Bioclear earth houdt zich bezig met de evaluatie van de effecten van de verschillende vormen van landgebruik op de microbiologie van de bodem en de daarmee samenhangende effecten op bijvoorbeeld de stikstof- en koolstofopname. Om deze effecten te onderzoeken, maken wij gebruik van een in-situ meetinstrument: Next generation sequencing van DNA.

Met deze techniek kunnen we de identiteit en functies van micro-organismen in de bodem vaststellen. Wij zijn verantwoordelijk voor de coördinatie van de wereldwijde bemonstering van de verschillende casestudies in LANDMARC en zorgen voor de analyse en interpretatie van alle data die uit de bodemmonsters worden gegeneerd.

Zo zien de vruchten van sinaasappelbomen eruit als ze geïnfecteerd zijn door HLB of CBS.

Analyse van de microbiële gemeenschap - We bestuderen de micro-organismen van verschillende delen van citrusplanten en hun omgeving, zoals de grond rond de wortels (rhizosfeer), het oppervlak van de bladeren (fyllosfeer) en de bodem (foto 1). We nemen monsters van zowel gezonde als zieke planten,  en planten die mogelijk zijn aangetast maar nog geen symptomen vertonen. Dit helpt ons te begrijpen hoe deze microbiële gemeenschappen veranderen wanneer citrusbomen worden aangetast door HLB of Citrus Black Spot.

1. Biocontrole strategieën - Net zoals het menselijke darmmicrobioom ons helpt gezond te blijven, zijn citrusbomen ook afhankelijk van hun eigen gemeenschap van nuttige microben. Door het microbioom van gezonde citrusplanten te bestuderen, willen we nuttige microben identificeren die gebruikt kunnen worden om infecties te bestrijden. We onderzoeken het potentieel van microbiële “cocktails” (consortia) en zelfs het verplaatsen van grond van gezonde bomen naar zieke bomen om citrusbomen te helpen een natuurlijke weerstand op te bouwen tegen HLB en Citrus Black Spot.
2. Vroegtijdige detectie en voorspellende modellen - We combineren microbioomgegevens met onderzoek van onze partners naar plantensignalen (zoals geuren, chemische veranderingen, beeldvorming en sensorgegevens). Met behulp van deze informatie bouwen we voorspellende modellen om vroegtijdige microbiële “waarschuwingssignalen” van ziekte te herkennen. Dit maakt het mogelijk om problemen op te sporen voordat de symptomen verschijnen en ondersteunt betere beslissingen om citrusbomen te beschermen.