原文链接：Designing function-specific minimal microbiomes from large microbial communities | npj Systems Biology and Applications (nature.com)

Abstract

Microorganisms exist in large communities of diverse species, exhibiting various functionalities. The mammalian gut microbiome, for instance, has the functionality of digesting dietary fibre and producing different short-chain fatty acids. Not all microbes present in a community contribute to a given functionality; it is possible to find a minimal microbiome, which is a subset of the large microbiome, that is capable of performing the functionality while maintaining other community properties such as growth rate and metabolite production. Such a minimal microbiome will also contain keystone species for SCFA production in that community. In this work, we present a systematic constraint-based approach to identify a minimal microbiome from a large community for a user-proposed function. We employ a top-down approach with sequential deletion followed by solving a mixed-integer linear programming problem with the objective of minimising the L1-norm of the membership vector. Notably, we consider quantitative measures of community growth rate and metabolite production rates. We demonstrate the utility of our algorithm by identifying the minimal microbiomes corresponding to three model communities of the gut, and discuss their validity based on the presence of the keystone species in the community. Our approach is generic, flexible and finds application in studying a variety of microbial communities. The algorithm is available from https://github.com/RamanLab/minMicrobiome.

摘要

微生物存在于种类繁多的大型群落中，展现出各种功能。例如，哺乳动物的肠道微生物组具有消化膳食纤维和产生不同的短链脂肪酸的功能。并非所有存在于群落中的微生物都对特定功能有贡献；可以找到一个最小微生物组，它是大型微生物组的一个子集，能够执行该功能，同时保持其他群落属性，如生长速率和代谢产物的产生。这样的最小微生物组还将包含该群落中SCFA产生的关键物种。在这项工作中，我们提出了一种系统的基于约束的方法，用于为用户提出的功能从大型群落中识别最小微生物组。我们采用自上向下的方法，进行顺序删除，然后解决一个目标是最小化成员向量的L1范数的混合整数线性规划问题。值得注意的是，我们考虑了群落生长率和代谢产物产生率的定量测量。我们通过识别与肠道三个模型群落相对应的最小微生物组，并根据群落中关键物种的存在讨论它们的有效性，展示了我们算法的实用性。我们的方法是通用的、灵活的，并适用于研究各种微生物群落。该算法可从 https://github.com/RamanLab/minMicrobiome 下载。

表1 预测的最小微生物组

图1 | 算法参数对最小微生物组大小和丁酸产量的影响。三个面板显示了参数 gr_opt_frac - 用于代谢产物生产的最小个体生长率比例（a）、gr_frac - 最小微生物组中的最小生长率比例（b）和 scfa_frac - 最小微生物组中的最小代谢产物产量比例（c）变化时，在高纤维饮食条件下9个成员群落的最小微生物组中的生物数量。在（a）中，当 gr_opt_frac 变化时，对应的丁酸产量率显示在次要Y轴上。

图2 | 在高纤维饮食条件下从25个成员群落中确定的30个最小微生物组。X轴表示不同的最小微生物组。在（b）的示意图中，最小微生物组中的物种的存在（深橙色）或缺失（浅橙色）被指示出来，并且相应的每个最小微生物组的最大丁酸产量率由（a）中的条形图显示。仅在至少一个最小微生物组中存在的物种在（b）中被指示。

图3 | 所提算法的示意图。上方的每个圆表示具有不同微生物的微生物群落，每个微生物都有自己的代谢网络。在每个步骤中，由彩色方块表示，描述了公式中描述的各种步骤。三角形表示来自每个微生物群落的分泌代谢产物（目标，如短链脂肪酸产生）。在步骤C和D中进行最小化，利用从步骤A和B获得的生长和产量速率的约束。