推断微生物相互作用的新框架

推断微生物群落的潜在生态网络对于理解它们的结构和对外部刺激的反应非常重要。但是，做出准确的网络推断可能非常具有挑战性。在Nature Communications上发表的一篇论文中，布里格姆妇女医院的研究人员详细介绍了一种通过利用稳态数据而不改变微生物群落来简化网络推理的方法。

“现有方法需要假设特定的人口动态模型，这是事先不知道的，”网络医学中心分部的Yang-Yu Liu博士说。“此外，这些方法需要拟合时间丰度数据，这些数据通常不足以提供可靠的推理信息。”

为了获得更多信息丰富的时态数据，研究人员必须引入大的扰动来改变微生物群落，这不仅在实践中很困难，而且在道德上可能存在问题，特别是对于人类相关的微生物群落。BWH研究人员开发的新方法避免了这种困境。

“基本思路非常简单。如果一个稳态样本与另一个只有一个物种X相加，加上X会降低Y的绝对丰度，那么我们可以得出结论X抑制了Y的生长，”刘说。 。该团队表明，这个简单的想法可以扩展到更复杂的情况，其中稳态样本由不止一个物种彼此不同。他们证实，如果从微生物群落中收集到足够的独立稳态数据，那么微生物相互作用类型(正，负和中性相互作用)和网络结构可以在不需要任何种群动态建模的情况下推断。该团队提出的方法类似于基于稳态数据的其他网络重建方法，但与以前的方法不同，不需要将扰动应用于系统。此外，团队建立了严格的标准，以检查任何给定的稳态数据是否与广义Lotka-Volterra(GLV)模型一致 - 生态学中的经典种群动力学模型，数学上描述了物种之间的关系。该团队发现，如果微生物群落遵循GLV模型，那么稳态数据也可用于推断模型参数 - 种间相互作用强度和生长速率。

使用从具有不同复杂程度的不同经典种群动态模型生成的模拟数据系统地验证该方法。然后将其应用于从四个不同的合成微生物群落收集的真实数据，发现推断的生态网络要么与地面实况一致，要么可以预测系统对扰动的响应。

通过更好地了解其潜在的生态网络，可以获得对微生物生态系统的更多见解。使用这里开发的方法推断人类相关微生物群落的生态网络将有助于设计个性化的基于微生物的“鸡尾酒”，正如作者所写，用于治疗与微生物生态失调有关的疾病。

“我对这种方法感到非常兴奋，因为它可能为绘制更复杂的微生物群落铺平了道路，例如人体肠道微生物群，这反过来将帮助我们设计出更好的基于微生物组的疗法，”刘说。