实验绘制细菌适应度景观图谱揭示生态进化指纹：营养谱系塑造微生物动态的新视角

本刊推荐：为解析微生物在自然环境中的动态规律，研究人员通过高通量生长实验，系统绘制了六种细菌在195种培养基中的适应度景观（fitness landscape）。研究发现生长速率（r）与系统发育和生物地理特征高度一致，而承载能力（K）则表现出菌株特异性响应。该研究首次在实验生态学框架下揭示了细菌生长性状与进化历史的关联，为微生物功能预测和生态设计提供了新范式。

　　

微生物在自然环境中的动态规律一直是生态学研究的重大挑战。虽然野外调查能反映真实生态场景，但其复杂性往往难以解析机制性规律。实验生态学通过受控的"瓶装实验"（bottle experiment）为理解自然系统提供了新途径，其中微生物系统因其惊人的多样性和适应性成为理想模型。然而，现有研究多局限于大肠杆菌等模式生物，或在有限环境中测试高遗传变异性，或在广泛化学梯度中考察有限遗传变异性，这种局限性制约了微生物适应度景观（fitness landscape）研究的普适性。更关键的是，实验室培养获得的微生物生长特征能否真实反映自然生态动态，仍是悬而未决的核心问题。

针对这些挑战，张舒阳和应蓓雯研究人员在《Scientific Reports》发表了创新性研究。他们通过系统评估不同细菌物种在受控环境条件下的适应度景观，首次在实验生态学框架下证实实验室生长特征能够有效反映自然生态规律。研究采用高通量生长分析方法，对六种来自广泛系统发育范围的细菌菌株在195种不同培养基中的生长动态进行精确量化，成功构建了包含4,680条生长曲线的庞大数据集。

研究采用几个关键技术方法：首先选择六种具有系统发育代表性的细菌菌株（包括Escherichia coli BW25113、Staphylococcus arlettae等）；其次设计包含30种组分（4种天然成分和26种纯化学化合物）的培养基体系，通过对数浓度梯度变化构建195种培养基条件；然后使用微孔板读数仪进行高通量生长监测，获得OD₆₀₀动力学数据；最后采用机器学习算法（梯度提升决策树GBDT）分析培养基组分对生长参数的影响权重，并通过主成分分析（PCA）和层次聚类等方法解析生长模式与生态进化特征的关系。

不同培养基谱系下六种细菌菌株的生长特征

研究人员首先考察了六种细菌在广泛培养基谱中的生长情况。通过计算最大生长速率（r）和承载能力（K）这两个关键参数，发现不同菌株的r和K分布呈现显著差异。大多数菌株显示双峰或多峰分布，唯独Brevundimonas subvibrioides（Bs）呈现单峰分布，表明其在测试培养基谱中具有相对狭窄的营养生态位。这些差异化的生长分布反映了菌株来源生境环境的多样性，说明实验室培养条件能够捕捉细菌在自然环境中的营养生态位分化。

菌株间在测试培养基谱中存在r的权衡关系

通过相关性分析发现，菌株间在K参数上呈现高度一致性（15对中有14对显示正相关），而在r参数上则表现出分化模式（11对正相关，4对负相关）。这表明不同培养基对r和K的影响机制存在本质差异：K反映的是营养利用能力的共性特征，而r则更能体现菌株间适应度景观的差异。主成分分析进一步证实这一发现，r的变异主要集中在一个主导维度（PC1解释84.7%方差），而K需要多个维度才能充分解释。

r的特征谱反映生态进化关系

研究最引人注目的发现是生长速率r的特征谱与细菌的系统发育关系和生物地理特征高度一致。通过比较菌株的生物地理分布（来自ProkAtlas数据库）和季节性出现频率（来自GBIF数据库），发现基于r的聚类树与基于生物地理特征的聚类树完全匹配，也与16S rRNA系统发育树高度一致。这表明在严格控制实验室条件下获得的生长特征谱能够有效反映自然界中的生态进化特征，细菌对营养环境的响应是进化保守的而非随机的。相比之下，K的模式与这些生态进化特征缺乏一致性，季节性出现频率也与生长特征谱不匹配，这可能是由于自然界中的时间丰度变化还受到其他环境因素的影响。

决定r和K的培养基组分在通用性和特异性上存在差异

研究人员使用梯度提升决策树（GBDT）机器学习算法分析了31种培养基因子（离子形式）对r和K的影响权重。结果显示，不同因子对r和K的贡献模式存在显著差异。钾离子（K⁺）是对大多数菌株r和K影响最大的通用性因子，但也有一些菌株特异性因子：如Bs的r主要受肉源蛋白胨影响，Lactiplantibacillus plantarum（Lp）的r主要受胆酸盐（C₂₄H₃₉O₅）影响。对于K，决定因子更加菌株特异性：氯化物（Cl^-）对Escherichia coli（Ec）最重要，磷酸盐（PO₄）对Aeromonas salmonicida（As）最关键。这种通用性和特异性的差异为理解r为何能更好反映生态进化关系提供了机制性解释。

培养基组分对r和K的作用方式存在差异

通过层次聚类分析，31种因子被分为四个类别，这些类别中的因子具有相似的菌株影响模式，但其生物学功能或化学特性却各不相同。对r而言，六个菌株主要受到四个不同类别因子的影响；而对K，菌株主要受到两个类别因子的影响。此外，只需要少数关键因子（2-10个 out of 31）就能解释约70%的总特征重要性，且决定r的因子数量通常多于K。这种差异化的贡献模式解释了为什么r而非K的模式能够反映系统发育和生物地理树。

连接细菌适应度与实验生态学的景观图谱

研究人员通过PCA和等高线映射构建了细菌在培养基空间中的适应度景观。结果显示，六种菌株的适应度景观在底部高度重叠，越接近顶部则分离越明显。在最高适应度水平（0.9~1.0）上，既存在重叠峰也存在分离峰。r的景观显示菌株间既有共享的营养生态位，也存在生态位分化；而K的景观则在六种菌株间高度重叠，这可能反映了K受到共同主导培养基组分的影响。这些景观图谱直观展示了细菌在营养资源利用上的生态策略分化。

研究结论与讨论部分强调，这项工作成功将实验室条件下的适应度景观与自然生态特征联系起来，证明细菌生长特征谱能够作为生态进化指纹（eco-evolutionary fingerprints）。研究发现生长速率r比承载能力K更能反映细菌的系统发育关系和生物地理特征，这一发现深化了对微生物种群动态定量理解。r与生态进化关系的高度一致与其在细胞和生态研究中的重要作用相符：在实验室研究中，r与核糖体功能、基因表达和蛋白质分配协调；在野外研究中，它与资源可用性、生物量生产和元素同化复杂相连。

研究还揭示了一些反直觉的发现：尽管K常被认为是资源限制下竞争能力的代理指标，但其模式缺乏系统发育一致性，表明K可能反映的是更灵活、菌株水平的调控特征而非深度保守的特征。在化学复杂环境中，后期生长可能受到依赖于辅助功能或适应性可塑性的瓶颈影响，使K与系统发育解耦。菌株特异性组分可能发挥作用，但这些作用与系统发育距离并不完全一致。

该研究的局限性包括测试培养基谱和菌株选择的限制，天然成分的引入可能导致化学化合物识别的偏差，对数浓度变化可能不完全适合所有菌株的生态位。尽管如此，这项工作提供了大量定量数据集，将培养基组成与不同细菌生长联系起来，为理解环境复杂性与系统发育特征的关系提供了新策略。

这项研究的意义在于，它架起了传统微生物分类学与功能生态学之间的桥梁，表明功能性状（如生长）为探索性状-系统发育关系提供了框架，可能为未来的微生物设计提供信息。通过实验室条件下的精确量化，研究人员能够捕捉到自然界中微生物适应度景观的关键特征，为预测微生物在变化环境中的动态响应提供了新基础。