动态映射揭示肠道微生物组隐藏动态

Dynamic mapping exposes hidden dynamics of gut microbiome

通过追踪小鼠肠道中原生细菌和大肠杆菌（E. coli）的每一次移动和突变，科学家们揭示了群落协作如何影响细菌在肠道中的主导地位。

一项发表于《自然通讯》（Nature Communications）的研究报告称，在小鼠肠道中，大肠杆菌与原生肠道菌群之间复杂的种内和种间相互作用决定了其定植情况。

背景

肠道菌群的组成、稳定性和功能与其宿主的健康和疾病密切相关。这些菌群特征由群落中不同物种之间的相互作用（种间相互作用）所决定。测量群落相互作用的黄金标准方法是在动物或细菌培养物中进行成对共培养竞争实验。

测量这些相互作用是预测群落简单组装规则的一种有用策略。然而，微生物在其自然环境中同时经历多个物种的影响，并面临难以在实验室细菌培养条件下模拟的挑战性环境。其中一些物种甚至难以分离和培养。

除了种间相互作用外，同一物种内的微生物也会由于突变产生的遗传差异而发生相互作用。然而，这种种内相互作用及其对群落组成和稳定性的影响很少被实验验证。

鉴于种间和种内相互作用在塑造微生物群落稳定性和动态方面的重要性，研究人员开发了一种通用方法——动态协方差映射（Dynamic Covariance Mapping, DCM），用于从高分辨率群落丰度时间序列数据中估算群落相互作用。他们将DCM应用于大肠杆菌在小鼠肠道微生物组定植过程中的研究。与传统模型不同，DCM不假设物种间的相互作用强度随时间保持不变，从而能够捕捉群落内部的时间变化和演化动态。

研究内容

研究人员量化了大肠杆菌在三组不同小鼠肠道微生物组定植过程中的种间和种内相互作用：无菌小鼠、经抗生素预处理导致微生物组减少的小鼠，以及具有天然微生物组的小鼠。他们使用经抗生素处理但未被大肠杆菌定植的小鼠作为实验对照。

研究人员在实验小鼠中引入DNA条形码标记的大肠杆菌种群，并在多个时间点收集粪便样本，以捕捉大肠杆菌在肠道中的运动动力学。他们从粪便样本中提取细菌基因组DNA，并对大肠杆菌的条形码区域进行深度测序，实现高分辨率的谱系追踪。同时，他们还使用16S rRNA谱型分析追踪了定居细菌群落的动态。

随后，研究人员将高分辨率的群落丰度时间序列数据与DCM结合，量化定植过程中的种间和种内相互作用。为了识别动态变化，研究人员使用主成分分析（PCA）对DCM得出的数学特征值进行分析，从而定义并区分定植和群落恢复的不同“阶段”。

作者还进行了技术模拟，以确保PCR偏差和条形码丢失等因素不会干扰高分辨率的条形码谱系追踪，证实了数据的可靠性。

主要发现

DCM分析识别出易感群落在定植过程中出现的明显时间阶段。在微生物组减少的小鼠肠道中引入大肠杆菌后，最初某些定居细菌群落的数量减少，随后定居细菌群落复苏并与大肠杆菌共存。

进一步分析大肠杆菌克隆与定居群落的共聚类关系表明，这些时间阶段是由种内和种间相互作用塑造的。特定的大肠杆菌克隆谱系（通过条形码区分）反复与某些细菌家族如Lachnospiraceae和Enterococcaceae相互作用，并反映它们的数量动态。

通过对培养粪便样本中单独挑选的菌落进行全基因组测序，研究人员发现了定植后常见的突变，这些突变在无菌和微生物组减少的小鼠中均存在。这些突变在不同小鼠和个体菌落中重复出现，表明其具有适应意义，可被视为引起种内变异的遗传机制。

关键突变包括运动相关基因的大片段缺失（如flhE-flhD区域）、糖代谢相关基因的变化（如麦芽糖调控系统和乳糖操纵子抑制因子lacI），以及核心代谢基因（如异柠檬酸脱氢酶）中的同义突变。许多这些突变此前已被证明与肠道适应有关，因为它们可以影响大肠杆菌的运动性、生物膜生成和基本代谢功能。

一些遗传适应是特定微生物组环境（无菌或抗生素减少）独有的，而另一些则出现在两组中，表明定植过程中存在趋同和情境特异性的进化压力。

研究意义

该研究提供了一种通用方法来量化微生物群落相互作用及其对微生物组稳定性和动态的影响，特别是在入侵物种引发扰动之后。

研究中开发的DCM方法代表了一种分析微生物定植稳定性和不同时间阶段的模型方法，仅需高分辨率的时间序列丰度数据即可开始分析。

DCM的工作原理类似于一般的数学框架，例如Lotka-Volterra（gLV）模型，后者常用于探索生态系统中相互作用物种的动态。然而，gLV模型不考虑突变、种内变异和定植，而是假设环境恒定。因此，该模型无法捕捉肠道微生物组定植过程中发生的复杂动态相互作用。

另一方面，DCM将一个物种的生长速率与其它群落成员的丰度联系起来，并不假设群落内的相互作用强度矩阵是恒定的。通过纳入时间依赖性变化和高分辨率谱系数据，DCM可以揭示推动微生物群落组装和稳定的生态（群落级）和进化（种内）动态之间的相互作用。

这些特性使DCM成为分析耦合生态-进化动态的有前景模型，其中肠道微生物组作为生态系统，种内遗传变异作为进化动态。

DCM的一个潜在缺点是，丰度采样频率需要足够高以捕捉群落动态的丰富性，因为该模型完全依赖于微生物组丰度时间序列数据。高频和准确的采样对于确保不会遗漏微生物组的快速或细微变化至关重要。

研究还强调了“群落抗性”的重要性：具有天然（未受干扰）微生物组的小鼠大多能抵抗大肠杆菌的定植，并且个体反应各异。DCM分析显示这些抗性小鼠中入侵几乎没有或没有明显的时间阶段。这突显了定居微生物组的多样性和结构在抵御入侵方面的缓冲作用。

正如研究人员所述，随着未来的发展，DCM可以为预测微生物组如何响应扰动提供一个框架，尤其是在病原体入侵和进行粪菌移植治疗人类疾病时。

【全文结束】