在预测微生物群落的功能时越简单越好

随着生物学家更多地了解微生物群落如何协同工作，一个主要目标是了解它们的组成如何决定功能。例如，什么样的菌株和物种组合才能成为分解污染物或抵抗感染的最佳团队?多年来，科学家们试图通过计算微生物物种如何相互作用来解决这个问题，但每个群落中几乎无穷无尽的微生物潜在组合使得这些计算几乎不可能。

芝加哥大学、耶鲁大学和圣路易斯华盛顿大学的研究人员进行的一项新研究表明，采取更简单的方法可能会更好。在2023年10月2日发表在《自然生态与进化》上的一篇论文中，他们展示了一种统计模型，只需考虑不同物种的存在或不存在，而不是它们相互作用的细节，就可以准确预测微生物群落的功能。

这种方法适用于来自不同生态系统的各种数据集，这表明它可用于为许多不同的应用设计具有特定功能的微生物群落。

“使用标准方法进行预测本身就非常具有挑战性，需要大量数据，”芝加哥大学生态与进化助理教授、该研究的共同高级作者SeppeKuehn博士说。“在某些情况下，这种方法是成功的。但在我们的论文中，令人惊讶的是，如果我们忽略所有这些，我们也会同样成功。”

研究人员使用了一个从遗传学中借用的概念。基因突变的方式通常被描述为“适应性景观”。在这张图中，突变的不同组合被概念化为可能生物体的抽象“地图”上的点;每个点上方景观的高度对应于该生物体的适应性。结果看起来像一张地形图，其中的峰和谷代表高适应度和低适应度的生物体。

在这项新研究中，研究人员考虑的不是适应性景观，而是群落功能的类似景观，其中添加或删除物种类似于“突变”，而地形峰值代表具有某些化合物高生产率的群落。

原则上，此类景观的形状可以任意复杂，或“崎岖不平”，有许多山峰和山谷。但在来自不同实验室的六个不同数据集上测试这种方法后，团队发现景观出奇地平滑。这种平滑性意味着可以用相对较少的数据来近似地貌形状，从而使研究人员能够预测群落功能以及解释物种动态和丰度的更复杂的方法。

该方法的简单性可能有助于其稳健性。“与其他统计方法相比，该模型效果很好，但更重要的是，它似乎在不同的数据集中都表现良好，这些数据集具有不同功能的非常不同的微生物，”该研究的主要作者、该大学的本科生艾比·斯瓦拉(AbbySkwara)说。芝加哥大学，现在是耶鲁大学的研究生。

在研究人员测试的六个例子中，其中一个测量了微生物群落产生丁酸盐的能力，丁酸盐是一种对健康消化很重要的短链脂肪酸。另一个数据集测量了淀粉的分解。

研究人员希望这种新的景观模型可以提供一种工具来帮助设计用于特定目的的微生物群落，例如分解土壤中的环境污染物，或产生正确的代谢物以帮助恢复健康的消化系统。在此过程中，它还可能导致人们更好地了解微生物群落如何运作方式。

“这种简单方法的成功令人感兴趣，因为它与我们对生态复杂性的直觉相矛盾，”华盛顿大学物理学助理教授兼共同资深作者米哈伊尔·蒂霍诺夫博士说。“在这里，社区很复杂，但其功能景观却并不复杂。理解为什么会出现这种情况对于理论来说是一个令人兴奋的问题。”