科研 | Nature Microbiology：环境刺激促使合成光养群落由合作走向竞争
编译：Frank，编辑：十九、江舜尧。
原创微文，欢迎转发转载。
光合藻类或蓝藻的光养群落、异养细菌以及真菌在环境中普遍存在，然而，群落成员之间通过相互作用促进光养群落恢复力和适应力的机制尚不完全清楚。本研究将宏转录组学、代谢组学和表型与计算模型相结合，以揭示综合群落中代谢物的条件依赖性分泌和交互供给。作者发现，成员之间的相互作用是高度动态的，并且受有机和无机营养素可用性的影响，氨浓度等环境因素可以将群落成员间的协作关系转变为竞争关系从而影响群落的稳定性。此外，总体适应度取决于基因型，简化的基因组改善了整个群落的生长状况。本文提出的机制构架为微生物群落对环境和遗传扰动的生理和代谢反应提供了更深刻的见解。
论文ID
原名：Environmental stimuli drive a transition from cooperation to competition in synthetic phototrophic communities
译名：环境刺激促使合成光养群落由合作向竞争过渡
期刊：Nature Microbiology
IF：14.3
发表时间：2019.10
通信作者： Karsten Zengler
通信作者单位：加利福尼亚大学圣地亚哥分校生物工程系；加利福尼亚大学圣地亚哥分校微生物组创新中心
实验设计
1.菌株
利用普通小球藻UTEX 395，iCZ843和酿酒酵母iMM904的代谢模型重建光养群落模型。使用COBRA工具箱中的可用工具和公式（1）中的公式对每个模型执行了ATP，NADPH和NADH质量控制和评估测试。
光合微生物能够适应环境扰动，从而适应并大幅改变其生物量的元素组成（碳，氮，磷和硫）。每个成对的生物质组成（藻类-真菌）均设置为单个生物质目标函数，采用标准限制条件，根据从共培养获得的实验数据计算葡萄糖摄取率。使用COBRA工具箱中的Gurobi Optimizer v.5.6.3解算器执行所有CM模型模拟。使用通量平衡分析和方程（1）一起模拟了群落成员的最大增长率。
CM模型用于模拟生长速率并预测标准条件下的代谢相互作用，确定影响群落相互作用的主要代谢化合物，并通过改变摄取率进行敏感性分析，寻找针对环境条件的群落成员特异性生长。通量平衡分析包括了影子价格的计算，该影子价格通过模拟代谢网络中所有代谢物的一次补充来显示增长率的变化。影子价格为负值表示需要或正在限制增长率的代谢产物，而正值表示为了提高增长率而排泄的代谢产物。
通过迭代消除组合模型iCZ-CvSc（1748）、iCZ843以及iMM904中与每个基因相关的反应，完成了计算机基因敲除分析。每个敲除网络都用于确定群落成员的最大增长率。比较预测单培养和/或共培养中必需和非必需的基因。使用MATLAB的统计和机器学习工具箱来计算通过实验确定和预测的在单培养和共培养中10,000个排列的增长率。
结果
作者评估了群落成员生长对养分利用率变化的响应，从地衣或微生物垫中分离出的光合生物可根据氮、CO2、O2和葡萄糖的可用性而改变其生长速率。分析表明，群落成员之间存在四种可能的相互作用：互养共栖（即共栖/互利共生）、竞争、偏害共生和寄生，这些相互作用取决于环境条件（图2）。
CO2，O2，NO3，NH4和葡萄糖是控制相互作用的关键驱动因素。在模型预测（图2 a-c）和实验（图2 d）的所有葡萄糖和O2吸收速率组别中，这种相互作用都较稳定，而稳定的互助种群使真菌的生长明显受益。结果表明，在较高葡萄糖浓度下共培养真菌的生长速率增加，而藻类的生长速率保持恒定。对O2摄取模型预测表明，最高1 mmol/g（干重）/h的吸收速率对群落成员有益，然而较高的O2吸收速率仅对真菌有益。通过不同O2通量的实验表明，在单培养条件下，真菌的生长速率没有显着变化。在共培养条件下，真菌生长速率显着提高。对于藻类，在单培养条件下O2的利用率上升使生长速度降低了60％，在共培养条件下降低了45％。模型预测进一步表明，在葡萄糖摄取率为0.5 mmol / g（干重）/h和O2摄取率为1.5 mmol / g（干重）/h条件下可以消除对藻类生长的这种负面影响（图2 b）。另外，NH4和NO3的吸收率（图2 e-g）也将决定群落成员之间不同类型的相互作用。模型预测NH4的吸收率从0.33上升至0.41 mmol / g（干重）/h时，使真菌将其与藻类的相互作用由互养共栖变为竞争，从而占主导地位；对高于0.41 mmol / g（干重）/h的NH4吸收率相互作用变为偏害共生或寄生（图2 g）。向培养基中添加双方共同利用的低浓度NH4（0.01–0.1 mM）并没有增强真菌的生长（图2 h）。在此浓度下模型预测表明，藻类除提供氨基酸外还以NH4形式向真菌提供了大部分的氮。当以250 mM的浓度向培养基中添加NH4时，真菌占主导地位，从而证实了预测的偏害共生（图2 h）。在NH4实验基础上填加NO3，并将浓度从2.5 mM增加到250 mM，藻类的生长增加但真菌的生长并未增加，因为酿酒酵母无法利用NO3（图2 h）。在实验中控制pH值时，与无pH控制相比藻类的存活时间更长，但最终被真菌超越。与预测相同，通过控制pH并增加O2的供应量，会使藻类的生长得到改善，说明氧气在整个群落网络中都扮演着非常重要的角色。因此，本文的模型可以作为一种定量工具，以评估光养群落对各种营养的响应。另外，该机制框架能够识别和分析其他营养物的作用以及光养群落对富营养化的响应。
在光养群落中氮耗竭后，与单一培养相比共培养群落成员的生长率保持稳定，仅发生约10％的变化（图3a）。分析表明，群落根据资源可用性来均衡和调节其新陈代谢和交叉供养（图3b，c）。模拟预测表明交换的代谢物高度保守，并且与群落中的藻类和真菌生长率无关。只有O2、琥珀酸、鸟氨酸、谷氨酰胺、核糖、色氨酸以及分泌代谢物的通量交换根据群落生物量组成而变化。
作者认为单培养和共培养的代谢网络对同一代谢物的反应不同（图3b）。预测结果表明，真菌帮助藻类绕过某些辅酶和前体合成中的代谢限制。当真菌在单培养中生长时，细胞会受到缬氨酸、酪氨酸、色氨酸和潜在的丁醛的限制，但在共培养中这些代谢物可能由藻类提供。实验结果表明，缬氨酸、酪氨酸和色氨酸与预测情况一致可以改善真菌的生长，而核黄素和丁醛分别仅使藻类或真菌受益。值得注意的是，添加酪氨酸和4-羟基苯甲酸在两种情况下均对藻类产生毒性作用，这表明光养群落比个体生物对毒性化合物的抵抗力更强。总体而言，该模型证明检测代谢物的生长表型预测准确度为0.69。作者的研究结果进一步表明，从单一培养物中获得的数据不能轻易地转化为共培养甚至更大群落中的表型。
两个共生体可以对另一方的基因功能丧失进行补偿，从而为群落的生存做出贡献。但是，这种补偿取决于群落的生长期和生物量组成。共培养条件下藻类所需的基本基因数量减少了39％，真菌减少了31％。在模型预测的基础上，选择了九种真菌突变体进行实验验证：7个具有必需基因型的突变体与果糖和甘露糖代谢、谷氨酰胺代谢、磷脂的生物合成、核黄素代谢和固醇代谢相关，而两个非必需基因型的突变体与氧化磷酸化和蛋氨酸代谢相关。在共培养条件下生长时，七个预测的必需真菌敲除物中的六个被检测出来，这证实了作者的预测（图4 a/b）。预测结果表明，每个基因缺失都改变了整个群落成员的营养分布，从而引发了新陈代谢的变化（图4 c）。此外，作者发现真菌KOs也可能对藻类生长产生负面影响。预测表明，这种生长表型是在真菌的甲酸盐高分泌量和藻类的乙酸盐高通量下发生的。排列测试分析表明，该模型可以准确预测多达80％的表型。作者还确定了50个藻类KO和37个真菌KO，它们通过将可用的代谢资源从一个成员转移到另一个成员来改善对方的生长状况。预测敲除菌株YDR529C（QCR7-），YJR077C（MIR1-），YKL055C（OAR1-）或YPL262W（FUM1-）可将光养群落的整体生长率提高15-25％，实验结果证实可以提高10-15％，表明这些基因的KO为群落提供了生态优势（图3d，e）。因此，CM模型可以识别与更高生长速率相关的靶基因。
讨论
本文使用基于限制的CM模型，结合多组学和生长生理学实验，研究由普通小球藻（藻类）和酿酒酵母（真菌）组成的光养群落。作者使用生理学、靶向代谢组学和表达等实验数据证实了对生长速率、代谢物交换和基因组含量的预测结果，从而系统地揭示了对交叉供养、群落生长和相互作用类型的控制性限制。预测的基因型-环境响应会调节营养型群落的表型和代谢交换，并突出显示群落代谢网络化学计量体系之间的相互作用。本文结果揭示了可以共享和最佳分配细胞资源的代谢交换的重要性。此外，CM模型有助于确定合适的基因型-环境条件，以维持光养群落以及影响特定成员增殖的因素。本文的概念框架原则上可以用来研究微生物在自然环境中的相互作用。测序数据、环境参数、群落结构信息以及基因信息可以解释群落成员在自然环境中的动态相互作用，将为合理理解、设计和操纵微生物群落奠定基础。
你可能还喜欢
这些或许也适合你哦👇