Nature Communications | 數(shù)據(jù)驅(qū)動的微生物群落定殖抗性預測
2024年3月16日,中國科學院深圳先進技術研究院合成微生物組學研究中心、深圳合成生物學創(chuàng)新研究院戴磊課題組在Nature子刊??Nature Communications上發(fā)表了腸道微生物組的定量生態(tài)學最新研究成果,題為《Data-driven prediction of??colonization outcomes for complex microbial??communities》。該團隊提出并驗證了針對微生物組的數(shù)據(jù)驅(qū)動研究范式,用微生物群落的物種組成來準確預測外源物種的定殖結果。深圳先進院的吳璐博士和哈佛大學醫(yī)學院的王旭文博士為共同第一作者,戴磊研究員和哈佛大學醫(yī)學院的劉洋彧副教授為文章共同通訊作者。

文章鏈接:https://www.nature.com/articles/s41467-024-46766-y
人體腸道微生物組在抵抗致病菌定殖過程中發(fā)揮著重要作用。這一現(xiàn)象被稱為定殖抗性,指的是微生物群落對于外源物種的抵抗能力。研究發(fā)現(xiàn),腸道菌群的物種組成和定殖抗性都呈現(xiàn)出顯著的個體差異。針對特定個體的腸道微生物組,全面解析物種之間的互作網(wǎng)絡是十分困難的,是否有可能準確預測外源物種的定殖結果?定殖抗性是否由關鍵物種決定?在這項工作中,研究團隊提出并驗證了數(shù)據(jù)驅(qū)動的研究范式可以用于預測和理解復雜微生物群落的功能,進而可以通過引入關鍵物種來實現(xiàn)群落功能的精準調(diào)控。
首先,研究團隊通過廣義Lotka-Volterra模型的解析推導和計算模擬,證明了在訓練數(shù)據(jù)量與微生物群落物種多樣性相當?shù)那闆r下,隨機森林、神經(jīng)常微分方程等機器學習模型可以基于腸道菌群的物種組成準確預測外源物種的定殖結果和穩(wěn)態(tài)豐度(圖1)。

圖1. 通過采樣不同物種組成的微生物群落作為訓練數(shù)據(jù),機器學習模型可以準確預測外源物種的定殖結果。
然后,在人體腸道微生物群落的體外培養(yǎng)體系中,研究團隊用致病菌Enterococcus??faecium和益生菌Akkermansia??muciniphila作為代表性物種,在約300個不同物種組成的人體腸道微生物群落中進行了大規(guī)模的定殖實驗(圖2)。實驗結果發(fā)現(xiàn),外源物種的定殖結果在不同個體之間存在顯著差異。在能夠成功定殖的群落中,其穩(wěn)定豐度也可能存在兩個數(shù)量級以上的差別。此外,經(jīng)過抗生素處理后,腸道菌群的物種多樣性和定殖抗性顯著降低,與之前的經(jīng)驗性觀測和理論研究相吻合。對于兩個不同物種的定殖實驗數(shù)據(jù)集,機器學習模型均可以基于腸道菌群的初始物種組成來準確預測定殖結果。

圖2. 對于來自不同個體的腸道菌群,開展外源物種的定殖實驗并對實驗結果進行預測。
最后,研究團隊通過機器學習模型,開展移除特定物種的假想實驗,進一步理解定殖抗性的生態(tài)學機制(圖3)。模型推斷,大多數(shù)的共生菌對外源物種有較弱的拮抗作用,這與定殖抗性在復雜群落中的涌現(xiàn)特征相符合。此外,發(fā)現(xiàn)某些關鍵物種的存在可以顯著提高定殖抗性,例如Enterococcus??faecalis對于Enterococcus??faecium的定殖有非常明顯的抑制作用,并得到了實驗驗證。這一結果表明,數(shù)據(jù)驅(qū)動的研究方法可以推斷定殖抗性的關鍵物種,進而指導微生物組的精準調(diào)控。通過調(diào)控微生物群落的組成來防止致病菌的定殖或者促進益生菌的定殖,在人體健康、農(nóng)業(yè)生產(chǎn)中都有著重要的應用。

圖3. 推斷和驗證決定腸道菌群定殖抗性的關鍵物種。
論文特別致謝了深圳合成生物研究重大科技基礎設施,其DNA提取自動化平臺保證了實驗的準確性和可重復性。該工作得到了國家重點研發(fā)計劃項目(No.2019YFA0906700)、國家自然科學基金(No.31971513,??No.32100089)、廣東省自然科學基金(No. 2022A1515011513),深圳市微生物藥物智能制造重點實驗室??(ZDSYS20210623091810032)和深圳合成生物創(chuàng)新研究院的資助。
附件下載: