gFlora：一种基于拓扑结构的方法，用于发现土壤微生物群落中的功能共响应群体

《IEEE Transactions on Computational Biology and Bioinformatics》：gFlora: A Topology-Aware Method to Discover Functional Co-Response Groups in Soil Microbial Communities

　　

细菌等微生物在土壤生态系统中发挥着关键作用：它们介导了土壤中碳、氮和养分循环等重要过程。为了管理土壤的健康和功能，了解哪些土壤功能与哪些微生物类群最为相关至关重要——但由于土壤生态系统的庞大和复杂性，这种类群与功能之间的关联关系难以发现。一个可行的解决方案是在群体层面而非个体层面发现这种关联，利用关于类群丰度和土壤功能指标的观测数据。因此，我们的目标是研究“功能响应群体”：这类群落的共同响应效应（代表整个功能群体的特征）能够与某个功能变量产生良好的统计关联。与现有方法不同，我们将土壤微生物群落建模为一个生态共现网络，其中类群作为节点（根据其丰度进行加权），它们之间的关系（结合空间和功能生态学方面）作为边（根据关系的强度进行加权）。然后，我们设计了一种名为gFlora的方法，该方法通过在该共现网络上应用图卷积来计算群体的共同响应效应，从而在发现过程中也考虑了网络拓扑结构。我们在四个真实的土壤微生物组数据集上评估了gFlora的性能（包括细菌和线虫，以及两个土壤功能：氮矿化和作物产量）。gFlora在所有评估指标上的表现都优于竞争方法，并且发现了迄今为止研究不足的微生物类群的新功能证据。我们表明，图卷积对于丰度相对较低的类群尤为重要（从而消除了对丰度较高类群的偏见），并且不同属的细菌在共现网络中分布广泛，但彼此之间仍然保持紧密联系，这证明了从拓扑结构角度来看...

显示更多

土壤的健康与其生物状况密切相关：土壤生物学决定了其作为生命系统运作并提供生态系统服务的能力[12]。尽管理解、预测和控制土壤健康及功能至关重要，但由于土壤群落规模庞大（包含数千种不同的细菌和其他微生物类群），且类群间存在大量未知的相互作用（这些相互作用既无法在原位单独观察，也无法在实验室中培养出所有已知类群），因此很难建立一个功能模型[13]。系统地发现单个类群的功能尤其具有挑战性[13]。目前最常用的方法是通过功能基因注释和分类学来实现这一目标，但由于群落的规模、复杂性以及表型特征描述不足，这些注释的质量较低[28]、[40]。此外，即使正确发现了某个遗传途径，也不能保证该途径在生物体的实际环境中会被表达。