122
andrias, 19
(2012)
wickelt, die es erlaubt, sehr detaillierte Analysen
der Aktivierung von Mykotoxinbiosynthesegenen
in Relation zu Umweltbedingungen durchzufüh-
ren (S
chmidt
-H
eydt
& G
eisen
2007).
4 Entwicklung eines mathematischen
Modells zur Voraussage der Trichothecen-
bildung von Fusarium culmorum anhand
der Expressionsdaten der Trichothecen-
biosynthesegene (tri-Gene)
Fursarium culmorum ist eine wichtige tricho-
thecenbildende Art, die neben F. graminea-
rum häufig als Kontaminant in verschiedenen
Getreideproben gefunden wird. F. culmorum
ist Mitverursacher der partiellen Taubährigkeit
(Fusarium head blight), einer Ährenerkrankung
bei verschiedenen Getreidearten, die zu einer
drastischen Reduktion des Ertrages führt und
bei der man mit erhöhtem Vorkommen von Tri-
chothecenen rechnen muss. F. culmorum ist in
der Lage, Typ-B-Trichothecene zu bilden, insbe-
sondere Desoxynivalenol und Nivalenol. Die Bil-
dung der Trichothecene wird durch die tri-Gene
gesteuert, deren Organisation gut aufgeklärt ist
(B
rown
et al. 2003). Zur Erstellung des Modells
wurde die Expression des gesamten Trichothe-
cenbiosyntheseclusters unter verschiedenen
Kombinationen an Temperatur und Wasseraktivi-
tät mittels des Microarrays gemessen. Eine ma-
thematisch-statistische Auswertung ergab dann
einen Algorithmus, der die Beziehung zwischen
Temperatur, Wasseraktivität und der Expression
bestimmter Gene des Trichothecenclusters be-
schreibt (Abb. 4).
Dieses Modell erlaubt eine Voraussage der Men-
ge an Trichothecen, in Abhängigkeit von der Tem-
peratur und der Wasseraktivität, wenn beide Pa-
rameter innerhalb der Grenzen der systematisch
erhobenen Expressionsdaten liegen. Ein Ver-
gleich der durch dieses Modell vorhergesagten
Daten und der unter diesen Bedingungen tat-
sächlich gemessenen Daten zeigt eine sehr gute
Übereinstimmung. Mit diesem Ansatz ist es also
möglich, anhand der Expressionsdaten die Bil-
dung des Mykotoxins Nivalenol unter bestimmten
Bedingungen vorauszusagen. Dieses Modell
wurde in Zusammenarbeit mit der Arbeitsgruppe
von Prof. N
aresh
M
agan
, University of Cranfield,
UK, entwickelt und veröffentlich (S
chmidt
-H
eydt
et al. 2011a). Das erstellte Modell gibt dem Pro-
duzenten Hinweise, welche Umweltbedingungen
zu einer Bildung von Trichothecenen führen bzw.
welche die Trichothecenbildung hemmen.
5 Analyse der Genregulation bei
aflatoxinbildenden Aspergillen
Ein ähnlicher Ansatz wurde bei Aspergillus fla-
vus und A. parasiticus durchgeführt, um Informa-
tionen über die Regulation der Aflatoxinbildung
unter verschiedenen Umweltparametern zu er-
halten. Zu diesem Zweck wurden die Pilze unter
verschiedenen Kombinationen von Temperatur
und Wasseraktivität wachsen gelassen und die
Expression der Gene der Aflatoxinbiosynthese
mittels Microarray oder Real Time PCR gemes-
sen. Gleichzeitig wurde das gebildete Aflatoxin
mittels HPLC bestimmt. Die Auswertung dieses
Versuchs ergab bestimmte Gesetzmäßigkeiten
in der Regulation der Aflatoxinbiosynthese, die
sich in anschließenden Versuchen auch bei der
Trichothecen-, bzw. Ochratoxin A Biosynthese
bestätigen ließen. Auch spätere Literaturdaten
über die Regulation der Fumonisinbiosynthese
durch F. verticillioides zeigten das gleiche Ergeb-
nis (J
urado
et al. 2008). Die Aktivierung (Expres-
sion) der Aflatoxinbiosynthesegene erfolgt nach
einem bestimmten Muster (Tafel 5, Abb. 5).
Es konnte ein starker Anstieg der Expression
unter Bedingungen gefunden werden, die nahe
amWachstumsoptimum liegen. Stärkste Expres-
sion und damit höchste Aflatoxin-Bildung wurde
bei einer Parameterkombination von 0,99 a
w
und
25 bis 30 °C beobachtet, d.h. in der Nähe des
Wachstumsoptimums des Pilzes (S
chmidt
-H
eydt
et al. 2009). Interessanterweise erfolgte nahe der
Wachstumsgrenze (0.99 a
w
; 20 °C) eine weitere
Abbildung 4. Mathematisches Modell, mit dessen Hilfe anhand der aktuellen Temperatur, der Wasseraktivität und
der jeweiligen Expressionsdaten einiger relevanter Trichothecenbiosynthesegene, die mit dem Microarray ermittelt
wurden, die Trichothecenbildung (DON) vorhergesagt werden kann. Die durch das Modell vorhergesagten DON-Kon-
zentrationen korrelieren sehr gut mit den anschließend tatsächlich gemessenen Daten. S
chmidt
-H
eydt
et al. (2011a).
