Τα πιο απλά μαθηματικά δαμάζουν την πολυπλοκότητα των δικτύων μικροβίων

Κατά τη διάρκεια του περασμένου αιώνα, οι επιστήμονες έχουν καταφέρει να σχεδιάζουν τις οικολογικές αλληλεπιδράσεις των διαφόρων οργανισμών που κατοικούν στα δάση, τις πεδιάδες και τις θάλασσες του πλανήτη. Έχουν καθιερώσει ισχυρές μαθηματικές τεχνικές για να περιγράψουν συστήματα που κυμαίνονται από τους κύκλους άνθρακα που οδηγούνται από τα φυτά μέχρι τη δυναμική των θηρευτών-θηραμάτων που υπαγορεύουν τη συμπεριφορά των λιονταριών και των γαζελών. Ωστόσο, η κατανόηση της εσωτερικής λειτουργίας των μικροβιακών κοινοτήτων που μπορεί να περιλαμβάνουν εκατοντάδες ή χιλιάδες μικροσκοπικά είδη αποτελεί μια πολύ μεγαλύτερη πρόκληση.

Τα μικρόβια αλληλοθρέφονται και εμπλέκονται σε χημικό πόλεμο. Η συμπεριφορά τους αλλάζει με τις χωρικές τους ρυθμίσεις και με τις ταυτότητες των γειτόνων τους. λειτουργούν ως πληθυσμοί ξεχωριστών ειδών αλλά και ως ένα συνεκτικό σύνολο που μπορεί κατά καιρούς να μοιάζει με έναν μόνο οργανισμό. Τα δεδομένα που συλλέγονται από αυτές τις κοινότητες αποκαλύπτουν απίστευτη ποικιλομορφία, αλλά υποδηλώνουν επίσης μια υποκείμενη, ενοποιητική δομή.

Οι επιστήμονες θέλουν να ξεκαθαρίσουν ποια θα μπορούσε να είναι αυτή η δομή - κυρίως επειδή ελπίζουν μια μέρα να μπορέσουν να τη χειριστούν. Οι μικροβιακές κοινότητες βοηθούν στον καθορισμό οικοσυστημάτων όλων των σχημάτων και μεγεθών:στους ωκεανούς και στο έδαφος, στα φυτά και στα ζώα. Ορισμένες παθήσεις υγείας συσχετίζονται με την ισορροπία των μικροβίων στο έντερο ενός ατόμου και για ορισμένες παθήσεις, όπως η νόσος του Crohn, υπάρχουν γνωστές αιτιώδεις σχέσεις με την έναρξη και τη σοβαρότητα. Ο έλεγχος της ισορροπίας των μικροβίων σε διαφορετικά περιβάλλοντα μπορεί να προσφέρει νέους τρόπους για τη θεραπεία ή την πρόληψη διαφόρων ασθενειών, τη βελτίωση της παραγωγικότητας των καλλιεργειών ή την παραγωγή βιοκαυσίμων.

Αλλά για να φτάσουν σε αυτό το επίπεδο ελέγχου, οι επιστήμονες πρέπει πρώτα να επεξεργαστούν όλους τους τρόπους με τους οποίους αλληλεπιδρούν τα μέλη οποιασδήποτε μικροβιακής κοινότητας - μια πρόκληση που μπορεί να γίνει απίστευτα περίπλοκη. Σε μια εργασία που δημοσιεύτηκε στο Nature Communications τον περασμένο μήνα, μια ομάδα ερευνητών με επικεφαλής τον Yang-Yu Liu, έναν στατιστικό φυσικό στην Ιατρική Σχολή του Χάρβαρντ, παρουσίασε μια προσέγγιση που ξεπερνά ορισμένα —αν και σε καμία περίπτωση όλα— από τα τρομερά εμπόδια.

Πολλοί βιολόγοι είναι πολύ επιφυλακτικοί σχετικά με τη χρησιμότητα αυτής της προσέγγισης στην πράξη. Αλλά ανεξάρτητα από το αν η μέθοδος είναι παραγωγική ή όχι, η νέα εργασία εντάσσεται σε ένα αυξανόμενο σύνολο εργασιών που επιδιώκουν να κατανοήσουν πώς αλληλεπιδρούν τα μικρόβια και να φωτίσει ένα από τα μεγαλύτερα άγνωστα του πεδίου:εάν οι κύριοι μοχλοί αλλαγής σε μια μικροβιακή κοινότητα είναι τα μικρόβια. τον εαυτό τους ή το περιβάλλον γύρω τους.

Συγκεντρώνοντας περισσότερα από Στιγμιότυπα

«Καταλαβαίνουμε τόσο λίγα για τους μηχανισμούς που κρύβονται πίσω από τον τρόπο με τον οποίο τα μικρόβια αλληλεπιδρούν μεταξύ τους», δήλωσε ο Joao Xavier, υπολογιστικός βιολόγος στο Memorial Sloan Kettering Cancer Center, «έτσι η προσπάθεια κατανόησης αυτού του προβλήματος χρησιμοποιώντας μεθόδους που προέρχονται από την ανάλυση δεδομένων είναι πολύ σημαντική σε αυτό. στάδιο."

Αλλά οι τρέχουσες στρατηγικές για την απόκτηση τέτοιων γνώσεων δεν μπορούν να κάνουν χρήση πληθώρας δεδομένων που έχουν ήδη συλλεχθεί. Οι υπάρχουσες προσεγγίσεις απαιτούν δεδομένα χρονοσειρών:μετρήσεις που λαμβάνονται επανειλημμένα από τους ίδιους κεντρικούς υπολογιστές ή κοινότητες για μεγάλα χρονικά διαστήματα. Ξεκινώντας με ένα καθιερωμένο μοντέλο δυναμικής πληθυσμού για ένα είδος, οι επιστήμονες μπορούν να χρησιμοποιήσουν αυτές τις μετρήσεις για να δοκιμάσουν υποθέσεις σχετικά με τον τρόπο με τον οποίο ορισμένα είδη επηρεάζουν άλλα με την πάροδο του χρόνου και με βάση αυτά που ανακαλύπτουν, στη συνέχεια προσαρμόζουν το μοντέλο ώστε να ταιριάζει στα δεδομένα.

Τέτοια δεδομένα χρονοσειρών είναι δύσκολο να ληφθούν και απαιτούνται πολλά για να έχουμε αποτελέσματα. Επιπλέον, τα δείγματα δεν είναι πάντα αρκετά ενημερωτικά ώστε να προκύψουν αξιόπιστα συμπεράσματα, ιδιαίτερα σε σχετικά σταθερές μικροβιακές κοινότητες. Οι επιστήμονες μπορούν να λάβουν πιο ενημερωτικά δεδομένα προσθέτοντας ή αφαιρώντας μικροβιακά είδη για να διαταράξουν τα συστήματα - αλλά κάτι τέτοιο δημιουργεί ηθικά και πρακτικά ζητήματα, για παράδειγμα, όταν μελετούν τη μικροχλωρίδα του εντέρου των ανθρώπων. Και αν το υποκείμενο μοντέλο για ένα σύστημα δεν είναι κατάλληλο, η επακόλουθη ανάλυση μπορεί να πάει πολύ μακριά.

Επειδή η συλλογή και η εργασία με δεδομένα χρονοσειρών είναι τόσο δύσκολη, οι περισσότερες μετρήσεις μικροβίων — συμπεριλαμβανομένων των πληροφοριών που συλλέγονται από το Human Microbiome Project, το οποίο χαρακτήρισε τις μικροβιακές κοινότητες εκατοντάδων ατόμων — τείνουν να εμπίπτουν σε μια διαφορετική κατηγορία:δεδομένα διατομής . Αυτές οι μετρήσεις χρησιμεύουν ως στιγμιότυπα χωριστών πληθυσμών μικροβίων κατά τη διάρκεια ενός καθορισμένου διαστήματος, από το οποίο μπορεί να συναχθεί μια χρονολογία αλλαγών. Η αντιστάθμιση είναι ότι παρόλο που τα συγχρονικά δεδομένα είναι πολύ πιο εύκολα διαθέσιμα, το συμπέρασμα αλληλεπιδράσεων από αυτά ήταν δύσκολο. Τα δίκτυα μοντελοποιημένων συμπεριφορών που παράγουν βασίζονται σε συσχετίσεις και όχι σε άμεσες επιδράσεις, γεγονός που περιορίζει τη χρησιμότητά τους.

Φανταστείτε δύο τύπους μικροβίων, το Α και το Β:Όταν η αφθονία του Α είναι υψηλή, η αφθονία του Β είναι χαμηλή. Αυτή η αρνητική συσχέτιση δεν σημαίνει απαραίτητα ότι το Α είναι άμεσα επιζήμιο για το Β. Θα μπορούσε να είναι ότι το Α και το Β ευδοκιμούν κάτω από αντίθετες περιβαλλοντικές συνθήκες ή ότι ένα τρίτο μικρόβιο, το C, είναι υπεύθυνο για τις παρατηρούμενες επιπτώσεις στους πληθυσμούς τους.

Αλλά τώρα, ο Liu και οι συνεργάτες του ισχυρίζονται ότι τα συγχρονικά δεδομένα μπορούν να πουν κάτι για τις άμεσες οικολογικές αλληλεπιδράσεις τελικά. «Μια μέθοδος που δεν χρειάζεται δεδομένα χρονοσειρών θα δημιουργούσε πολλές δυνατότητες», είπε ο Xavier. "Εάν μια τέτοια μέθοδος λειτουργεί, θα άνοιγε μια δέσμη δεδομένων που υπάρχουν ήδη εκεί έξω."

Ένα απλούστερο πλαίσιο

Η ομάδα του Liu διερευνά αυτά τα βουνά δεδομένων ακολουθώντας μια απλούστερη, πιο θεμελιώδη προσέγγιση:Αντί να εμπλακεί στη μέτρηση των συγκεκριμένων, λεπτομερώς βαθμονομημένων επιδράσεων ενός μικροβιακού είδους σε ένα άλλο, ο Liu και οι συνεργάτες του χαρακτηρίζουν αυτές τις αλληλεπιδράσεις με ευρείες, ποιοτικές ετικέτες. Οι ερευνητές απλώς συμπεραίνουν εάν οι αλληλεπιδράσεις μεταξύ δύο ειδών είναι θετικές (το είδος Α προωθεί την ανάπτυξη του είδους Β), αρνητικές (το Α αναστέλλει την ανάπτυξη του Β) ή ουδέτερες. Καθορίζουν αυτές τις σχέσεις και προς τις δύο κατευθύνσεις για κάθε ζευγάρι ειδών που βρίσκονται στην κοινότητα.

Η εργασία του Liu βασίζεται σε προηγούμενη έρευνα που χρησιμοποίησε συγχρονικά δεδομένα από κοινότητες που διαφέρουν μόνο κατά ένα μόνο είδος. Για παράδειγμα, εάν το είδος Α αναπτύσσεται μόνο του μέχρι να φτάσει σε μια ισορροπία και μετά εισαχθεί το Β, είναι εύκολο να παρατηρηθεί εάν το Β είναι ωφέλιμο, επιβλαβές ή άσχετο με το Α.

Το μεγάλο πλεονέκτημα της τεχνικής του Liu είναι ότι επιτρέπει στα σχετικά δείγματα να διαφέρουν κατά περισσότερα από ένα είδη, κάτι που διαφορετικά θα ήταν μια έκρηξη στον αριθμό των δειγμάτων που χρειάζονται. Στην πραγματικότητα, σύμφωνα με τα ευρήματα της μελέτης του, ο αριθμός των απαιτούμενων δειγμάτων κλιμακώνεται γραμμικά με τον αριθμό των μικροβιακών ειδών στο σύστημα. (Συγκριτικά, με ορισμένες δημοφιλείς προσεγγίσεις που βασίζονται σε μοντελοποίηση, ο αριθμός των δειγμάτων που απαιτούνται αυξάνεται με το τετράγωνο του αριθμού των ειδών στο σύστημα.) «Το θεωρώ πραγματικά ενθαρρυντικό όταν μιλάμε για ανακατασκευή δικτύου πολύ μεγάλων, πολύπλοκων οικοσυστήματα», είπε ο Liu. "Αν συλλέξουμε αρκετά δείγματα, μπορούμε να χαρτογραφήσουμε το οικολογικό δίκτυο κάτι σαν το ανθρώπινο μικροβίωμα του εντέρου."

Αυτά τα δείγματα επιτρέπουν στους επιστήμονες να περιορίσουν τον συνδυασμό σημείων (θετικό, αρνητικό, μηδέν) που καθορίζουν σε γενικές γραμμές τις αλληλεπιδράσεις μεταξύ οποιωνδήποτε δύο μικροβιακών στελεχών στο δίκτυο. Χωρίς τέτοιους περιορισμούς, οι πιθανοί συνδυασμοί είναι αστρονομικοί:«Αν έχετε 170 είδη, υπάρχουν περισσότερες πιθανότητες από ό,τι υπάρχουν άτομα στο ορατό σύμπαν», δήλωσε ο Stefano Allesina, οικολόγος στο Πανεπιστήμιο του Σικάγο. «Το τυπικό ανθρώπινο μικροβίωμα έχει περισσότερα από 10.000 είδη». Το έργο του Liu αντιπροσωπεύει «έναν αλγόριθμο που, αντί να ψάχνει εξαντλητικά μεταξύ όλων των πιθανοτήτων, υπολογίζει εκ των προτέρων τις πιο ενημερωτικές και προχωρά με πολύ πιο γρήγορο τρόπο», είπε η Allesina.

Ίσως το πιο σημαντικό, με τη μέθοδο του Liu, οι ερευνητές δεν χρειάζεται να υποθέσουν ένα μοντέλο για το ποιες μπορεί να είναι οι αλληλεπιδράσεις μεταξύ των μικροβίων. «Αυτές οι αποφάσεις μπορεί συχνά να είναι αρκετά υποκειμενικές και ανοιχτές σε εικασίες», είπε η Karna Gowda, μεταδιδακτορικός συνεργάτης που μελετά περίπλοκα συστήματα στο Πανεπιστήμιο του Ιλινόις, στην Urbana-Champaign. "Η δύναμη αυτής της μελέτης [είναι ότι] λαμβάνει πληροφορίες από τα δεδομένα χωρίς να καταφεύγει σε κάποιο συγκεκριμένο μοντέλο."

Αντίθετα, οι επιστήμονες μπορούν να χρησιμοποιήσουν τη μέθοδο για να επαληθεύσουν πότε οι αλληλεπιδράσεις μιας συγκεκριμένης κοινότητας ακολουθούν τις εξισώσεις της κλασικής δυναμικής του πληθυσμού. Σε αυτές τις περιπτώσεις, η τεχνική τους επιτρέπει να συμπεράνουν τις πληροφορίες που θυσιάζουν οι συνήθεις μέθοδοι τους:τα συγκεκριμένα δυνατά σημεία αυτών των αλληλεπιδράσεων και τους ρυθμούς ανάπτυξης των ειδών. "Μπορούμε να πάρουμε τον πραγματικό αριθμό, όχι μόνο το μοτίβο του πρόσημου", είπε ο Liu.

Σε δοκιμές, όταν δόθηκαν δεδομένα από μικροβιακές κοινότητες οκτώ ειδών, η τεχνική του Liu δημιούργησε δίκτυα συμπερασματικών αλληλεπιδράσεων που περιλάμβαναν το 78 τοις εκατό εκείνων που είχε εντοπίσει ο Jonathan Friedman, βιολόγος συστημάτων στο Εβραϊκό Πανεπιστήμιο της Ιερουσαλήμ και ένας από τους συν-συγγραφείς του Liu. προηγούμενο πείραμα. «Ήταν καλύτερα από ό,τι περίμενα», είπε ο Friedman. "Τα λάθη που έκανε ήταν όταν οι πραγματικές αλληλεπιδράσεις που είχα μετρήσει ήταν αδύναμες."

Ο Liu ελπίζει να χρησιμοποιήσει τελικά τη μέθοδο για να βγάλει συμπεράσματα για κοινότητες όπως αυτές στο ανθρώπινο μικροβίωμα. Για παράδειγμα, αυτός και μερικοί από τους συναδέλφους του δημοσίευσαν μια προεκτύπωση στο biorxiv.org τον Ιούνιο που περιγράφει λεπτομερώς πώς μπορεί κανείς να προσδιορίσει τον ελάχιστο αριθμό «ειδών οδηγών» που απαιτούνται για να ωθήσει μια κοινότητα προς την επιθυμητή μικροβιακή σύνθεση.

Μια μεγαλύτερη ερώτηση

Ρεαλιστικά, ο στόχος του Liu για τη βελτίωση των μικροβιωμάτων βρίσκεται πολύ μακριά στο μέλλον, αν ποτέ. Η προσέγγισή του παρεμποδίζεται από σοβαρούς τεχνικούς περιορισμούς:Για παράδειγμα, βασίζεται σε δεδομένα σχετικά με την απόλυτη αφθονία κάθε είδους σε ένα δείγμα, κάτι που είναι δύσκολο να ληφθεί — πράγματι, σχεδόν όλα τα δεδομένα μικροβιώματος που έχουν συλλεχθεί ποτέ καταγράφουν σχετική αφθονία. Το είδος της γονιδιωματικής αλληλουχίας που γίνεται σε αυτά τα πειράματα δεν είναι επίσης ιδανικό για την ακριβή ταξινόμηση μικροβίων ανά είδος ή άλλη ταξινομική ομαδοποίηση.

Επιπλέον, ορισμένοι επιστήμονες έχουν πιο θεμελιώδεις εννοιολογικές επιφυλάξεις — αυτές που καλύπτουν ένα πολύ μεγαλύτερο ερώτημα:Οι αλλαγές στη σύνθεση μιας μικροβιακής κοινότητας οφείλονται κυρίως στις αλληλεπιδράσεις μεταξύ των ίδιων των μικροβίων ή στις διαταραχές στο περιβάλλον τους;

Μερικοί επιστήμονες πιστεύουν ότι είναι αδύνατο να αποκτηθούν πολύτιμες πληροφορίες χωρίς να ληφθούν υπόψη περιβαλλοντικοί παράγοντες, κάτι που δεν το κάνει η μέθοδος του Liu. «Είμαι λίγο δύσπιστος», είπε ο Pankaj Mehta, βιοφυσικός στο Πανεπιστήμιο της Βοστώνης. Είναι αμφίβολος επειδή η μέθοδος υποθέτει ότι η σχέση μεταξύ δύο μικροβιακών στελεχών δεν αλλάζει όπως αλλάζει το κοινό τους περιβάλλον. Εάν πράγματι συμβαίνει αυτό, είπε ο Mehta, τότε η μέθοδος θα ήταν εφαρμόσιμη. «Θα ήταν πραγματικά συναρπαστικό αν αυτό που λένε είναι αλήθεια», είπε. Αλλά αμφισβητεί εάν τέτοιες περιπτώσεις θα είναι ευρέως διαδεδομένες, επισημαίνοντας ότι τα μικρόβια μπορεί να ανταγωνίζονται κάτω από ένα σύνολο συνθηκών, αλλά να βοηθούν το ένα το άλλο σε διαφορετικό περιβάλλον. Και τροποποιούν συνεχώς το περιβάλλον τους μέσω των μεταβολικών οδών τους, πρόσθεσε. "Δεν είμαι σίγουρος πώς μπορείτε να μιλήσετε για μικροβιακές αλληλεπιδράσεις ανεξάρτητα από το περιβάλλον τους."

Μια πιο σαρωτική κριτική διατυπώθηκε από τον Alvaro Sanchez, έναν οικολόγο στο Πανεπιστήμιο Yale που έχει συνεργαστεί με τη Mehta σε μηχανιστικά μοντέλα που βασίζονται σε πόρους. Τόνισε ότι το περιβάλλον καθορίζει σε μεγάλο βαθμό τη σύνθεση των μικροβιακών κοινοτήτων. Σε ένα πείραμα, αυτός και οι συνάδελφοί του ξεκίνησαν με 96 εντελώς διαφορετικές κοινότητες. Όταν όλοι εκτέθηκαν στο ίδιο περιβάλλον, είπε ο Sanchez, με την πάροδο του χρόνου έτειναν να συγκλίνουν στο να έχουν τις ίδιες οικογένειες μικροβίων σε περίπου τις ίδιες αναλογίες, παρόλο που η αφθονία κάθε είδους μέσα στις οικογένειες διέφερε πολύ από δείγμα σε δείγμα. Και όταν οι ερευνητές ξεκίνησαν με μια ντουζίνα πανομοιότυπες κοινότητες, διαπίστωσαν ότι η αλλαγή της διαθεσιμότητας έστω και μιας ζάχαρης ως πόρου δημιούργησε εντελώς διαφορετικούς πληθυσμούς. «Η νέα σύνθεση καθορίστηκε από την πηγή άνθρακα [ζάχαρη]», είπε ο Sanchez.

Οι επιπτώσεις των αλληλεπιδράσεων των μικροβίων καταπνίγηκαν από τις περιβαλλοντικές επιρροές. «Η δομή της κοινότητας δεν καθορίζεται από το τι υπάρχει εκεί αλλά από τους πόρους που τοποθετούνται… και από το τι παράγουν τα ίδια [τα μικρόβια]», είπε η Mehta.

Γι' αυτό δεν είναι σίγουρος πόσο καλά θα μεταφραστεί η δουλειά του Liu σε μελέτες μικροβιωμάτων εκτός εργαστηρίου. Οποιαδήποτε συγχρονικά δεδομένα ληφθούν για το ανθρώπινο μικροβίωμα, είπε, θα επηρεαστούν από τις διαφορετικές δίαιτες των υποκειμένων.

Ο Liu, ωστόσο, λέει ότι αυτό δεν θα ήταν απαραίτητα έτσι. Σε μια μελέτη που δημοσιεύτηκε στο Nature Το 2016, αυτός και η ομάδα του διαπίστωσαν ότι τα μικροβιώματα του ανθρώπινου εντέρου και του στόματος παρουσιάζουν καθολική δυναμική. «Ήταν ένα εκπληκτικό αποτέλεσμα», είπε, «να έχουμε ισχυρές αποδείξεις ότι υγιή άτομα έχουν ένα παρόμοιο παγκόσμιο οικολογικό δίκτυο, παρά τα διαφορετικά πρότυπα διατροφής και τον τρόπο ζωής».

Η νέα του μέθοδος μπορεί να βοηθήσει τους ερευνητές να φέρουν τους ερευνητές πιο κοντά στην αποσυσκευασία των διαδικασιών που διαμορφώνουν το μικροβίωμα — και να μάθουν πόσο από αυτές εξαρτάται από τις σχέσεις του είδους και όχι από το περιβάλλον.

Οι ερευνητές και στα δύο στρατόπεδα μπορούν επίσης να συνεργαστούν για να παρέχουν νέες γνώσεις για τις μικροβιακές κοινότητες. Η δικτυακή προσέγγιση που υιοθετήθηκε από τον Liu και άλλους, και η πιο λεπτομερής μεταβολική κατανόηση των μικροβιακών αλληλεπιδράσεων, «αντιπροσωπεύουν διαφορετικές κλίμακες», δήλωσε ο Daniel Segrè, καθηγητής βιοπληροφορικής στο Πανεπιστήμιο της Βοστώνης. «Είναι σημαντικό να δούμε πώς αυτές οι ζυγαριές σχετίζονται μεταξύ τους». Αν και ο ίδιος ο Segrè εστιάζει σε μοριακές χαρτογραφήσεις που βασίζονται στον μεταβολισμό, βρίσκει αξία στο να κατανοήσει περισσότερες παγκόσμιες πληροφορίες. "Είναι σαν, αν γνωρίζετε ότι ένα εργοστάσιο παράγει αυτοκίνητα, τότε γνωρίζετε επίσης ότι πρέπει να παράγει κινητήρες και τροχούς σε συγκεκριμένες σταθερές αναλογίες", είπε.

Μια τέτοια συνεργασία θα μπορούσε να έχει και πρακτικές εφαρμογές. Ο Xavier και οι συνεργάτες του ανακάλυψαν ότι η ποικιλότητα του μικροβιώματος των ασθενών με καρκίνο είναι ένας τεράστιος προγνωστικός παράγοντας για την επιβίωσή τους μετά από μεταμόσχευση μυελού των οστών. Οι ιατρικές θεραπείες που προηγούνται της μεταμόσχευσης - οξεία χημειοθεραπεία, προφυλακτικά αντιβιοτικά, ακτινοβόληση - μπορούν να αφήσουν τους ασθενείς με μικροβιώματα στα οποία ένα μικρόβιο κυριαρχεί συντριπτικά στη σύνθεση. Τέτοια χαμηλή ποικιλομορφία είναι συχνά ένας προγνωστικός δείκτης χαμηλής επιβίωσης ασθενών:Σύμφωνα με τον Xavier, οι συνάδελφοί του στο Sloan Kettering ανακάλυψαν ότι η χαμηλότερη μικροβιακή ποικιλομορφία μπορεί να αφήσει τους ασθενείς με πενταπλάσιο ποσοστό θνησιμότητας που παρατηρείται σε ασθενείς με υψηλή ποικιλομορφία.

Ο Xavier θέλει να κατανοήσει την οικολογική βάση αυτής της απώλειας της μικροβιακής ποικιλότητας, με την ελπίδα να σχεδιάσει προληπτικά μέτρα για να διατηρήσει την απαραίτητη μεταβλητότητα ή παρεμβάσεις για την ανασύστασή της. Αλλά για να το κάνει αυτό, χρειάζεται επίσης τις πληροφορίες που παρέχει η μέθοδος του Liu σχετικά με τις μικροβιακές αλληλεπιδράσεις. Για παράδειγμα, εάν ένας ασθενής πάρει ένα αντιβιοτικό στενού φάσματος, μπορεί αυτό να επηρεάσει ένα ευρύτερο φάσμα μικροβίων λόγω των οικολογικών εξαρτήσεων μεταξύ τους; Η γνώση του τρόπου με τον οποίο τα αποτελέσματα ενός αντιβιοτικού θα μπορούσαν να διαδοθούν σε ένα μικροβιακό δίκτυο θα μπορούσε να βοηθήσει τους γιατρούς να προσδιορίσουν εάν το φάρμακο θα μπορούσε να προκαλέσει τεράστια απώλεια στην ποικιλότητα του μικροβιώματος του ασθενούς.

"Έτσι, τόσο η εξωτερική διαταραχή όσο και οι εγγενείς ιδιότητες του συστήματος είναι σημαντικό να γνωρίζουμε", είπε ο Xavier.

Διόρθωση: Αυτό το άρθρο ενημερώθηκε στις 14 Φεβρουαρίου για να είναι πιο σαφές σχετικά με τις επιφυλάξεις που έχουν πολλοί επιστήμονες σχετικά με τη χρησιμότητα της προσέγγισης για την περιγραφή των αλληλεπιδράσεων στα μικροβιακά δίκτυα. Ο υπότιτλος του άρθρου τροποποιήθηκε επίσης για να αντικατοπτρίζει καλύτερα αυτόν τον σκεπτικισμό.