原文链接：Functional attractors in microbial community assembly - ScienceDirect

• •We study convergence and divergence in microbiome assembly in replicate habitats

• •Functional convergence reflects an emergent metabolic self-organization

• •Taxonomic divergence arises from multistability in population dynamics

• •Simple models can explain observed quantitative patterns in microbiome assembly

亮点

-我们研究了在复制生境中微生物组组装的趋同性和差异性

-功能趋同反映了涌现的新陈代谢自组织

-种群动态的多稳定性导致了分类学上的差异

-简单的模型可以解释微生物组组装中观察到的定量模式

For microbiome biology to become a more predictive science, we must identify which descriptive features of microbial communities are reproducible and predictable, which are not, and why. We address this question by experimentally studying parallelism and convergence in microbial community assembly in replicate glucose-limited habitats. Here, we show that the previously observed family-level convergence in these habitats reflects a reproducible metabolic organization, where the ratio of the dominant metabolic groups can be explained from a simple resource-partitioning model. In turn, taxonomic divergence among replicate communities arises from multistability in population dynamics. Multistability can also lead to alternative functional states in closed ecosystems but not in metacommunities. Our findings empirically illustrate how the evolutionary conservation of quantitative metabolic traits, multistability, and the inherent stochasticity of population dynamics, may all conspire to generate the patterns of reproducibility and variability at different levels of organization that are commonplace in microbial community assembly.

摘要

要使微生物组生物学成为一门更具预测性的科学，我们必须确定微生物群落的哪些描述性特征是可重复和可预测的，哪些是不可重复和可预测的，以及为什么。为了解决这个问题，我们通过实验研究了在复制的葡萄糖有限生境中微生物群落组装的平行性和趋同性。在这里，我们表明，以前在这些生境中观察到的科水平趋同反映了一种可重现的代谢组织，其中主要代谢群体的比例可以用一个简单的资源分配模型来解释。反过来，复制群落之间的分类学差异来自于种群动态的多稳定性。在封闭的生态系统中，多稳定性也会导致另一种功能状态，但在宏群落中则不会。我们的发现从经验上说明了定量代谢特征的进化保守、多稳定性和种群动态的固有随机性是如何共同产生微生物群落组装中常见的不同组织水平的可重复性和变异性模式的。

图 1. 自组装微生物群落的涌现代谢结构

(A) 柱状图显示了 92 个群落中优势科（肠杆菌科、假单胞菌科、气单胞菌科和毛霉科）的相对丰度，这些群落由 12 个叶片或土壤接种体（各 7-8 个重复）在含葡萄糖的最小培养基中组装 12 个生长/稀释周期后形成（数据来自 Goldford 等人，2018 年）。其他家族以灰色显示。

(B) 属于不同科的分离株在补充了单一碳源（CS）（葡萄糖、乙酸盐、乳酸盐或琥珀酸盐）的最小培养基中单培养 48 小时（N = 73，图 S2）。每个点对应一个分离物的最大生长速率。注：∗∗∗∗ 表示 p ≤ 0.0001，∗∗ 表示 p ≤ 0.01，双样本 t 检验。我们测量了所有分离物在不同时间点的 pH 值，并量化了培养基中乙酸盐、乳酸盐和琥珀酸盐的含量。虚线代表各族分离物的平均浓度。

(C) 群落解冻后在含葡萄糖的最小培养基中生长一个培养时间。分别在 10、21 和 48 小时取样，测量 R/F 比率以及培养基中葡萄糖和醋酸盐的浓度。图中仅显示了一个具有代表性的群落（共 9 个）。其他群落见图 S6。R/F比值代表通过引导法（N = 1,000 个重复）计算的 CFU 比值的平均 SD 值。

(D) 使用简单资源分配模型观测和预测的 R/F 比率。该模型假定葡萄糖由发酵专家（F）消耗，而作为代谢副产物释放的醋酸盐则由呼吸专家（R）消耗。群落 16S： 图 1A 中描述的葡萄糖群落中实验观察到的 R/F 比率（中位数 = 0.29，Q1 = 0.17，Q3 = 0.69，N = 92）。经验校准模型： 利用从 47 个肠杆菌科分离物和 18 个假单胞菌分离物（STAR 方法；图 S9）中获得的参数经验计算出的 R/F 比率（中位数 = 0.31，Q1 = 0.22，Q3 = 0.43，N = 846）。FBA 校准模型：利用通量平衡分析（Flux Balance Analysis），我们计算了肠杆菌科菌株葡萄糖发酵产生的生物量（F）和假单胞菌菌株消耗 F 的代谢副产物醋酸盐产生的生物量（R）。对 74 个假单胞菌代谢模型和 59 个肠杆菌代谢模型计算了 R 和 F 生物量之间的预测比率。模拟预测的 R/F 比率中位数为 0.303（Q1 = 0.302，Q3 = 0.356，N = 4366）（图 S9 和 S10）。每个点代表不同的假单胞菌/肠杆菌科菌对。

图 2. 从单个接种体组装复制群落可产生代谢和分类水平上的多种替代状态

(A) 实验设计示意图：从高度多样化的土壤微生物群落开始，以葡萄糖为单一碳源，在重复的生境中对 92 个群落进行 18 个培养（生长/稀释）周期（每个周期 48 小时）的序列传递。

(B) 群落的分类概况显示在精确序列变异（ESV）水平（每个 ESV 用一种颜色表示），以及相应的属和科水平。仅显示相对丰度大于 0.01 的 ESV。经过 18 次转移后，我们发现复制群落自成两大功能组，即仅有发酵菌（N = 15）或有呼吸菌的发酵菌（N = 77）。在发酵菌功能组中，根据是否存在一株或两株克雷伯氏菌（Kp 和 Kp+Km），我们可以看到两种不同的分类组成。在呼吸菌功能组中，我们可以清楚地识别出三个可供选择的分类群（假单胞菌、产碱菌属，和产碱菌+ 代夫特菌）。

(C) 从相同接种体开始的第 18 次转移时，优势产碱菌属（A）和假单胞菌 （P）ESV 相对丰度的概率密度分布（STAR 方法）（N = 370 个群落）。

(D) (C) 所示群落子集（N = 31）中 A 和 P 的种群动态，背景显示电位导数（U′[x]）的绝对值（左图）。每个时间序列右侧的图显示了电势（U[x]）（彩色实线），深灰色虚线显示了两个最小值（表示稳定状态；浅灰色虚线）之间的局部最大值（表示临界点，A 为 x =-1.18，P 为 x =-1.97）。

图 3. 两种有机酸专家之间的多稳态共存解释了群落组成中的替代吸引子

(A）我们分离了构成两个主要替代吸引子的三个优势菌株--克雷伯氏菌（Kp）、产碱菌（A）和假单胞菌（P），并通过将 Kp 与不同初始密度的 A 和/或 P 混合（见 STAR 方法），使它们在成对共培养（Kp+A 或 Kp+P）或三员联合体（Kp+A+P）中生长。这些重组群落在与自上而下组装群落相同的条件下生长 12 次（STAR 方法）。

(B) 相位图显示 2 个生物重复的群落在 T = 3、8 和 12 次转移后的状态。如果在 T 时间开始的群落包含 A 但不包含 P，则该方格为黄色；如果包含 P 但不包含 A，则该方格为紫色；如果两个重复中都存在 A 和 P，则该方格为灰色。带有无缝图案的正方形表示两个副本表现出不同结果的状态。我们可以看到，相位图分为两个区域：左上角的对角线由 A 主导群落的吸引盆地构成，而右下角的对角线则包含 P 主导群落的吸引盆地。A 和 P 通常相互排斥，这取决于它们的起始密度。两个生物重复实验的相位图分别见图 S14。

(C) (B) 所示群落子集中各分类群相对丰度的时间动态（2 个重复实验分别显示）。相位图所有成对初始条件的时间序列见图 S14。

图 4. 两种有机酸专家之间的多稳态代谢吸引子

(A) 图 2B 中所示复制群落子集（N = 19）的时间动态。复制群落均从相同的接种物开始，每 48 小时连续转移到含葡萄糖的新鲜最小培养基中，共进行了 18 个生长稀释循环。只有转移 18 时的前四个优势 ESV（Kp、Km、P 和 A）着色，其他 ESV 显示为灰色。

(B 和 C）相图显示了根据图 3B（STAR 方法）中自下而上的入侵实验结果推断出的产碱菌（A）主导（黄色区域）和假单胞菌（P）主导（紫色区域）状态的吸引盆地，它们之间有一个过渡区域（白色区域）。灰色虚线表示两个吸引盆地之间的分离矩阵。在（B）中，圆点表示图 2B 中所示群落在转移 18（N = 92）时 A 和 P 的相对丰度。灰色阴影区域表示低于扩增子测序检测水平的低 A 和低 P 区域。在（C）中，叠加了（A）中所示所有 N = 19 个群落的 A 和 P 的相对丰度轨迹。随着时间的推移（即从 T1 到 T18），箭头颜色变深。在 T0（原始接种量）时，P 的相对丰度为 0.0086，而 A 则检测不到。我们强调了四种典型的结果： 群落探索景观，并保持在低 R/F 的稳定状态（i）、 群落突然转向 A 主导状态（ii）、 群落探索地貌并转入 A 主导状态（iii）、 群落探索地形后转入 P 主导状态（iv）。

图 5. 通过迁移开放系统导致功能趋同

(A) 在具有全球迁移（N = 93）的开放系统中组装了从相同接种体（与图 2 中的接种体相同）开始的复制群落--也就是说，除了正常的迁移外，每个群落还从共同的迁移池或从区域迁移池（即接种体）（N = 92）接受了少量迁移（STAR 方法）。群落在这些迁移方案下聚集了 12 个生长周期（T1-T12），之后停止迁移，群落在没有迁移的情况下稳定了 6 次转移（T13-T18）。

(B）第 18 次转移时的群落组成。相对丰度≤0.01的 ESV 显示为 "其他"。

(C) 无迁移（图 2B）、全球迁移和区域迁移（图 5B）处理下第 18 次转移时的群落 R/F 比率。每个点代表一个群落，并根据其分类群落状态着色。蓝点表示主要由发酵剂组成的群落，黄点表示以阿尔卡利根菌为主要呼吸菌的群落，紫点表示以假单胞菌为主要呼吸菌的群落。灰色阴影区域代表图 1A 中所示群落的四分位数范围。