摘要：生物群落鲜有稳定之态。其组成随各生态系统环境条件持续变迁——有时变化剧烈，甚至使物种彻底从群落中消失。为预测此类演变，研究者运用了生态模型。其中，最具前景的是基于决定物种共存的基础生物机制的机理模型。此类模型有望可靠预测不同生境中生物群落的组成。

本文为深度编译，仅供交流学习，不代表智子说观点

生物群落鲜有稳定之态。其组成随各生态系统环境条件持续变迁——有时变化剧烈，甚至使物种彻底从群落中消失。为预测此类演变，研究者运用了生态模型。其中，最具前景的是基于决定物种共存的基础生物机制的机理模型。此类模型有望可靠预测不同生境中生物群落的组成。

但这些模型在经受实证检验时能否兑现预期？德国康斯坦茨大学的研究者正是针对淡水藻类群落展开了此项研究。该团队在《自然-通讯》期刊发表的研究中，对一个机制性的消费者-资源模型进行了扩展与验证，证实其具备卓越的预测能力。

研究者还运用该模型完善了现有的物种共存规则。这项研究成果可应用于任何生物群落争夺资源的情境，也适用于人们希望预测或影响这些生物群落未来发展的领域。其应用范围涵盖自然生物群落（如海洋浮游生物群落或人体肠道微生物群），乃至人工构建的群落（例如在生物技术过程中使用的群落）。

这项最新研究的理论基础，部分可追溯至20世纪60年代。那么，为何研究团队直到现在才能通过实验来验证这些理论？

“此前确实存在某些方面取得成功的尝试。例如，德国康斯坦茨大学的卡尔-奥托·罗特豪普特教授——我的直接前任——就是该领域的真正先驱。”领导本次研究的德国康斯坦茨大学生物系湖沼学教授吕茨·贝克斯解释道。“但要完成模型研究并拓展其应用，我们需要进行海量实验——而这唯有借助现代实验室设备才能在合理时间内实现。”

研究的第一步——测定不同淡水藻类的营养需求与消耗量——就需要开展864项生长实验。这得益于高科技实验室设备，每个单一培养体系均由实验室机器人完成制备，而不是依赖大量学生、技术人员和科学家手工操作。样本中藻类的计数工作也通过现代高通量显微镜自动完成。在后续需要统计多物种群落的实验中，人工智能技术也协助完成了藻类物种鉴定。

研究人员利用初始实验数据对现有模型进行了扩展。“传统模型已经考虑了限制物种生长的因素。新采集的数据使我们能够将‘资源利用’作为额外参数纳入模型，”贝克斯解释道。

随后，研究人员又进行了960项后续实验，将先前单一培养的藻类组合起来，在不同营养条件下考察物种组合的变化。团队将这些群落的实际发育情况与模型的预测进行了对比。结果显示：该机制模型能精准预测不同群落的组成结构。

研究人员还基于模型开展计算机模拟，验证美国生物学家戴维·蒂尔曼（David Tilman）提出的两条生态法则。这些法则阐释了两种争夺有限资源的物种如何共存或相互排斥。

该法则指出：每种物种必须受不同资源限制，且每种物种消耗更多限制其生长的资源。模拟结果表明：仅第一条规则具有普适性。第二条规则仅适用于物种竞争可替代资源（substitutable resources）的情形，而不适用于必需资源（essential resources）的竞争。

“应用该规则时，必须始终区分这两类营养物质，”该论文的第一作者张志杰解释道。

下一步，研究团队将把该方法应用于一个通过浮游植物实现二氧化碳固存的专项项目。该项目获得了德国Vector基金会的气候保护研究资助计划支持。

“我将与同事丹尼尔·迪特里希（Daniel Dietrich）共同运用筛选技术，甄选出对环境影响具有最高抗逆性的浮游植物群落。这类群落即使在营养物质、温度或太阳辐射等环境因素波动时，仍能可靠地代谢并封存大气中的CO2，”贝克斯展望道。

这场跨越半个多世纪的理论验证，最终由实验室机器人、人工智能和高通量显微镜共同完成。当海量的实验数据终于填补了理论模型与现实生态间的沟壑，生态学便从“解释过去”的科学，真正迈向了“预测未来”的工程。从藻类的微观竞争，到全球的碳循环，这种精准的预测能力，或许正是人类在环境剧变时最需要的那张“地图”。

在你的领域，是否也有“理论很老，但直到近年才被新技术证实”的例子？欢迎在评论区聊聊。

来源：无敌浩克一点号