Nye rammer for at udlede mikrobielle interaktioner

Afgørelse af de underliggende økologiske netværk i mikrobielle samfund er vigtig for at forstå deres struktur og reaktioner på eksterne stimuli. Men det kan være meget udfordrende at foretage præcise netværksafslutninger. I et papir udgivet i Naturkommunikation , forskere på Brigham og Women's Hospital beskriver en metode til at gøre netværksinferencen lettere ved at udnytte steady-state data uden at ændre mikrobielle samfund.

"Eksisterende metoder kræver, at der antages en bestemt populationsdynamikmodel, som ikke er kendt på forhånd, "sagde Yang-Yu Liu, Ph.d., fra Channing Division of Network Medicine. "I øvrigt, disse metoder kræver passende tidsmæssige data, som ofte ikke er informative nok til pålidelig slutning. "

For at få mere informative tidsmæssige data, forskere skal indføre store forstyrrelser for at ændre de mikrobielle samfund, som ikke kun er vanskelige i praksis, men også potentielt etisk tvivlsomme, især for menneskerelaterede mikrobielle samfund. Den nye metode udviklet af BWH -efterforskere undgår dette dilemma.

"Grundidéen er meget enkel. Hvis en steady-state-prøve kun adskiller sig fra en anden ved tilsætning af en art X, og tilføjelse af X bringer den absolutte overflod af Y ned, så kan vi konkludere, at X hæmmer væksten af ​​Y, "sagde Liu. Teamet viste, at denne enkle idé kan udvides til mere komplicerede tilfælde, hvor steady-state prøver adskiller sig fra hinanden med mere end en art. De verificerede, at hvis der blev indsamlet nok uafhængige steady state -data fra de mikrobielle samfund, derefter de mikrobielle interaktionstyper (positive, negative og neutrale interaktioner) og netværkets struktur kunne udledes uden at kræve nogen populationsdynamikmodellering. Metoden foreslået af teamet ligner andre netværksgenopbygningsmetoder baseret på steady-state data, men i modsætning til de tidligere metoder, der kræves ingen forstyrrelser på systemet. Desuden, et strengt kriterium blev fastlagt af teamet for at kontrollere, om en given steady-state data var i overensstemmelse med den generaliserede Lotka-Volterra (GLV) model-en klassisk populationsdynamik model i økologi, der matematisk beskriver forholdet mellem arter. Teamet fandt ud af, at hvis det mikrobielle samfund fulgte GLV -modellen, så kunne steady-state data også bruges til at udlede modelparametrene-interspecies interaktionsstyrker og vækstrater.

Metoden blev systematisk valideret ved hjælp af simulerede data genereret fra forskellige klassiske populationsdynamikmodeller med forskellige kompleksitetsniveauer. Derefter blev det anvendt på reelle data indsamlet fra fire forskellige syntetiske mikrobielle samfund, at finde ud af, at de udledte økologiske netværk enten stemmer godt overens med sandheden eller kan forudsige systemers reaktion på forstyrrelser.

Yderligere indsigt i mikrobielle økosystemer kommer fra en bedre forståelse af deres underliggende økologiske netværk. Afgørelse af økologiske netværk af menneskeligt associerede mikrobielle samfund ved hjælp af den metode, der er udviklet her, vil lette designet af personlige mikrobebaserede "cocktails, "som forfatterne skriver, til behandling af sygdomme relateret til mikrobiel dysbiose.

"Jeg er ret begejstret for denne metode, fordi det kan bane vejen for at kortlægge mere komplekse mikrobielle samfund, såsom den menneskelige tarmmikrobiota, hvilket igen vil hjælpe os med at designe bedre mikrobiombaserede terapier, "sagde Liu.