原文链接：Community structure follows simple assembly rules in microbial microcosms | Nature Ecology & Evolution

Abstract

Microorganisms typically form diverse communities of interacting species, whose activities have tremendous impact on the plants, animals and humans they associate with. The ability to predict the structure of these complex communities is crucial to understanding and managing them. Here, we propose a simple, qualitative assembly rule that predicts community structure from the outcomes of competitions between small sets of species, and experimentally assess its predictive power using synthetic microbial communities composed of up to eight soil bacterial species. Nearly all competitions resulted in a unique, stable community, whose composition was independent of the initial species fractions. Survival in three-species competitions was predicted by the pairwise outcomes with an accuracy of ~90%. Obtaining a similar level of accuracy in competitions between sets of seven or all eight species required incorporating additional information regarding the outcomes of the three-species competitions. Our results demonstrate experimentally the ability of a simple bottom-up approach to predict community structure. Such an approach is key for anticipating the response of communities to changing environments, designing interventions to steer existing communities to more desirable states and, ultimately, rationally designing communities de novo.

摘要

微生物通常由相互作用的物种组成各种群落，它们的活动对与之相关的植物、动物和人类产生巨大影响。预测这些复杂群落结构的能力对于理解和管理这些群落至关重要。在这里，我们提出了一种简单、定性的组合规则，该规则可从小型物种组之间的竞争结果预测群落结构，并使用由多达 8 个土壤细菌物种组成的合成微生物群落对其预测能力进行了实验评估。几乎所有的竞争都会产生一个独特、稳定的群落，其组成与初始物种比例无关。通过成对结果预测三物种竞争中的存活率，准确率约为 90%。要想在七种或全部八种物种之间的竞争中获得类似的准确率，就需要加入有关三种物种竞争结果的额外信息。我们的研究结果通过实验证明了自下而上的简单方法预测群落结构的能力。这种方法对于预测群落对环境变化的反应、设计干预措施以引导现有群落达到更理想的状态以及最终合理地重新设计群落都至关重要。

图 1：从定性竞争结果预测群落组成的自下而上方法。a,b,小组物种间竞争（如成对竞争）中物种存活率的定性信息（a）被用来预测更多样化的多物种竞争（如三物种竞争）中的存活率（b）。这里说明的特定成对结果反映了在一组三个物种实验中观察到的真实结果（见图 3b）。

图 2 配对竞争导致稳定共存或竞争排斥。a, 本研究使用的 8 个物种的系统发生树。该树以完整的 16S 基因为基础，分支长度表示每个碱基对的取代数。b, 28 对物种中有 19 对共存，而 28 对物种中有 9 对竞争排斥。c、一对发生竞争性排斥的基因对和一对共存基因对的相对丰度随时间的变化。y 轴表示其中一个竞争物种的比例。在排斥的例子中（右图），所有初始条件下的物种比例都增加了，导致竞争物种被排斥。与此相反，在共存的情况下（左图），物种比例收敛到一个中间值，在竞争结束时发现了两个物种。右侧的蓝色和红色箭头表示竞争的定性结果，星号表示共存情况下的最终分数。d, 所有成对竞争结果的网络图。

图 3：三物种竞争的观察结果和预测结果。测量了几个三物种竞争中物种比例随时间的变化。a-c、 涉及两对共存和一对发生竞争性排斥的三物种组。在这些图中，每个三角形都是一个单轴，表示三个竞争物种。单轴顶点对应的是完全由单一物种组成的群落，而边对应的是双物种混合群落。因此，边表示分别进行的成对竞争的结果。轨迹（灰色箭头）从不同的初始组成开始，连接每个生长周期结束时测量的物种比例。圆点标记最终群落组成。a、示意图示例，表明在这种成对结果模式下，预测只有物种 A 和 B 可以共存。b，导致预测结果的三物种竞争实例。c，未预测结果的示例。d-f，与 a-c 类似，但所有物种都成对共存的三元组。g-k，所有三元组布局和结果，按照成对结果网络拓扑结构分组。成对结果网络的拓扑结构分组。除一个三元组外，所有三元组竞赛都产生了唯一的结果。点表示最终的群落组成（不是确切的物种比例，而是物种存活率）。有一个三元组显示出双稳态性，用两个点表示两种可能的结果。两个三元组显示出不一致的结果，重复之间的变异性很大，用问号表示。

图 4：成对结果可以很好地预测三物种竞争中的存活率。a、组装规则和空模型的预测准确率，其中预测完全基于物种在三元竞争中存活的平均概率。b, 根据我们的实验设计进行的 gLV 模拟中使用组装规则预测的准确率分布。实验观察到的准确度与模拟结果一致。

图 5：预测更多样化竞争中的存活率需要纳入三物种竞争的结果。a，所有八个物种和所有七个物种组竞争时的物种存活率。实心方格和空方格分别表示存活和灭绝。预测存活率时，既可以只使用成对结果，也可以同时使用成对结果和三物种结果。b, 空模型和集合规则的预测准确率，仅使用成对结果或同时使用成对和三物种结果。c、根据我们的实验设计进行的 gLV 模拟，使用组装规则进行预测的准确率分布。在这些模拟中，预测要么只使用成对结果，要么使用成对和三物种结果。在这两种情况下，实验观察到的准确率与模拟结果一致。

转载本文请联系原作者获取授权，同时请注明本文来自王敬敬科学网博客。
链接地址：https://blog.sciencenet.cn/blog-2675068-1440652.html

上一篇：2022 Cell Systems 微生物群落组装中的功能吸引子
下一篇：2024 ISME 在促进植物生长的多物种生物膜中，种间相互作用有利于关键物种