B. sich verändernde Klimatische bedingungen, auf mikrobielle Gemeinschaften in Bodenökosystemen untersuchen (Taberlet et al., 2012b, 2012c). Das Erstellen von NGS Metagenomanalysen muss jedoch sehr durchdacht elaboriert werden, um das volle Potenzial auszuschöpfen und mögliche Risiken zu umgehen. Die Verarbeitung von NGS Daten ein komplexer Prozess, der viele individuelle methodische Entscheidungen einbeziehen muss. Nur selten ist es daher möglich, eine schon bereitgestellte Datenpipeline unverändert für eigene Analysen zu nutzen. Das Anpassen, oder sogar ein komplettes Erstellen von speziellen Datenpipelines kann erforderlich sein um NGS Metagenomanalysen ökologisch informativ zu machen...