原文链接：Design of synthetic human gut microbiome assembly and butyrate production | Nature Communications

Abstract

The capability to design microbiomes with predictable functions would enable new technologies for applications in health, agriculture, and bioprocessing. Towards this goal, we develop a model-guided approach to design synthetic human gut microbiomes for production of the health-relevant metabolite butyrate. Our data-driven model quantifies microbial interactions impacting growth and butyrate production separately, providing key insights into ecological mechanisms driving butyrate production. We use our model to explore a vast community design space using a design-test-learn cycle to identify high butyrate-producing communities. Our model can accurately predict community assembly and butyrate production across a wide range of species richness. Guided by the model, we identify constraints on butyrate production by high species richness and key molecular factors driving butyrate production, including hydrogen sulfide, environmental pH, and resource competition. In sum, our model-guided approach provides a flexible and generalizable framework for understanding and accurately predicting community assembly and metabolic functions.

摘要

设计具有可预测功能的微生物组的能力将推动新技术在健康、农业和生物加工等领域的应用。为了实现这一目标，我们开发了一种模型引导的方法，用于设计合成人类肠道微生物组，以产生与健康相关的代谢产物丁酸。我们的数据驱动模型分别量化了影响生长和丁酸产生的微生物相互作用，为驱动丁酸产生的生态机制提供了关键见解。我们使用模型通过设计-测试-学习循环来探索广泛的群落设计空间，以确定产生高丁酸的群落。我们的模型可以准确预测在各种物种丰富度下的群落组装和丁酸产生情况。在模型的指导下，我们确定了高物种丰富度和驱动丁酸产生的关键分子因子，包括硫化氢、环境pH和资源竞争，对丁酸产生的限制。总之，我们的模型引导方法为理解和准确预测群落组装和代谢功能提供了灵活和可推广的框架。

图1 用于预测微生物群落组装和代谢功能的迭代建模框架。a 预测群落组装和功能的两阶段建模框架。广义的Lotka-Volterra模型（gLV）表示群落动态。采用贝叶斯推断方法确定由生物和技术变异引起的参数不确定性。线性回归模型与相互作用图将组装后的群落组成映射到代谢物浓度。结合这两个模型能够从初始物种丰度预测代谢物浓度的概率分布。b 模型开发的设计-测试-学习循环。首先，我们使用我们的模型探索可能实验的设计空间（即不同的物种存在/缺失的初始条件），并设计跨越所需代谢物浓度范围的群落。接下来，我们使用高通量实验测量物种丰度和代谢物浓度。最后，我们评估模型的预测能力，并根据新的实验测量推断出一组更新的参数。c 由25个高度普遍和多样化的物种组成的合成人类肠道微生物组的系统发生树。分支颜色表示门，下划线物种表示丁酸产生菌株。

图2 利用训练的1–2个物种群落的模型探索3–5种成员群落预测丁酸产量。

a 类别散点图显示了1–2种物种和24–25种物种群落中的丁酸产量。实心数据点表示生物重复的平均值，这些生物重复由透明数据点连接到平均值，连接线也是透明的。颜色指示了群落中存在的丁酸产生菌株，绿色表示存在多个丁酸产生菌株。DP− 和 AC− 分别表示24种物种群落中缺乏 Desulfovibrio piger（DP）和 Anaerostipes caccae（AC）。

b 针对所有含有至少一个丁酸产生菌株的3–5种成员群落（46,591个群落预测），预测的丁酸浓度中位数（黑线）和60%置信区间（灰色条）。彩色线条表示实验设计中选择的群落的丁酸产量中位数和60%置信区间，颜色表示群落中的物种数量（156个群落）。

c 3–5种物种群落的测量丁酸与预测丁酸的散点图。颜色表示群落中存在的丁酸产生菌株与a中的相同。生物重复（n = 1–5，取决于群落，源数据中的确切值）由透明方块表示，与相应的平均值连接，平均值由大数据点表示。预测误差条（x轴）表示预测丁酸分布的60%置信区间，中心为中位数预测值。虚线表示测得的丁酸平均值与预测的丁酸中位数之间的线性回归。指示的统计数据为Pearson相关系数（双侧）。源数据可在源数据文件中找到。

图3 群落组成-功能景观揭示了丁酸生产互作对A. caccae的关键作用以及D. piger对丁酸生产的负面影响。

a 预测总丁酸产生菌丰度与预测丁酸浓度的散点图，其中所有五种丁酸产生菌都存在（1,048,576个群落）。直方图显示了给定轴上的丁酸浓度分布。根据存在（红色）或不存在（蓝色）D. piger（DP）的群落着色。蓝色和红色虚线表示具有（红色，y = −2.3x + 25.8，r = −0.34）或不具有（蓝色，y = 3.1x + 28.0，r = 0.76）DP的群落的线性回归。白色星号表示完整的25个成员群落，黑色星号表示仅含五种丁酸产生菌的群落。大数据点表示用于实验验证的群落。黑色三角形表示遗漏一个群落，黑色圆圈表示设计的群落，灰色方块表示随机群落，开/闭符号表示DP的缺席/存在。

b 预测总丁酸产生菌丰度与预测丁酸浓度的散点图，其中所有四种丁酸产生菌除AC外均存在（1,048,576个群落）。直方图显示了丁酸浓度分布。灰色虚线表示所有群落的平均预测丁酸浓度。黑色虚线表示所有群落的线性回归（y = 13.2x−0.1，r = 0.64）。白色星号表示完整的24个成员群落，黑色星号表示仅含四种丁酸产生菌的群落。大数据点表示用于实验验证的群落。

c、d AC存在（c）和不存在（d）的群落的实验测量总丁酸产生菌丰度与丁酸浓度的散点图。数据点形状对应于a和b中的图例，并表示生物重复的平均值，生物重复显示为与相应平均值连接的小数据点（n = 2，除了5 BP，24和25种物种群落，其中n = 5–8）。

虚线（d）表示所有群落的线性回归（y = 8.9x−0.5）。

e 展示了在设计的5BP群落和4BP群落的实验设置中，带有和不带有DP的群落的丁酸浓度的比较。数据点形状对应于a和b中的图例，并表示生物重复的平均值，生物重复显示为与相应平均值连接的小数据点。箱线图表示每个群落的平均丁酸浓度的中位数（中线）、四分位数（盒子）和范围（须），排除了异常值（超出1.5倍四分位距的点）。指示的p值来自Mann-Whitney U检验（5BP设计：DP+ n = 28，DP- n = 54；5BP随机：DP+ n = 27，DP- n = 55；4BP：DP+ n = 42，DP- n = 42）。f 生长24小时后的单位生物量丁酸浓度与硫化物浓度的关系。丁酸浓度与生物量的比值被标准化为无硫化物条件。圆圈表示生物重复的平均值，透明方块表示个别重复（n = 4）。插图：AC添加1.6 mM硫化物后单位生物量的丁酸浓度（mM OD600−1），随时间变化的情况（n = 3）。插图中显示的终点硫化物

图4 模型准确预测了丁酸产量，并揭示了pH和资源竞争对A. caccae丁酸产量的组合效应的见解。

a 高物种丰富度群落预测与实测丁酸浓度的散点图。模型参数基于一半高物种丰富度群落数据进行更新，并用于预测其余一半。透明数据点表示生物重复，并通过透明线连接到相应的平均值（n = 2–8，取决于群落）。实线灰线表示x = y。虚线表示预测与平均测量的线性回归（y = 0.99x−4.6，Pearson双侧相关系数r = 0.86，p = 1*10−44）。

b 示意图表示提出的pH和糖竞争之间关系，调节高物种丰富度群落中AC的丁酸产量。红色边缘表示对丁酸产量有负面影响的过程，蓝色边缘表示增强丁酸产量的过程。在高物种丰富度群落中，“酸化剂”的丰度与乳酸浓度呈正相关，与pH呈负相关。在高物种丰富度群落中，“pH缓冲剂”的丰度与pH呈正相关。请注意，这些过程的物种贡献预计将取决于环境。热图表示丁酸景观的定性表示，其作为资源竞争的强度和环境pH的函数。

c AC单培养物在不同初始pH和糖浓度下的丁酸产量与生物量的热图。所示值为每个条件的三个生物重复的平均值。源数据可在源数据文件中找到。

图5 预测的生物多样性-生态系统功能关系对于总生物量和丁酸产量。小提琴图显示了在每个丰富度水平下所有可能群落的预测(a) 总生物量或(b) 丁酸浓度的分布。实线表示每个分布的中位数，虚线表示每个分布的第5和第95百分位数（在每个群落丰富度值处的n等于25选择k，其中k是丰富度）。

转载本文请联系原作者获取授权，同时请注明本文来自王敬敬科学网博客。
链接地址：https://blog.sciencenet.cn/blog-2675068-1433349.html

上一篇：2021 NC 合成微生物群落的自动化设计
下一篇：2024 NPJ-SBA 从大型微生物群落设计特定功能的的最小微生物组