Вывод основных экологических сетей микробных сообществ важен для понимания их структуры и реакции на внешние раздражители. Но сделать точные выводы о сети может быть очень сложно. В статье, опубликованной в журнале Nature Communications, исследователи из Brigham and Women's Hospital подробно описывают метод, облегчающий вывод о сети за счет использования устойчивых данных без изменения микробных сообществ.
«Существующие методы требуют принятия конкретной модели динамики популяции, которая заранее не известна», - сказал Ян-Ю Лю, доктор философии, из отделения сетевой медицины Чаннинга.«Более того, эти методы требуют подгонки временных данных об изобилии, которые часто недостаточно информативны для надежных выводов».
Чтобы получить более информативные временные данные, исследователи должны вводить большие возмущения для изменения микробных сообществ, что не только сложно на практике, но и потенциально сомнительно с этической точки зрения, особенно для микробных сообществ, связанных с человеком. Новый метод, разработанный исследователями BWH, позволяет избежать этой дилеммы.
Основная идея очень проста. Если один стационарный образец отличается от другого только добавлением одного вида X, а добавление X снижает абсолютную численность Y, то мы можем заключить, что X ингибирует рост Y, - сказал Лю. Команда показала, что эту простую идею можно распространить на более сложные случаи, когда стационарные образцы отличаются друг от друга более чем одним видом. Они подтвердили, что, если будет собрано достаточно независимых данных об устойчивом состоянии от микробных сообществ, то типы микробных взаимодействий (положительные, отрицательные и нейтральные взаимодействия) и структура сети могут быть выведены без необходимости моделирования динамики популяции. Метод, предложенный командой, напоминает другие методы реконструкции сети, основанные на стационарных данных, но, в отличие от предыдущих методов, к системе не требуется применять возмущения. Кроме того, команда установила строгий критерий для проверки того, согласуются ли какие-либо заданные устойчивые данные с обобщенной моделью Лотки-Вольтерры (GLV) - классической моделью динамики популяций в экологии, которая математически описывает отношения между видами. Команда обнаружила, что если микробное сообщество следует модели GLV, то стационарные данные также могут быть использованы для вывода параметров модели - силы межвидового взаимодействия и скорости роста..
Метод был систематически проверен с использованием смоделированных данных, полученных из различных классических моделей динамики населения с различными уровнями сложности. Затем его применили к реальным данным, собранным из четырех различных синтетических микробных сообществ, и обнаружили, что предполагаемые экологические сети либо хорошо согласуются с реальной истиной, либо могут предсказывать реакцию систем на возмущения.
Дополнительные сведения о микробных экосистемах появятся благодаря лучшему пониманию лежащих в их основе экологических сетей. Вывод экологических сетей микробных сообществ, связанных с человеком, с использованием разработанного здесь метода облегчит разработку персонализированных «коктейлей» на основе микробов, как пишут авторы, для лечения заболеваний, связанных с микробным дисбактериозом.
«Я очень взволнован этим методом, потому что он может проложить путь к картированию более сложных микробных сообществ, таких как микробиота кишечника человека, что, в свою очередь, поможет нам разработать лучшие методы лечения на основе микробиома», - сказал Лю.