Простые модели лучше предсказывают функции микробных сообществ
Новый статистический подход игнорирует сложные взаимодействия между видами, но показывает высокую точность.
Основная задача в изучении микробных сообществ — понять, как их видовой состав определяет функцию (например, разложение загрязнителей или синтез полезных веществ). Традиционные подходы, учитывающие динамику взаимодействий между видами, требуют огромного объема данных и сложных вычислений.
Исследователи из Чикагского, Йельского и Вашингтонского университетов в Сент-Луисе предложили более простой метод. В статье, опубликованной в Nature Ecology & Evolution 2 октября 2023 года, они показали, что функцию сообщества можно точно предсказать, учитывая лишь присутствие или отсутствие видов, а не детали их взаимодействий.
Ключевой метод: «Ландшафт функции»
Ученые адаптировали концепцию «ландшафта приспособленности» из генетики:
- Вместо генетических мутаций — добавление или удаление видов из сообщества.
- Вместо приспособленности организма — функция сообщества (например, скорость производства определенного соединения).
- «Пики» на этом абстрактном ландшафте соответствуют сообществам с максимальной функциональной эффективностью.
Неожиданный результат: гладкие ландшафты
Протестировав модель на шести различных наборах данных (включая производство бутирата и разложение крахмала), команда обнаружила, что ландшафты функций оказались удивительно «гладкими» (не «изрезанными»). Это означает, что их форму можно аппроксимировать с помощью относительно небольшого объема данных.
Практическая ценность
- Точность: Простая модель предсказывает функцию так же хорошо, как и сложные подходы.
- Универсальность: Модель стабильно работает на очень разных наборах данных с разными микробами и функциями.
- Применение: Метод может стать инструментом для дизайна микробных сообществ с заданными свойствами (биоремедиация, восстановление микробиома).
Цитаты исследователей:
- Сеппе Кюн (UChicago): «Удивительно, но мы добиваемся такого же успеха, если игнорируем все [сложные взаимодействия]».
- Эбби Сквара (ведущий автор): «Модель... кажется, стабильно хорошо работает на разных наборах данных».
- Михаил Тихонов (WashU): «Успех этого простого подхода интригует, поскольку противоречит нашей интуиции об экологической сложности... Понимание, почему это так, — захватывающий теоретический вопрос».