通过结合微生物生长动力学与微生物种群动态，建立对活性污泥微生物组的预测性理解

《Environmental Science & Technology》：Building Predictive Understanding of the Activated Sludge Microbiome by Bridging Microbial Growth Kinetics and Microbial Population Dynamics

　　微生物动力学建模方法研究. 基于菌群生长动力学与群体动态的内在关联，开发新型建模框架，通过466个活性污泥样本的数据增强与处理，构建36个核心菌群动力学模型，结合贝叶斯网络分类和拓扑数据分析识别关键种群，验证表明含动力学参数的模型预测相似度（Bray-Curtis 0.70）显著优于传统方法（0.66）。

　　

对微生物组进行建模可以为微生物生态学提供预测性见解，但当前的建模方法存在固有的局限性。在这项研究中，基于微生物群落的生长动力学与微生物种群动态之间的内在联系，开发了一种新的建模方法。为了实施这种方法，研究人员收集了来自四个全规模活性污泥系统的466个样本。这些原始样本经过数据转换处理，使得数据集的规模增加了三倍，并实现了种群动态的量化分析。在42个属于不同科级的核心种群中，有36个种群的整体动态变化在统计学上接近于零（变化范围为±0.05 d^–1）。利用贝叶斯网络将这些核心种群分类为异养型和自养型群落。通过拓扑数据分析来识别关键种群和随时间变化的微生物相互作用。这些基于数据的推断结果通过直接使用“活性污泥微生物数据库”（MiDAS）进行了验证，并通过人工神经网络预测群落结构进行了间接验证。结果显示，在包含微生物动力学参数的情况下，预测群落与实际观察到的群落之间的Bray–Curtis相似度更高（0.70 vs 0.66，t检验，p < 0.05）。由于该建模框架的灵活性，这种混合方法有可能被应用于自然系统中的时间依赖性数据，从而更深入地理解其中的微生物组。