Til innholdet

Prosjektnummer

901392

Prosjektinformasjon

Prosjektnummer: 901392
Status: Avsluttet
Startdato: 01.09.2017
Sluttdato: 30.05.2020

Program for overvåkning av mikrobiota i lukkede oppdrettsanlegg (MonMic)

Et bidrag til bedret fiskehelse i RAS-anlegg gjennom dokumentasjon knyttet til vannkvaliteten
​​​​• De fem anleggene hadde alle en unik mikrobiota som var forskjellig fra hverandre, sannsynligvis pga. ulik drift, design, geografisk beliggenhet samt et seleksjonspress som danner en “husflora”.
• Biofilter hadde høy diversitet og en stabil sammensetning av bakterier over tid for fire av fem anlegg, men det var store forskjeller i stabilitet av bakteriesamfunn i vann og biofilm fra karvegg.
• Kjemiske/fysiske parametere som hadde størst påvirkning på mikrobiotasammensetningen i anleggene var fôr-type, salinitet, temperatur, antall fisk i kar og alkalinitet.
• Kun ett anlegg viste en korrelasjon mellom mikrobiota og dødelighet, og det ser ut til å være flere ulike normaltilstander av mikrobielle samfunn hos de ulike anleggene som fungerer bra. Dette betyr at det er viktig å følge med på endringene i basisprofilen til hvert enkelt anlegg.
• Maskinlæring i kombinasjon med mikrobiota kan være et svært nyttig verktøy for å forutsi uforutsette hendelser når det kommer til vannkvalitet, gitt at det utføres en screening og simulering av ulike utfall.
Sammendrag av resultater fra prosjektets faglige sluttrapport (summary in English further below)
I MonMic ble det gjennomført en overvåking av mikrobiell vannkvalitet i fem RAS-anlegg over 15 måneder. Dette er første gang mikrobiota har blitt systematisk overvåket med moderne analyseverktøy over lang tid, og prosjektet har gitt innsikt i mikrobesamfunn i RAS. De fem anleggene hadde alle en unik mikrobiota, sannsynligvis som et resultat av ulik drift/design samt geografisk beliggenhet. Noen anlegg hadde en stabil mikrobiotasammensetning over tid, mens andre hadde mer variasjon. Parametere som påvirket det mikrobielle samfunnene mest var fôr-type, salinitet, temperatur, antall fisk i karet og alkalinitet. Biofilteret var prøvepunktet som var mest stabil over tid og hadde høyest diversitet. Det ble observert en viss sammenheng mellom plassering av desinfeksjon i vannsløyfa og diversitet i resirkulerende- og karvann. Alle anleggene hadde en god produksjon med lav dødelighet, og det ser ut til at det er flere ulike normaltilstander av mikrobielle samfunn hos anleggene som fungerer bra. Dette betyr at man ikke kan anbefale en liste med gunstige bakteriearter, men at det er viktigere å følge med på endringene i basisprofilen i hvert anlegg. Det ble funnet lave nivåer av Yersinia ruckeri og Flavobacterium psychrophilum, ved bruk av en ny molekylærbiologisk teknologi kalt ddPCR (digital droplet PCR). Kombinasjonen mikrobiota og maskinlæring viser seg å være et lovende verktøy for å forutsi hendelser i RAS og ble for første gang benyttet i settefiskproduksjon. Flere forsøk er nødvendig for å simulere ulike scenarioer, som f.eks. sykdomsutbrudd og H2S kontaminering. I tillegg kan diversitet i både biofilter og vann være gode indikatorer. På sikt kan disse modellene benyttes som et tidlig varslingssystem i fremtidige RAS-anlegg.

Results achieved
Summary of results from the project's final report
Fish health is directly affected by biological water quality in the land-based recirculating aquaculture systems (RAS). However, the main drivers of water quality are microorganisms. It is therefore crucial to have knowledge about the composition of bacterial communities these plants have over time. In the MonMic project, monitoring of microbial communities was carried out in five RAS facilities over a period of 15 months. This is to the project group's knowledge the first time microbial community has been systematically monitored for a long time using modern analytical tools, and the project has provided insight into microbial community composition and dynamics of five different RAS. The five facilities had a unique microbiota, probably as a result of different operations, designs and perhaps geographical origin. Some facilities had a stable microbiota composition over time, while others had more variable communities. Parameters that affected most the microbial communities in all five RAS were feed type, salinity, temperature, number of fish in the tanks and alkalinity. In general, the biofilter was the most stable location within all RAS facilities over monitored time. The facilities had a good production with low mortality, yet low levels of Yersinia ruckeri and Flavobacterium psychrophilum were found using a new molecular method called ddPCR (digital droplet PCR). The combination of microbiota composition and machine learning proves to be a promising tool for predicting events in RAS in the future and was used for the first time in hatcheries. Further experimental work is needed in order to make microbiota-based machine learning approaches more useful. This can be achieved by simulating different scenarios that may be important for production in RAS, such as disease outbreaks and / or H2S contamination. In addition, diversity in both biofilter and water can be good indicators. In the long term, these models can be used as an early warning system in future RAS facilities.

Vitenskapelig publisering
​Anna S. Lewin, Tone Haugen, Roman Netzer, Anne Tøndervik, Stine W. Dahle, Gunhild Hageskal, ‘Multiplex droplet digital PCR assay for detection of Flavobacterium psychrophilum and Yersinia ruckeri in Norwegian aquaculture’, Journal of Microbiological Methods, 177, (October 2020), 106044, https:// doi.org/10.1016/j.mimet.2020.106044 (open access).

I tillegg er tre vitenskapelige artikler under ferdigstillelse og vil legges her når de publiseres.
​Prosjektet har fremskaffet ny og viktig kunnskap om stabilitet og endringer i bakteriesamfunn (mikrobiota), og faktorer som påvirker dette, i ulike typer RAS-anlegg over en hel produksjonsperiode, og lagt grunnlaget for et nytt verktøy for overvåkning og kontroll av vannkvaliteten og de ulike komponentene i lukkede anlegg, ved screening av mikrobiell sammensetning kombinert med maskinlæring.
Sammensetningen av mikrobesamfunn i oppdrettsanlegg betyr mye for fiskens helse. Ulike typer bakterier kan påvirke den fysiokjemiske vannkvaliteten og fiskens helse både positivt og negativt i lukkede og landbaserte anlegg. Overvåking og styring av mikrobesamfunnet er derfor viktig for å sikre god og stabil produksjon. Man har per i dag lite kunnskap om normalsituasjonen og variasjonen for mikrobesammensetningen i vanlig produksjon, siden arbeidet med å forstå mikrobiotaen i anleggene til nå først og fremst har fokusert på patogene mikroorganismer når sykdomsutbrudd skjer eller alt har skjedd. Mikrobesamfunnet kan reagere raskt på endringer i miljøet ved å forandre artssammensetningen. Dette er en lovende mulighet for å benytte detaljert informasjon om normaltilstanden og endringer i mikrobesammensetningen som indikator for god drift og tidlig varsling av problemer i lukkede anlegg. En forutsetning for å kunne vurdere og utnytte denne muligheten er et omfattende og systematisk oppbygd datagrunnlag.

Hittil har mulighetene for overvåkning av mikrobiotaen i anlegg typisk vært begrenset til rutineinnsending av prøver for dyrking av bakterier på agarskåler, eller ved diagnostisering av sykdomspatogener som allerede har skapt problemer i anlegget. Siden bare maksimalt 3–5 % av mikrobene kan dyrkes på agar, er hovedandelen av mikrobesamfunnet ikke mulig å påvise med dagens metoder i operativ sammenheng.

De senere årene har det blitt stadig enklere og billigere å karakterisere artssammensetningen i mikrobesamfunn med DNA-sekvensering. Andre generasjons sekvenseringsteknologi er uavhengig av dyrking og gir detaljert kvalitativ informasjon om sammensetning av mikrobiotaen, samt om de relative andelene av artene i samfunnet. Tredje generasjons polymerasekjedereaksjon (PCR)-teknologi (droplet digital PCR, ddPCR) kan brukes for å kvantifisere kjente patogene bakterier og virus.

I kombinasjon med mikrobesamfunnsstudier vil det være mulig å identifisere nye problem- eller indikatorarter som har relevans for fiskehelsen. Moderne molekylærbiologiske analysemetoder er tids-, ressurs- og kostnadsintensive. Standardiserte prosesser med “high-throughput” robotsystemer for automatisert prøveopparbeiding og analyse vil kunne øke reproduserbarheten og analysekapasiteten betraktelig.

For både oppdretter og fiskehelsetjeneste vil det være en stor fordel dersom negative endringer i sammensetningen av bakteriesamfunnet i anlegget kan registreres så tidlig som mulig, og antall problemmikrober kan overvåkes kontinuerlig. Dermed vil driftsansvarlig personell få viktig informasjon i god tid for igangsettelse av tiltak før fisken belastes i vesentlig grad.
• Å gi oppdrettere økt kontroll over mikrobiell vannkvalitet, mulighet for å forutsi sykdomsutbrudd på et tidlig stadium slik at forebyggende tiltak kan iverksettes, og for å vurdere anleggsdesign og driftsform for et best mulig mikrobielt miljø for fisken.
• Å bidra til optimalisert produksjon, operasjonell kontroll og økt biosikkerhet.

Delmål
1. Å utarbeide en systematisk og detaljert “baseline” (utgangs- eller referansenivå)-profil for mikrobiotaen og variasjonen i og mellom flere anlegg over et lengre tidsrom under normal produksjon og drift.
2. Å etablere standard driftsprosedyrer for prøvetaking, transport og opparbeiding av prøver, standardisering av databehandling og framstilling, evaluering og rapportering av resultater.
3. Å utvikle en metode for absolutt kvantifisering av de mest alvorlige patogene mikrobene og eventuelle indikatormikrober som kan brukes i et overvåkingsprogram i anleggene.
4. Å overføre tidkrevende manuelle prosedyrer til robotiserte systemer for å øke analysekapasitet og reproduserbarhet samt redusere kostnader.
5. Å sammenstille mikrobesamfunnet og utviklingen av patogene mikrober med anleggenes egne vannkvalitetsmålinger og dokumentasjon av hendelser, drift og fiskehelse i samme tidsrom på en systematisk måte.
6. Å kommunisere den faglige vurderingen av betydningen og nytteverdien av måleresultatene på en god måte til næringen.
Prosjektet vil gi detaljert informasjon om mikrobesamfunn under normal drift og endringer før eller ved sykdomsutbrudd, som på sikt kan brukes til tidlig varsling av problemer, og dermed raske og effektive tiltak. For industrien vil prosjektet være nyttig med hensyn til optimalisering av drift og mer detaljert dokumentasjon av en viktig faktor i anleggene som man i dag har lite kunnskap om.

Prosjektresultatene vil bli brukt til utvikling av drifts- og tiltaksstrategier for mikrobiell kontroll, stabilisering av biologisk vannkvalitet og optimalisert produksjon. Industrien får aktivt påvirke utvikling, etablering og standardisering av nye verktøy for å sikre, overvåke og øke produksjon og verdiskapning. Nye metoder for tidlig deteksjon av patogene bakterier og virus vil kunne effektivisere overvåkingen av mikrobiotaen i framtiden.

For forskningsinstitusjonene vil prosjektet gi en unik samling av detaljerte og systematiske data om mikrobiotaen i oppdrettsanlegg ved normal drift over lang tid. Datagrunnlaget vil gi grunnlag for mye generisk kunnskap i prosjektet og vil med stor sannsynlighet føre til videre forskning og utvikling.
Prosjektet skal gjennomføres gjennom følgende arbeidspakker (AP) og oppgaver:
 
AP 1: Kartlegging av oppdrettsanlegg og prøvetaking
1.1 Utvikling og validering av standard driftsprosedyrer for prøvetaking, transport og opparbeiding
1.2 Innsamling av prøvemateriale
 
AP 2: Analyse av mikrobiota
2.1 Analyse av mikrobielle samfunn
 
AP 3: Identifisering og kvantifisering av patogener og nye indikatorgrupper av mikroorganismer
3.1 Identifisere viktigste patogener og nye indikatorgrupper av mikroorganismer
3.2 Uttesting av potensialet for å bruke digital droplet PCR (ddPCR) for tidlig varsling av utvalgt patogen
 
AP 4: Robotisering av prøve-preparering og DNA/RNA-isolering
4.1 Trinnvis utvikling av protokoll for robotisering
 
AP 5: Evaluering, integrering og kommunikasjon av resultater
5.1 Kommunikasjon med industrien og innhenting av informasjon
5.2 Sammenstilling og tolkning av data

Prosjektorganisering
Prosjektpartnere er to SINTEF-institutter (SINTEF Ocean og SINTEF Materialer & kjemi) og fire industripartnere (Bremnes Seashore AS, Sterner AS, Lerøy Midt AS og Laksefjord AS). Industripartnerne bidrar med prøvemateriale, informasjon og finansiering.
 
Utvidelse i 2018
Prosjektet utvides med overvåkning av to resirkuleringsanlegg fra Marine Harvest ASA (MOWI), som bidrar på tilsvarende betingelser som de øvrige industripartnere. 
Oppnådde resultater og konklusjoner vil være av interesse for industrien, men også for myndigheter og det offentlige. Minst to vitenskapelige og to populærvitenskapelige artikler/bidrag skal publiseres fra prosjektet. Aktuelle formidlingsarenaer er vitenskapelige tidsskrifter med fagfellevurdering, som Aquaculture og Aquaculture Engineering, populærvitenskapelige tidsskrifter og nettsider som Kyst.no, Norsk Fiskeoppdrett og Gemini, samt nasjonale og internasjonale akvakulturkonferanser. Prosjektet vil invitere andre bedrifter og relevante institusjoner (f.eks. Veterinærinstituttet og Mattilsynet) til et arbeidsmøte (workshop) i slutten av prosjektet for å presentere nytteverdien av MonMic-programmet og for å diskutere videre aktiviteter. Deltakelse/involvering av diagnostikkselskap bør vurderes, for diskusjoner om fremtidig implementering av mikrobiota-analyser som diagnostisk verktøy.
keyboard_arrow_up