Dedurre le reti ecologiche sottostanti delle comunità microbiche è importante per comprendere la loro struttura e le risposte agli stimoli esterni. Ma può essere molto difficile fare inferenze di rete accurate. In un articolo pubblicato su Comunicazioni sulla natura , i ricercatori del Brigham and Women's Hospital descrivono in dettaglio un metodo per rendere più facile l'inferenza di rete utilizzando dati allo stato stazionario senza alterare le comunità microbiche.

"I metodi esistenti richiedono l'assunzione di un particolare modello di dinamica della popolazione, che non si sa in anticipo, " disse Yang-Yu Liu, dottorato di ricerca, della Divisione Channing di Network Medicine. "Inoltre, questi metodi richiedono l'adattamento dei dati di abbondanza temporale, che spesso non sono sufficientemente informativi per un'inferenza affidabile."

Per ottenere dati temporali più informativi, i ricercatori devono introdurre grandi perturbazioni per alterare le comunità microbiche, che sono non solo difficili nella pratica ma anche potenzialmente eticamente discutibili, soprattutto per le comunità microbiche associate all'uomo. Il nuovo metodo sviluppato dai ricercatori BWH evita questo dilemma.

"L'idea di base è molto semplice. Se un campione allo stato stazionario differisce da un altro solo per l'aggiunta di una specie X, e l'aggiunta di X riduce l'abbondanza assoluta di Y, allora possiamo concludere che X inibisce la crescita di Y, " ha affermato Liu. Il team ha dimostrato che questa semplice idea può essere estesa a casi più complicati in cui i campioni allo stato stazionario differiscono l'uno dall'altro per più di una specie. Hanno verificato che, se dalle comunità microbiche fossero raccolti sufficienti dati indipendenti sullo stato stazionario, poi i tipi di interazione microbica (positiva, interazioni negative e neutre) e la struttura della rete potrebbe essere dedotta senza richiedere alcun modello di dinamica di popolazione. Il metodo proposto dal team assomiglia ad altri metodi di ricostruzione della rete basati su dati allo stato stazionario, ma a differenza dei metodi precedenti, non è necessario applicare perturbazioni al sistema. Per di più, il team ha stabilito un criterio rigoroso per verificare se un dato dato di stato stazionario fosse coerente con il modello generalizzato di Lotka-Volterra (GLV), un classico modello di dinamica di popolazione in ecologia che descrive matematicamente le relazioni tra le specie. Il team ha scoperto che se la comunità microbica seguiva il modello GLV, quindi i dati dello stato stazionario potrebbero anche essere utilizzati per dedurre i parametri del modello:forze di interazione tra specie e tassi di crescita.

Il metodo è stato validato sistematicamente utilizzando dati simulati generati da diversi modelli classici di dinamica della popolazione con vari livelli di complessità. Quindi è stato applicato a dati reali raccolti da quattro diverse comunità microbiche sintetiche, scoprendo che le reti ecologiche dedotte concordano bene con la verità fondamentale o possono prevedere la risposta dei sistemi alle perturbazioni.

Ulteriori approfondimenti sugli ecosistemi microbici emergeranno da una migliore comprensione delle loro reti ecologiche sottostanti. Inferire reti ecologiche di comunità microbiche associate all'uomo utilizzando il metodo sviluppato qui faciliterà la progettazione di "cocktail, cocktail, "come scrivono gli autori, per il trattamento di malattie legate alla disbiosi microbica.

"Sono piuttosto entusiasta di questo metodo, perché potrebbe aprire la strada alla mappatura di comunità microbiche più complesse come il microbiota intestinale umano, che a sua volta ci aiuterà a progettare migliori terapie basate sul microbioma, " disse Liù.