摘要：本文为您介绍通过微生物组建模工程化天然微生物组以增强生物修复，原文由南京农业大学资源与环境科学学院、生命科学学院微生物学系和农业与农村事务部农业与环境微生物学重点实验室于2024年6月发表在《nature communications》。

本文为您介绍通过微生物组建模工程化天然微生物组以增强生物修复，原文由南京农业大学资源与环境科学学院、生命科学学院微生物学系和农业与农村事务部农业与环境微生物学重点实验室于2024年6月发表在《nature communications》。

研究亮点

1. 通过实验证明除草剂施用与降解菌接种相结合，可从天然微生物组获得具有更强污染物生物降解能力的功能性微生物组，且发现不同接种物、处理方式、初始微生物组对污染物降解效率存在影响，其中高剂量重复接种可缩短实验时间。

2. 通过α -多样性分析、非度量多维标度（NMDS）分析、宏基因组分析、功能谱的主成分分析（PCA）表明接种使微生物群落分类和功能水平趋同演替。

3. 模型构建及实验验证。构建并分析两菌株群落模型，通过模拟预测菌株间代谢相互作用，且得到多种实验验证；开发可扩展的模型框架SuperCC用于预测不同营养条件下微生物群落代谢通量分布，并通过多种实验验证模型预测结果。

4. 基于SuperCC揭示的代谢相互作用提出通过识别关键代谢反应对功能微生物组进行学习，以实现合成细胞的计算设计并达成多种功能目标。

研究背景

目前，环境有机污染物，包括农药、药品、工业化学品和许多其他污染物，已成为一个严重的世界性问题，迫切需要解决。微生物群落在自然界中无处不在，在地球上发生的几乎所有生物地球化学循环中发挥着重要作用，如营养物的代谢、农业、食物发酵、元素循环、生物燃料和污染物降解等。与单一菌株和天然微生物组相比，基于微生物组内相互作用关系的合成微生物组，可以以更高的效率执行更复杂的任务，对生物修复至关重要。这些合成的微生物群落提供了一种新的策略，通过组合多个菌株的代谢能力来实现复杂代谢功能的重建，这将有助于克服单个菌株代谢能力的局限性。此外，合成微生物群落为在群落中的菌株之间分担不必要的代谢负担提供了一种可行的选择。尽管在人工构建菌群方面已经做出了许多努力，但微生物群落的工程化过程中出现了许多未知和挑战。迄今为止，天然微生物组的工程化仍然缺乏实际适用的原理和工具。前者涉及人工设计的合成微生物菌群的菌株组合的基础上了解不同的单一菌株。但是该策略的局限性在于，通常基于历史知识凭经验和直觉来选择目标菌株，而不是选择从天然微生物群落中获得基本益处的菌株，这可能会忽略天然存在的微生物相互作用。相比之下，自上而下的策略从天然微生物组开始，然后仔细优化复杂的天然微生物组以显示所需的功能。虽然这种策略更容易实施，但它不太可控，并且容易错过微生物代谢相互作用的信息。此外，通过自上而下的策略获得的功能微生物组通常不够简单，难以应用，并且功能微生物组的关键物种之间的代谢相互作用在很大程度上是未知的，这阻碍了它们的进一步简化。因此，从天然微生物群落中获取简化的功能微生物群落，并在其中捕获复杂的种间相互作用，是天然微生物组工程化的必要条件。近年来，测序技术的进步极大地促进了对自然微生物组在分类和功能水平上对环境扰动的响应的描述和理解，为关键物种的鉴定奠定了基础。然而，通过测序可以推断代谢活动和关键物种之间的相互作用的信息有限。到目前为止，通过实验确定微生物群落中的代谢相互作用仍然是一个巨大的挑战，即使是两个成员的简单联合体也是如此。基因组规模代谢模型（GSMM）及其模拟算法等计算工具的进步，使得对菌株代谢活性和微生物种间相互作用的计算分析成为可能。本文提出了一种新的微生物群落建模框架---超级群落组合（SuperCC），用于模拟不同微生物群落行为以及比较不同微生物群落的性能，涵盖了给定菌株集的所有组合。

应当注意的是，微生物群落的组成及其成员之间的相互作用影响着微生物群落的生长和降解效率。然而，自然界中的微生物群落通常不具有降解污染物的功能或效率较低。总之，作者从利用多种处理组合和接种方式对来自于三个地区土壤中的天然微生物组进行扰动为起点，构建具有增强生物修复效率的功能性微生物组。然后筛选功能菌群中的关键属，构建简化的功能菌群，用于替代复杂的功能菌群。随后，作者使用SuperCC来模拟具有不同关键组合的简化微生物组的性能。该模拟不仅预测了菌株的优化组合，而且预测了微生物代谢相互作用。最后，作者混合分离的菌株，以创建用于测试的优化合成微生物组（图1 ）。该研究涵盖从污染的生物修复到工业产品的生物合成等领域，为合成微生物组工程提供了重要启示。

实验设计

研究结果

1.有效的生物修复功能菌群构建

为了测试施用除草剂和/或接种除草剂降解菌剂能否有效地从天然微生物组产生具有更强污染物生物降解能力的功能性微生物组，作者进行了如下实验：

首先，作者使用从三种完全不同的土壤（红色，pH = 5.0；黄褐色，pH = 7.3；紫色，pH = 8.1，见图1 ）收集不同的初始微生物组。同时，采用了两种类型的污染物：一种是只能由协同性功能菌群（假黄单胞菌属X - 1和丛毛单胞菌属7D - 2）降解的复合污染物（记为BO）；另一种是可由不同单一菌株（丛毛单胞菌属7D - 2或噬色素菌属H8）降解的简单污染物（记为DBHB）。接着，作者使用了三种接种物：单一菌株（H8或7D - 2）、协同性功能菌群（X - 1和7D - 2）和竞争性功能菌群（H8和7D - 2）。然后进行以下处理：

（1）用除草剂处理初始微生物组（针对BO或DBHB）

（2）处理微生物群落

（3）除草剂施用与微生物菌群接种相结合

（4）除草剂施用与单菌株接种的组合（DBHB&7D - 2或DBHB&H8）

为了获得有效的接种策略，作者比较了单次和重复接种以及低剂量和高剂量接种的性能。结果发现，高剂量重复接种处理对细菌群落结构的影响更显著，并且表现出更高的BO降解能力。所以，作者采用高剂量重复接种降解菌的策略以缩短实验时间。

所有处理都显著提高了BO和DBHB的降解效率，但是三种初始微生物组在降解效率上存在差异（见图2 ）。具体而言，接种协同性功能菌群（BO&7D - 2&X - 1或7D - 2&X - 1）来降解复合污染物是有效的。此外，竞争性功能菌群（DBHB&7D - 2&H8）比单一功能菌群（DBHB&7D - 2或DBHB&H8）的发酵效果更好。

这些结果表明，接种降解菌对于简单和复杂污染物都是可行的。总之，作者证明了除草剂施用和除草剂降解剂接种是一种有效的自上而下的方法，可用于获得具有增强污染物生物降解能力的功能性微生物组。

图1 合成微生物组构建的实验设计与总体方案

合成微生物组构建的工作流程基于自上而下和自下而上策略的平衡组合。工作流程从通过除草剂应用和/或接种除草剂降解菌剂工程化天然微生物组开始，以获得功能性微生物组。在自上而下阶段，采用两种除草剂（BO和DBHB，分别代表复合污染物和简单污染物）和3种接种剂（单一菌株和协同或竞争菌群）的交替组合处理3 种不同土壤，获得320个土壤样品，用于测试降解能力和追踪微生物群落动态演替。然后，通过探索菌株丰度变化并结合菌株分离鉴定潜在的关键种。然后，使用Keystone构建简化的微生物组，以取代复杂的功能微生物组。在自下而上阶段，使用新开发的微生物组建模框架SuperCC来模拟具有不同重点组合的简化微生物组的性能，以优化重点组合。采用优化的Keystone组合的合成微生物组进行进一步的测试和应用。除了微生物组模拟之外，SuperCC还提供了一种基于学习合成微生物组代谢相互作用的合成细胞设计新计算策略。BO，溴苯腈辛酸酯；DBHB，3 ，5-二溴-4-羟基苯甲酸酯。

图2 通过施用除草剂和接种细菌促进微生物群落对污染物的降解效率

a、b紫色土（P）; c、d黄褐土（Y）; e、f红壤（R）。将0.5g处理过的土壤置于添加了50mg/L BO或DBHB的MM培养基中，培养10h后，通过检测BO（a，c，e）或DBHB（b，d，f）的残留量来分析其降解效率。对于BO的降解，1 、2 和3 分别代表BO、协同性功能菌群（7 D-2&X-1）和BO与协同性功能菌群（BO &7D-2&X-1）的组合。对于DBHB降解，1 、2 、3 和4 分别表示用DBHB、DBHB与菌株7 D-2组合、DBHB与菌株H8组合、DBHB与竞争性功能菌群组合（DBHB&7D-2&H8）的处理。

2.天然微生物组在分类和功能水平上的重组

为了探索由除草剂和不同菌株组合所驱动的微生物组重组的动态过程，作者对不同处理后30 天内微生物组的变化展开了研究。

首先进行α -多样性分析，以香农指数下降为例（见图3a）。接着进行非度量多维标度（NMDS）分析，结果显示来自不同土壤的初始微生物组相互分离，这表明它们之间存在很大差异（见图3b和3c）。除草剂处理后的微生物组与相应的初始微生物组聚为一类，这意味着初始微生物组和除草剂处理后的微生物组之间细菌组成仅有轻微变化。然而，接种菌剂会使微生物组发生更大的变化。更为重要的是，除菌株H8外，接种处理第30 天的样品比第0 天或第3 天的样品聚集得更为紧密（见图3b）；并且不同土壤接种处理（而非除草剂处理）后的微生物组之间的差异随着时间推移而减小（见图3d）。这些结果表明，接种会使微生物群落在分类水平上发生趋同演替，从而使功能微生物群落中的细菌组成更加相似。

之后进行宏基因组分析，以深入探究经处理的微生物组之间的功能差异（见图4 ） 。作者选取来自B0&7D - 2&X - 1处理的第30 天和第0 天的样品，分别代表处理后的和初始的微生物组。在功能谱的主成分分析（PCA）中，处理后的微生物组聚集在一起，并且与初始微生物组相互分离（见图4a）。作者追踪了参与BO生物降解途径的酶，包括腈水解酶、腈水合酶和腈羟基化途径（基于其功能谱，见图4b）。初始微生物组中编码BO降解酶的基因丰度相对较低，这与初始土壤中BO降解效率低的情况相符（见图4c）。处理提高了降解基因的丰度，有助于增强降解能力（见图4c），这与处理后的微生物组中7D - 2的相对丰度增加是一致的。值得注意的是，在处理后的微生物组中，52% - 100%的腈水解酶（BO降解的关键酶）来自7D - 2，这表明大部分降解是由接种的细菌驱动的，特别是对于黄褐土。最后，作者在门、目、纲和属水平上对这些降解基因进行了分类学分类。三种土壤中含有降解基因的优势门相似，包括变形菌门和放线菌门（见图4d）。这些结果证明了微生物组在功能水平上的趋同演替。

图3 微生物群落多样性的变化

a.紫色土微生物群落的α-多样性水平。箱形图显示了不同处理土壤的香农指数（n = 4个生物学独立重复）。箱形图上方的字母显示样本之间存在显著差异，P

3.识别简化功能微生物组的关键物种

微生物群落的分类学和功能趋同性显示，受处理影响的微生物群落中的特定物种能够在功能上改变微生物群落的活性，进而提高降解效率。这些特定物种被称为关键物种，获取它们为构建简化的功能微生物组提供了一种简便方法。

为确定受处理影响的关键物种，作者筛选了在处理过程中丰度发生分化的属和ASV（扩增子序列变体）。LEfSe分析（线性判别分析效应量，LDA > 3.0）表明，在BO&7D - 2&X - 1土壤中，紫色土、黄褐土和红壤中的细菌属总数分别为133、54 和62 个，其丰度与早期土壤中的丰度有所不同（见图5a）。其中，有27 、6 和17 个属在这3 种土壤中的分布存在显著差异。同时，在经DBHB、7D - 2和H8处理的三种土壤中，分别有67 、71 和35个属呈现出不同的丰度。然而，在这些已鉴定出的属里，只有少数随着时间推移丰度增加。例如，在BO&7D - 2&X - 1处理中，紫色土、红壤和黄褐土分别仅富集了11 个、11 个和40 个属；而在DBHB&7D - 2&H8处理中，相应土壤分别富集了11 个、8 个和12 个属。在这些丰度显著变化的属中，超过40%的属在相同处理的三种不同土壤中是相同的，特别是在黄褐土中，这一比例超过65%（见图5b），这表明丰度显著变化的属在相同处理的不同土壤中较为常见。具体来说，芽孢杆菌和鞘氨醇杆菌在BO组的所有三种土壤中的丰度都显著增加，这些结果与不同微生物群的趋同演替相符。

在平行的细菌群落分析中，作者在原始土壤和处理过的土壤中分别独立分离BO和DBHB降解菌株。总共分离并挑选出290个典型菌株，随后对其进行16S rRNA基因测序，以确定其分类并研究其降解能力。其中，133个菌株属于由LEfSe分析结果确定的显著富集属。传统上，通过经验、直觉或者试错实验，这些菌株可用于构建简化的微生物群落，以替代复杂的功能性微生物群落。

为减少构建简化微生物组的时间和成本，作者采用群落代谢模型（GSMM，基因组规模代谢模型）对群落功能进行建模，并模拟备选群落组合的表现。通过模拟，预测微生物组成和环境条件的优化情况，并记录能改善群落性能的代谢相互作用。为此，作者运用随机森林分析来识别LEfSe所确定的显著变化属中的关键ASVs。通过对分离菌株和关键ASV进行系统发育分析，总共鉴定出18个特定的用于建模的关键菌种，包括丛毛单胞菌属、假黄单胞菌属、噬色素菌属、假节杆菌属、鞘氨醇杆菌属、芽孢杆菌属、鞘氨醇单胞菌属、赖氨酸芽孢杆菌属、链霉菌属、节杆菌属、Aliihoeflea、Sinomonas、Bradyrhizobium、不动杆菌属、类诺卡氏菌属、无色杆菌属和假单胞菌属（见图5c）。为这18 个关键菌种中的每一个构建GSMM，并进行人工校正。

图5 由示范和关键属的相对丰度驱动的微生物群落中丰度变化的相似性

a.LEfSe分析鉴定的差异丰度属的Venn图，显示大多数丰度变化的属在接种处理中是共有的。b.不同土壤中共有的差异丰度属的百分比。在除草剂和接种菌剂的组合处理中，显示了差异丰度的属，包括BO&7D-2&X-1和DBHB&7D-2&H8。c.通过LEfSe和随机森林分析相结合确定的关键属的相对丰度。显示了在第0-9天（早期）和第18-30天（晚期）的样品中每个关键属的平均丰度。使用双侧Student'st检验评估差异的显著性（**P

4. 接种协同和竞争性功能菌群中的种间相互作用

为确定接种的协同性功能菌群（7D - 2&X - 1）和竞争性功能菌群（7D - 2&H8）中菌株之间详细的代谢相互作用，构建并分析了两菌株群落模型（见图6 ）。

通过模拟发现，菌株X - 1只能将BO转化为溴苯腈，并且不能以BO或溴苯腈作为唯一碳源生长；菌株7D - 2能够降解溴苯腈，但不能将BO降解为溴苯腈（见图6a）。所以，菌株7D - 2不能以BO作为唯一碳源生长，不过它可以利用溴苯腈作为唯一碳源生长（见图6b）。然而，X - 1和7D - 2组成的协同性功能菌群能够通过代谢合作完全降解BO，并且这两种菌株以BO作为唯一碳源时生长良好（见图6b）。这些预测得到了实验验证的支持（见图6c - g）。例如，生长实验验证了在单一培养时，X - 1或者7D - 2都不生长，但在共培养时两种菌株均能生长这一预测（见图6c）。菌株7D - 2和H8都能够降解DBHB，并且以DBHB为唯一碳源生长。但是，7D - 2和H8的组合并没有提高功能菌群的DBHB降解效率或者生物量。

对于7D - 2和X - 1，预测了菌株7D - 2和X - 1之间的相互交换通量（见图6b）。模拟预测菌株X - 1吸收BO并分泌溴苯腈、次黄嘌呤、D -葡糖胺和L -脯氨酸，这些物质被菌株7D - 2消耗。作为回报，菌株7D - 2分泌黄嘌呤、D -甘露糖、NH₄⁺和L -谷氨酸，它们被菌株X - 1利用，从而维持菌株X - 1的生长（见图6b）。

有趣的是，对于而言，尽管两个菌株H8和7D - 2在DBHB降解过程中存在竞争关系，但在共生长过程中也预测到了相互交换通量。菌株H8消耗DBHB和NH₄⁺以维持自身生长，并分泌富马酸盐、L -脯氨酸、D -葡糖胺、D -甘露糖和次黄嘌呤，供菌株7D - 2利用。反过来，菌株7D - 2分泌琥珀酸和L -谷氨酸，被菌株H8消耗。

为验证预测的交换通量，作者运用液相色谱-质谱法（LC - MS）检测这两种菌株共培养物中的交换代谢物。结果表明，在LC - MS中成功检测到了所有交换代谢产物。此外，作者还测试了三个菌种（X - 1、7D - 2和H8）在生长非基本培养基（每种培养基都补充了相关的交换代谢物）上的生长以及对BO/溴苯腈/DBHB的降解情况。在补充培养基中，菌株X - 1、7D - 2和H8的生长和降解能力都有所增强，这与预测结果一致。

此外，作者检测了这三个物种的单培养物中的交换代谢物，并与共培养物中的交换代谢物进行比较，以确定交换代谢物的来源。对于7D - 2&X - 1，次黄嘌呤由X - 1分泌；对于7D - 2&H8，琥珀酸和L -谷氨酸由7D - 2分泌。

为进一步验证作为菌株X - 1和7D - 2之间互利关系基础的预测代谢途径的有效性，作者比较了两种菌株在单培养物与共培养物中的基因表达谱。与单独培养相比，在共培养时，大多数参与分泌代谢物合成的酶的编码基因的表达水平上调。这些结果表明，菌株7D - 2和X - 1具备代谢相互作用所需的全部酶，并且编码这些酶的基因在代谢相互作用期间会表达。所以，转录组分析的结果证实了预测的代谢相互作用。

为探索BO浓度对协同菌群中菌株相对丰度的影响，作者模拟了在不同BO浓度下共培养的菌株7D - 2和X - 1的最佳生物量。随着BO浓度的降低，这两个菌株的生物量相应减少，但菌株7D - 2和X - 1之间的生物量比值急剧上升。这一预测得到了实验支持：在达到最大生物量后，随着BO浓度的降低，两种菌株的生物量比随着时间逐渐增加。16S rRNA基因扩增子测序结果显示，该预测值与菌株7D - 2和菌株X - 1在处理BO - 7D - 2和X - 1土壤中的生物量比值一致。随着时间的推移，土壤中BO的降解能力增强，致使土壤中BO浓度降低，两菌株的比例也相应增加。

图6 两菌株功能菌群中代谢相互作用的模拟与实验验证

通过群落建模预测菌株7 D-2和X-1在单一培养（a）和共培养（b）中的代谢相互作用。为模拟的实验验证提供了10个可测试的预测。预测后面括号中的字母是指支持相应预测的面板c-g。c，d为分别生长的7 D-2和X-1与共培养的细胞生长的比较。显示了在具有BO（b）或溴苯腈（c）作为唯一碳源的培养基中培养的每种菌株的对数转化的菌落形成单位（CFU）。e-g X-1 (e)、7D-2 (f)和共培养物(g)对BO的降解能力。给出了以BO为唯一碳源的培养基中BO降解过程中产生的BO和溴苯腈的浓度。

5.预测不同关键菌株组合的性能以及用SuperCC表征关键菌株之间的代谢相互作用

为模拟复杂的微生物群落，作者开发了模型框架SuperCC，用于预测不同营养条件下微生物群落中的代谢通量分布。SuperCC可扩展到适合简单和复杂微生物组中的大量物种。

在BO培养基中，两个菌株（用于红褐土和黄褐土的LM5以及用于所有三种土壤的P56）与7D - 2&X - 1的组合，相较于单独使用7D - 2&X - 1，群落生长得到增强（见图7a）。添加NH₄⁺的BO - NH₄⁺培养基促进了群落生长，其中AC6 & LM5（针对黄褐土）和7D - 2&X - 1组合的生物量最大，菌株B2（针对黄褐土）和Y13（针对紫色土）也对群落生长有促进作用。在添加NO₃⁻的BO培养基（BO - NO₃⁻培养基）中，除BR1菌株外，其余菌株均未检测到生长促进作用，这表明除BR1菌株外，其余菌株不能同化NO₃⁻。与BO培养基相比，添加葡萄糖的BO-G培养基未发现有促进生长的作用，但添加葡萄糖和NH₄⁺的BO - G - NH₄⁺培养基显著促进了群落生长，这表明氮源可能是BO降解的促进剂。

上述预测在土壤中用三个物种的功能菌群进行了实验验证（见图7b）。作者使用7D - 2和X1与大肠杆菌的组合作为阴性对照。7D - 2&X - 1与P56、LM5、B2或AC6的组合在黄褐土中的降解率最高（>80%），7D - 2&X - 1与P56、LM5或BR1的组合在红壤中的降解率最高（>80%），这与模拟结果基本一致。在紫色土中，未发现能提高降解率的菌株，可能是由于7D - 2和X - 1本身的降解率较高（>80%）。菌株E44和A8在任何土壤中均未表现出改善作用，这也符合预测。

作者还通过在MM培养基中添加葡萄糖和/或NH₄⁺来测试生长促进作用（见图7c）。结果表明，添加碳源和氮源均能显著促进群落生长，与预测结果一致。对DBHB处理组的社区进行了类似模拟，预测结果与实验结果同样一致。

为更好地理解关键菌株和接种菌株之间的代谢相互作用，作者预测了群落中的交换通量，并检测了菌株间氨基酸、次黄嘌呤等小分子物质的交换。特别注意到菌株BR1，预计其可利用NO₃⁻并向菌株7D - 2分泌NH₄⁺。通过实验，作者证实了菌株BR1能够利用NO₃⁻，而菌株7D - 2不能（见图7d）。同时，菌株7D - 2和BR1的组合显示出比单独生长的每种菌株生物量总和高得多的生物量（见图7d）。

图7 不同微生物群性能的模拟与实验验证

6. 基于模拟功能微生物代谢网络的计算细胞设计

基于SuperCC所揭示的简化功能微生物组中的代谢相互作用，作者提出了一个概念：通过识别并添加能够促进功能微生物组中降解和生物量增长的关键代谢反应，来对功能微生物组进行学习，进而实现合成细胞的计算设计（通过对细胞内部各种生物过程，如基因表达、蛋白质合成、代谢通路等进行建模和分析，设计出具有特定功能或性能的细胞虚拟模型）。这种计算设计出的合成细胞能够达成以下目标：使目标菌株从无法降解物质转变为可降解物质以实现生物降解；从不能合成转变为能够合成以实现生物生产；或者从低效率提升到高效率（见图8a）。运用SuperCC，作者确定了10 个反应对于7D - 2&X - 1功能菌群降解BO是必不可少的（见补充表8 ）。通过向菌株7D - 2或者X - I添加这些必需反应，经过计算合成的7D - 2和X - I细胞都能够降解BO（见图8b）。在7D - 2&X - 1&BR1功能菌群中，作者鉴定出了与NO₃⁻利用相关的三个基本反应。将这些反应添加到上述计算合成的细胞（7D - 2或者X - 1）中，有助于合成细胞利用NO₃⁻（见图8b）。有趣的是，用这些基本反应来替换7D - 2&X - 1&BR1功能菌群的合成细胞时，能够在BO培养基中恢复功能菌群的功能，但在DBHB - NH₄⁺或者BO - NO₃培养基中却无法恢复。作者进一步在菌株X - 1中鉴定出另外三个反应，这三个反应能够使合成细胞在DBHB - NH₄⁺或者BO - NO₃⁻培养基中恢复功能菌群的功能（见图8b）。虽然这三个反应并非生物量生产的必要条件，但它们有助于氮资源的利用。这些结果也显示出基于微生物群落中复杂代谢相互作用构建的合成微生物群落在氮源利用方面具有优势。

图8 基于功能微生物代谢网络学习的SuperCC计算设计的合成细胞

启示

1. 微生物组优化策略：本文巧妙利用已有高效降解菌株通过自上而下影响天然微生物组来强化菌群的生物降解能力，同时通过关键菌株来构建简化的微生物群落，以替代复杂的功能性微生物群落。未来我们可以采用先干预再筛选构建功能微生物组提高效率，例如研究土壤微生物降解污染物。

2.SuperCC模型可模拟微生物群落：本文通过对两菌株功能菌群中代谢相互作用的模拟与实验验证，从而建立SuperCC模型来预测不同菌群的性能，未来我们可以简化复杂的合成过程，识别并添加能够促进功能微生物组中降解和生物量增长的关键代谢反应来预测菌株组合性能、优化组成和代谢作用。

文献信息

题目：Engineering natural microbiomes toward enhanced bioremediation by microbiome modeling

Microplastics Biofragmentation and Degradation Kinetics in thePlastivore Insect Tenebrio molitor

译名：通过微生物组建模工程化天然微生物组以增强生物修复

发表时间：2024年6月

期刊：Nature communication

通讯作者：Yanzheng Gao, Jiandong Jiang &Xihui Xu

通讯作者单位：College of Resources and Environmental Sciences, Nanjing Agricultural University, Nanjing, 210095, China; Department of Microbiology, College of Life Sciences, Nanjing Agricultural University, Key Laboratory of Agricultural and Environmental Microbiology, Ministry of Agriculture and Rural Affairs, Nanjing, 210095, China.

编辑 | 付宝桐

文字 | 付宝桐

校稿 | 韩华雯

宏基因组推荐

10月18-20日，微生物组-扩增子16S分析

11月15-17日，微生物组-宏基因组分析

人满即开 | 论文作图和统计分析培训班

来源：微生物组