Стохастическая модель точнее описывает взаимодействия в микробиоме
Традиционные модели для анализа микробных сообществ часто опираются на среднюю численность микроорганизмов во времени. Хотя такие модели могут эффективно предсказывать временные изменения, они часто не способны уловить реальные взаимодействия между микробами.
Международная исследовательская группа, включающая учёных из Института эволюционной биологии Макса Планка (MPI-EB), Университетского колледжа Лондона (UCL) и Университета Экс-Марсель, разработала метод, который выходит далеко за рамки традиционного подхода.
"Наша модель учитывает не только средние значения, но также изменчивость и корреляции между точками данных, что позволяет нам гораздо точнее улавливать микробные взаимодействия", — объясняет доктор Роман Сапьен-Кампос, ведущий автор исследования, опубликованного в PLOS Biology.
Исследователи разработали стохастическую модель, основанную на микроскопических скоростях переходов (таких как рождение, миграция или мутации), и рассчитали статистические моменты состава микробиома. Этот подход позволяет определить как сами параметры, так и их неопределённости. Он не только даёт более надёжные прогнозы о динамике микробных сообществ, но и позволяет детально идентифицировать конкретные взаимодействия между микробами.
"Наш метод заполняет критический пробел между метагеномными данными и экологическими моделями", — говорит соавтор Арне Траульзен.
Важно, что подход работает как с данными об относительной численности (типичными для метагеномных исследований), так и с данными об абсолютной численности. Это значительно расширяет область его применения.
Метод был успешно протестирован на смоделированных данных, а также применён для анализа упрощённого микробиома мыши, состоящего из двенадцати хорошо охарактеризованных видов.
"Мы смогли не только раскрыть основные механизмы этих микробных сообществ, но и точно количественно оценить неопределённости в параметрах модели", — объясняет соавтор доктор Флоренс Бансепт.
Это исследование представляет собой значительный шаг вперёд в понимании микробных экосистем и их взаимодействий с хозяевами. Новый метод открывает перспективы для лучшего понимания микробиомов в медицине и микробных сообществ в окружающей среде.