Nat. Ecol. Evol.：不想当化学家的物理学家不是好的生物学家

本文转载自"生态学文献分享"，已获授权

群落结构遵循微生物微观结构中的简单组装规则

原文信息：

Community structure follows simple assembly rules in microbial microcosms

Nature Ecology and Evolution, March 2017

Jonathan Friedman^1,*, Logan M. Higgins^1,2 and Jeff Gore^1,*

¹Physics of Living Systems, Department of Physics, Massachusetts Institute of Technology, Cambridge, Massachusetts 02139, USA

²Microbiology Graduate Program, Massachusetts Institute of Technology, Cambridge, Massachusetts 02139, USA. *e-mail: [e-mail]; [e-mail]

原文摘要：

写在前面：

就像蛋白质（酶）的结构可以决定其功能一样，群落的结构（及组成）很大程度上也影响并决定着群落的功能。虽然目前依然无法完美地将结构与功能相匹配，但是科学家们仍在继续努力。退一步来说，目前的研究表明，大部分情况下，结构和功能的相关性还是很好的。因此，预测群落的结构，有助于预测其功能。所以，群落的组装机制究竟是什么呢？什么样的模型或者规则才能更好地实现预测呢？

此外，理论预测固然很重要，有实验证据加持，则可靠性更高。本公众号之前学习过一篇文章，认为在强烈的选择压力下，微生物群落最后会趋向于形成简化的稳定组成，详情见：Science | 单因素选择压力下，微生物群落组装的趋简性。上次文章引用了本次的文章。

本文基于定性信息，物种的存亡（survival or not），来预测群落结构。选取8种已知的物种，在实验室进行共培养，分别度量不同组合（两物种组合、三物种组合）情况下，稳定群落的结构。在此基础上，预测复杂组合（七物种组合、八物种组合）时，稳定群落的结构，并与实际共培养的结果进行比较。结果发现，同时考虑两物种组合与三物种组合情况下，群落内物种的共存结果，对于复杂组合的结构，具有很好的预测性。但是可能与本文所用物种有关，并没有检测到非常复杂的高阶互作（high-order interactions）的影响。

（关于高阶互作对群落的影响，本公众号此前也有介绍，感兴趣可点击：Nat. Commun.：高阶互作对生物多样性的影响；Ecol. Lett. | 间接竞争对生物共存的影响）

文章简介：

本文主要采用定性数据来预测群落组成。假设A和B能够共存，B和C能够共存，A排斥C（图1a）。那么，如果同时把A，B，C放在一起，结果会如何呢（图1b）？基于定性数据，作者提出这么一个组装规则：多物种组合的情况下，若组合内所有物种两两出现时均能稳定共存，则组合稳定后，所有物种都能够共存；任一物种在与其他任何一种同时出现时被竞争排除，则其在组合稳定后，也必将被排除。接下来，通过实验和模拟，证明该规则具有较好的预测性。

图1. 定性数据预测群落组成示意图

本文选取了8种微生物（图2a），作为合成群落的起始物种。先进行两物种组合培养，共28组。结果发现，其中19组表现为共存（coexistence），即群落稳定后，两物种都会存在；9组表现为竞争排除（competitive exclusion），即群落稳定后，一个物种消失（图2b）。图2c分别示意了典型的共存和排除结果。图2d是基于实验结果，构建的8物种、两两互作的网络图。

图2. 两物种共培养结果

那么，问题来了，两物种互作的结果，能否用来预测三物种的组合群落组成呢？三物种共有56种组合方式。按照两物种互作的结果，其中有30组的拓扑结构为，两组共存+一组竞争排除，预测结果为A和B共存（图3a）。三物种共培养的结果发现，30组里面，大部分稳定群落的组成与预测一致（图3b）；个别组则出现意外，比如竞争能力强的A被排除掉（图3c）。

图3a-c. 三物种组合实验与预测（30组）

按照两物种互作的结果，另外有15组的拓扑结构为，两两均能共存（图3d），则预测结果为最终A，B，C均能共存（图3e），或者其中一个被竞争排除掉（图3f）。综合起来，56种组合的培养结果，共产生5种组合模式，11种结果（图3g-k）。可以看到，大部分组合的实验结果跟预测都是吻合的。这也说明，本文所用的物种之间，可能主要是简单的两两互作关系（pairwise competition），高阶互作（high-order competition）可能比较少。

图3e-k. 三物种组合使用与预测（全56组）

为了进一步证明本文规则预测的准确性，作者做了进一步的模拟分析。假设不知道物种之间的互作关系，仅知道物种的存活概率，基于此，构建零模型。该模型对于三物种组合群落，预测准确率为073%。而基于互作关系的预测概率，则高达90%（图4）。

图4. 两物种互作关系可以较好地预测三物种群落的稳定结果

那么，两物种互作关系对于更复杂群落的预测效果如何呢？或者，再纳入三物种互作关系，又将如何改善对于群落组成的预测效果呢？接下来，研究人员对七物种组合群落、八物种组合群落，进行共培养实验和模拟分析。结果表明，仅仅基于两物种互作，预测准确率62%，与基于存活概率的预测效果类似；而同时考虑三物种互作关系，则预测准确率提高到86%。结果充分表明，对于本研究的微宇宙群落而言，这个简单的群落组装法则是比较适用的。

图5. 复杂群落组成预测

（笔者备注：本研究的群落非常简单，考虑的内容也非常简单。实际群落比这复杂的多。从文中也可以看出，实际上到七八个物种的时候，三物种互作（高阶互作）对于预测准确性的提高的效应已经很明显了。虽然距离真实的环境群落比较远，但是在群落相对简单的工业应用上，，参考意义还是更大的。）

写在后面：

请原谅此次取了这个“噱头”的题目，实在是因为太佩服本文的作者、其导师、导师的导师、导师的导师的导师。

从作者说起，本文一作兼通讯，Jonathan Friedman，2007年，本科毕业于以色列特拉维夫大学（Tel Aviv University），物理学与生物学专业；2013年，博士毕业于麻省理工学院（Massachusetts Institute of Technology, MIT），计算与系统生物学专业；2013-2017年，在MIT物理系，做博士后，合作导师，Jeff Gore（也是本文的共同通讯）。2017年，受聘于以色列希伯来大学（The Hebrew University of Jerusalem），成立了自己的实验室，实验室主页：https://www.friedmanlab.net/people。目前实验室主要研究微生物群落的生态与进化。

Jonathan Friedman（4^th generation）

Friedman实验室主页

导师，Jeff Gore，1999年，本科毕业于MIT，主修：Physics, Mathematics, Economics,& Electrical Engineering；辅修：Chemistry。2005年，博士毕业于加州大学伯克利分校（University of California, Berkeley, CA），物理学专业，导师Carlos Bustamante。毕业论文题目：单分子层面解析DNA的螺旋机制与解旋酶的机械化学（Single-molecule studies of DNA twist mechanics and gyrase mechanochemistry）。2010年进入麻省理工物理系，副教授，实验室研究方向为，生态-系统生物学（ecological systems biology），实验室主页：http://www.gorelab.org/index.html。

Jeff Gore（3^rd）（这个角度居然有点神似谢耳朵）

Gore实验室主页

导师的导师，Carlos Bustamante，美国科学院院士，UC Berkeley教授，主要研究单分子生物物理学（single molecule biophysics），以追踪和定量酶活。实验室主页：http://bustamante.berkeley.edu/。

Carlos Bustamante（2^nd）

Bustamante实验室主页

导师的导师的导师，Ignacio Tinoco Jr.，美国科学院院士，UC Berkeley教授，化学系，主要研究如何用物理学的方法预测和解析核酸结构。Tinoco最著名的工作，就是开创性的提出了预测和解析RNA结构的方法。Tinoco于2016年去世，享年85岁。Tinoco比较出名的两个学生，博士生Carlos Bustamante和博士后Frances Hamilton Arnold（女）。Arnold与Gregory P. Winter和Gregory P. Winter共享了2018年的诺贝尔化学奖，以表彰其在酶的定向演化（directed evolution）方面的研究及应用。

Ignacio Tinoco Jr.（1^st）

Frances Hamilton Arnold（女）（2^nd）

猜你喜欢

系列教程：微生物组入门 Biostar 微生物组  宏基因组

专业技能：学术图表 高分文章 生信宝典 不可或缺的人

一文读懂：宏基因组 寄生虫益处 进化树

必备技能：提问 搜索  Endnote

文献阅读 热心肠 SemanticScholar Geenmedical

扩增子分析：图表解读 分析流程 统计绘图

在线工具：16S预测培养基 生信绘图

科研经验：云笔记  云协作 公众号

编程模板: Shell  R Perl

生物科普:  肠道细菌 人体上的生命 生命大跃进  细胞暗战 人体奥秘  

写在后面

为鼓励读者交流、快速解决科研困难，我们建立了“宏基因组”专业讨论群，目前己有国内外5000+ 一线科研人员加入。参与讨论，获得专业解答，欢迎分享此文至朋友圈，并扫码加主编好友带你入群，务必备注“姓名-单位-研究方向-职称/年级”。PI请明示身份，另有海内外微生物相关PI群供大佬合作交流。技术问题寻求帮助，首先阅读《如何优雅的提问》学习解决问题思路，仍末解决群内讨论，问题不私聊，帮助同行。

学习16S扩增子、宏基因组科研思路和分析实战，关注“宏基因组”