Stipendiat Andrew Coates og professor Tim Dempster ved University of Melbourne på siden, og prosjektleder Nick Robinson fra Nofima i midten.
Stipendiat Andrew Coates og professor Tim Dempster ved University of Melbourne på siden, og prosjektleder Nick Robinson fra Nofima i midten.

Datamodell kan vise hvordan resistens hos lakselus kan unngås

Forskere har konstruert en datamodell som simulerer hvordan lakselus utvikler resistens mot lusemidler som anvendes i lakseoppdrettsanlegg i Sør-Norge.

Publisert Sist oppdatert

Funnene deres viser at oppdrettsregioner med høy tetthet er «hotspots» for resistensutvikling hos lus. Modellen er et nytt verktøy som kan bidra til å utvikle metoder for å holde lusebestanden i sjakk og begrense risikoen for resistens, slik at effektiviteten av behandlinger holder seg over tid.

Lakselus kan raskt tilpasse seg nye utfordringer, noe lakseoppdrettsnæringen har kunnet observere de siste tiårene. Mange kjemikalier som brukes til å behandle luseinfisert laks, har blitt ineffektive som følge av at lusen blir resistente mot disse. Etter hvert som nye lusemidler og andre behandlinger blir tilgjengelige, er det ekstremt viktig at oppdrettsnæringen vurderer om resistens kan oppstå, og hvilke tiltak man kan treffe for å forhindre dette. Da er det nødvendig å ha en bedre forståelse av hvordan resistens mot lusemidler utvikles og sprer seg på tvers av nettverk av lakseoppdrettsanlegg.

Animasjon av modellresultatene, som viser populasjonen av voksne lakselus i lakseoppdrettsanlegg (hvert punkt representerer ett anlegg) i Sør-Norge over en periode på 10 år. Fargen på punktene representerer frekvensen av mutasjonen (R) som gjør lusen resistent mot azametifos. Blå = de fleste lusene er mottakelige for lusebehandlingen; rød = de fleste lusene er resistente. Størrelsen på punktene viser lusemengden i oppdrettsanleggene.

Forskere fra University of Melbourne, Nofima, Havforskningsinstituttet og University of Sydney har utviklet en ny datamodell som simulerer evolusjonsdynamikken hos lakselus. Modellen er beskrevet i den nye artikkelen «A metapopulation model reveals connectivity-driven hotspots in treatment resistance evolution in a marine parasite», som er publisert i ICES Journal of Marine Science.

Modellering av resistens

Denne modellen simulerer lus som infesterer over 500 lakseoppdrettssteder over hele Sør-Norge. Den viser hvordan lusene formerer seg i oppdrettsanlegg, sprer seg til andre oppdrettsanlegg via havstrømmene (her tar modellen utgangspunkt i data fra Havforskningsinstituttets modell for lusespredning) og utvikler resistens mot lusemiddelbehandlinger. For å teste modellen simulerte forfatterne lus som utvikler resistens mot azametifos – et av de kjemiske lusemidlene som brukes i oppdrettsnæringen, som det nå er utbredt resistens mot. Resultatene deres stemmer godt overens med det vi vet i dag om resistens mot azametifos: På bare 10 år gikk genet som gir resistens, fra å være svært sjeldent i lusepopulasjonen, til å bli svært utbredt.

Modellresultatene belyser sammenhengen mellom hvor regelmessig oppdrettsanleggene ble behandlet med azametifos, og hvor raskt det ble utviklet resistens. Jo oftere et anlegg brukte denne behandlingen, jo mer sannsynlig var det at lus med det resistente genet overlevde, formerte seg og overførte genet til neste generasjon. Og etter hvert som lusepopulasjonen i et anlegg ble mindre mottakelige for kjemikaliet, måtte behandlingen gjentas oftere for å holde luseproblemet under kontroll – noe som akselererte utviklingen ytterligere.

Evolusjonære «hotspots»

Interessant nok var det et tydelig geografisk mønster for resistensutviklingen – det vil si at lusene utviklet resistens med ulik hastighet i ulike deler av Norge. Dette skjedde raskest i den sørvestlige regionen, rundt Hardangerfjorden, før det spredte seg nordover langs kysten (se figuren). Forfatterne beskriver dette som en «evolusjonær hotspot». Ved å identifisere slike evolusjonære hotspots vet forskerne i hvilke områder det er viktigst å overvåke og treffe tiltak mot utvikling av resistens.

I modellen ble de geografiske mønstrene for utvikling av resistens hos lusene påvirket av hvor sannsynlig det var at luselarver ble overført fra ett anlegg til et annet. Resistens ble utviklet raskere i områder hvor anleggene lå tett, og hvor havstrømmene bidro til overføring av lakselus fra ett anlegg til det neste. Dette skyldes at høy overføring av lus mellom anleggene fører til høyere infesteringsgrad, og dertil flere behandlinger med lusemiddel. Det gjorde det også lettere for resistente gener å spre seg til nye områder. Den evolusjonære hotspoten i Hardangerfjorden er en region med mange anlegg som ligger tett. Etter hvert som laksenæringen vokser, blir det avgjørende å velge plasseringen av nye anlegg med omhu.

Dersom lakselus kan tilpasse seg nye metoder for lusebekjempelse, vil modeller som kan forutsi lusens evolusjonære responser, gjøre det mulig å finne måter å bremse – eller stoppe – spredningen av resistens.
Dersom lakselus kan tilpasse seg nye metoder for lusebekjempelse, vil modeller som kan forutsi lusens evolusjonære responser, gjøre det mulig å finne måter å bremse – eller stoppe – spredningen av resistens.

Alternative strategier for bekjempelse av lakselus

Studien peker også på behovet for alternative metoder for lusebekjempelse som er vanskeligere for lusen å tilpasse seg. For eksempel undersøker CrispResist-prosjektet (finansiert av Fiskeri- og havbruksnæringens forskningsfinansiering) potensialet for å bruke genredigering til å gi atlantisk laks høy eller full resistens mot lakselus. Forfatterne forteller at modellen deres også kan bidra til å velge effektive strategier som kan brukes for å implementere disse nye teknologiene. Riktig strategivalg vil begrense lusens evne til å utvikle seg og overvinne de genetiske resistensmekanismene som introduseres i vertspopulasjonen for atlantisk laks.

Datamodellene kan kjøre utallige ulike scenarier over store geografiske områder og lange tidshorisonter som ellers ikke ville kunne testes eksperimentelt. Dersom lusen kan tilpasse seg de nye metodene for lusebekjempelse (som genredigering av laks), vil det å bruke modeller for å forutsi lusens evolusjonære responser kunne gjøre det mulig å finne måter å bremse – eller stoppe – spredningen av resistens.

Forfatterne håper at dette er det første av mange bruksområder for slike modeller for å forstå hvordan lusene reagerer på behandling i regional skala. Denne kunnskapen kan integreres i behandlingsregimene i oppdrettsanleggene for å sikre at nye behandlingsteknologier forblir effektive også på lang sikt.

Artikkelen «A metapopulation model reveals connectivity-driven hotspots in treatment resistance evolution in a marine parasite» er tilgjengelig på: https://doi.org/10.1093/icesjms/fsac202