一个微小但丰富的微生物世界涵盖了我们周围的一切，无论是内部还是外部。微生物群由不同的微生物群落组成，在塑造人类健康方面发挥着关键作用，但不同微生物组成如何影响我们的福祉的复杂性在很大程度上仍然未知。

在最近发表在《美国国家科学院院刊》上的一项研究中，伊利诺伊大学厄巴纳-香槟分校的研究人员描述了他们创建的一个新框架，用于预测微生物组内的物种如何相互作用以创造独特的成分。

奥德怀尔实验室的研究生ShreyaArya说：“微生物可以用于医学，也就是‘细菌作为药物’，这些微生物疗法有可能成为我们今天面临的许多疾病的答案。”

“我们正在努力摆脱使用抗生素来解决这些问题，因为随着时间的推移，细菌已经产生了抗生素耐药性。如果肠道因病原体而受到感染，我们需要一种能够改变肠道成分的方法微生物组，使肠道微生物组恢复到健康状态，病原体的丰度受到抑制。”

不幸的是，评估不同环境中每种微生物物种之间的相互作用需要大量的实验数据，而这些数据是无法建模的。为了克服这一障碍，植物生物学副教授JamesO'Dwyer(CAIM)与O'Dwyer实验室前博士后研究员Arya和AshishGeorge一起，试图创建一个模型，可以预测基于微生物群落结果的模型。关于一开始就存在的微生物。

该模型将提供每种微生物之间的“景观相互作用值”，该值本质上表征了每种微生物对另一种微生物的丰度和微生物组结果的影响程度。

“在进行建模时，提出正确的问题很重要，”奥德怀尔说。“我们可以详尽地尝试对物种之间的所有成对比较和高阶相互作用进行建模，这将为我们提供群落如何随时间变化的完整动态，但这实际上需要永远的时间。相反，我们在结束时问道所有这些微生物相互作用，谁还在那里?它们的数量有多少，那么它们在终点群落中的功能是什么?”

为了解决这些问题，研究小组从一个能够模拟微生物群落并预测其结果的计算模型开始。在这个过程中，他们发现了一个令人惊讶的启示——大多数微生物之间的景观相互作用接近于零。这意味着大多数微生物对微生物组的最终结果影响很小，只有少数微生物在预测这些结果方面发挥着至关重要的作用。

然后，研究人员使用了信号检测领域的一种称为压缩感知的方法，该方法允许从稀疏表示的数据集中提取更多信息。

该模型使用现有的微生物组数据集进行训练，并通过使用相同微生物组的真实实验验证这些相互作用的结果，以查看所产生的相互作用和组成是否与预测相​​匹配。有趣的是，研究人员发现景观相互作用的“稀疏性”或丰富的零点在模型和现实世界的实验中都是成立的。

“我认为我们可以从中学到很多关于生态群落的知识，”奥德怀尔说。“我们经常认为存在所有这些复杂的相互作用，这导致结构和社区功能难以预测。但这表明有时结果比你预期的要简单一些。这里的神奇之处在于你没有了解从每个初始条件到每个最终状态的所有内容。你只需要学习一点，它就可以为你提供足够的信息来了解整个事情。”

该团队现在有兴趣探索为什么如此多的微生物景观相互作用接近于零，并尝试更大的数据集，看看这是否会改变他们发现的模式。

Arya解释说：“我们首先想要了解为什么会出现这种稀疏性，如果这能告诉我们微生物组是如何从根本上组装的以及这些物种如何相互作用。”“例如，尽管土壤微生物组在分类学上与人类肠道相比具有非常不同的物种，但微生物物种之间相互作用的方式可能存在相似之处，我们可以根据环境进行预测。”

Arya希望继续微调该模型，以便它可以用于研究感兴趣的特定微生物组，并适应更多样化的数据集。最终目标之一是能够在个性化医疗中使用该模型来帮助预测与其他患者相比，患者是否面临在其微生物组内建立某些病原体的风险。

“为了创造微生物疗法，我们需要了解需要在哪些环境中组合哪些微生物物种，以获得最佳功能。这是实现这一目标的第一步，”Arya说。

版权说明：本站所有作品图文均由用户自行上传分享，仅供网友学习交流。若您的权利被侵害，请联系我们

标签：