《PLOS Computational Biology》：Novel artificial selection method improves function of simulated microbial communities
编辑推荐：
本综述提出了一种名为"解构选择（DS）"的新型微生物群落人工选择方法，通过计算模型系统比较了传统繁殖体选择（PS）和迁移池选择（MS）方法的局限性。研究显示DS方法通过定期重组物种组合维持群落间多样性，使群落降解功能进入所有可能组合的前1%水平。该方法为解决微生物群落育种中的遗传性、群落内选择与群落间选择平衡等核心挑战提供了新思路，为设计更有效的群落选择实验奠定了理论基础。
模拟群落水平选择的研究框架
研究团队开发了基于个体的模型（IBM）和常微分方程模型（ODE）两种计算模型，参数设置参考真实实验条件。每个模拟从21个群落开始，每个群落包含4个随机选自15个初始物种库的物种。模型关键创新在于引入了生长与降解投入的权衡机制：微生物消耗的营养部分用于细胞生长（1-∑fik），部分用于毒素降解（∑fik）。
三种选择方法的比较分析
传统繁殖体选择（PS）方法通过稀释高评分群落进行传代，而迁移池选择（MS）则将优选群落混合后重新分配。新提出的解构选择（DS）方法则采用截然不同的策略：将优选群落解构为独立物种，在重新组合时引入物种随机增减机制。这种方法显著提高了群落间β多样性，使探索的物种组合数量远超传统方法。
解构选择的性能优势
经过50轮选择后，DS方法使群落最大降解评分提升0.22±0.06单位，显著优于PS（-0.03±0.06）和MS（-0.12±0.09）。更重要的是，DS找到的群落在所有32767种可能组合中的排名进入前1%，在17/50次模拟中发现了最佳组合。这些优选群落表现出更高的降解投入（0.5→0.65）、物种多样性（有效物种数增加）以及营养/毒素覆盖的互补性。
群落功能的内在机制
高性能群落的核心特征包括：物种间营养摄取专一性降低竞争，毒素降解能力互补产生协同效应。DS选择的群落降解协同性显著高于随机组合，表明方法成功筛选出了功能互补的物种组合。这种协同作用使群落整体功能超越各物种单独作用的总和。
物种进化与群落稳定性
尽管DS能发现优异物种组合，但群落生态稳定性存在挑战。当移除人工控制的等比例接种条件后，DS群落的降解评分下降0.21±0.14，接近选择期间的增益。这表明高性能依赖于持续的生态调控。相反，PS和MS方法获得的群落稳定性更高，但功能提升有限。
实验参数优化策略
通过参数敏感性分析发现，初始物种库规模与降解效果呈强正相关（Spearman's ρ=0.85），而群落数量影响较小（ρ=0.35）。入侵物种频率存在最优值，过高会破坏优势组合的维持。稀释因子与评分正相关，80时间步长的培养周期接近最优设置。
方法应用的实验设计启示
解构选择法的主要优势在于大幅扩展了物种组合的探索空间，其思路借鉴了遗传算法中的交叉操作。但实验实施需权衡操作复杂度与收益，当功能与生长存在权衡关系时，仅使用祖先物种而非进化菌株即可获得大部分增益，这显著降低了实验难度。
未来发展方向
研究指出群落育种需解决三个核心挑战：功能遗传性、选择层级平衡和表型变异维持。虽然DS方法在变异维持方面表现突出，但群落生态稳定性和遗传性仍是待解决的问题。将选择范围限制在生态稳定的物种组合，或通过多轮传代使群落均衡化，可能是提高结果实用性的有效途径。
