PNAS| 华中农业大学吴海舟团队Célio老师在微生物生态学领域取得研究进展

食品科学技术学院吴海舟团队CélioDiasSantos-Júnior老师以第一作者(兼共同通讯作者)在国际学术期刊《美国科学院院刊》（ProceedingsoftheNationalAcademyofSciencesoftheUnitedStatesofAmerica，PNAS）在线发表题为“Resourceavailabilitystructuresmicrobialcompetitionthroughgenomicnichepartitioning”的研究论文。该研究针对微生物资源竞争难以从基因组数据直接量化的关键难题，创新性开发了可扩展的基因组生态学分析框架CaCo，将宏基因组中的碳水化合物活性酶信息转化为微生物碳源利用潜力、生态位重叠程度和资源竞争潜力等定量指标，实现了从大规模基因组数据预测微生物资源竞争关系。研究基于来自海洋、淡水、土壤和人类肠道等生态系统的14,691个高质量宏基因组组装基因组，揭示了资源可利用性塑造微生物竞争格局的重要宏生态学规律，也为未来解析食品发酵、贮藏保鲜和腐败控制等复杂微生物体系提供了可借鉴的方法基础。

构建CaCo指标，实现微生物资源竞争的基因组量化

微生物广泛存在于海洋、淡水、土壤、肠道以及食品发酵、贮藏和腐败过程中，在物质循环、生态稳定、食品安全和人体健康等方面发挥重要作用。资源竞争是塑造微生物群落结构和功能的核心生态过程之一。然而，由于微生物群落组成复杂、环境差异巨大、相互作用高度动态，如何仅依靠基因组数据预测微生物之间的潜在竞争关系，仍是微生物生态学领域的重要难题。

经典生态学理论认为，当不同微生物利用相同或相似资源时，其生态位重叠程度越高，潜在竞争越强；反之，如果不同微生物利用不同资源，则可以通过生态位分化降低直接竞争。围绕这一理论问题，研究团队聚焦微生物碳源利用这一关键生态过程，开发了CaCo（CarbonCompetition）分析框架。该框架通过解析基因组中的碳水化合物活性酶（CAZymes）信息，预测微生物潜在碳源利用谱，并进一步计算不同微生物之间的生态位重叠程度和资源分配得分（ResourcePartitioningScore，RPS）。这一方法将传统生态学中较难直接测定的“生态位重叠”和“资源竞争”转化为可基于基因组数据大规模计算的定量指标，为微生物群落竞争关系预测提供了新的方法基础。

图1CaCo方法原理：基于碳源利用潜力预测微生物资源竞争关系

多层次实验验证，证明CaCo能够反映真实竞争关系

为验证CaCo指标是否能够反映真实微生物互作过程，研究团队开展了多层次验证。团队首先利用来自亚马逊生态系统的10株环境分离菌进行BIOLOGPM1碳源利用表型实验，结果显示，基因组预测的生态位重叠与实测碳源利用表型具有显著相关性。进一步，研究团队结合已发表的合成菌群共培养实验数据和不同碳源复杂度条件下的微生物互作数据，证明CaCo预测结果能够反映微生物潜在竞争强度，并能够为理解不同生态条件下微生物互作结果提供依据。这表明CaCo不仅能够描述基因组层面的代谢相似性，还能够连接微生物的“基因组潜力”与“生态竞争现实”。

图2CaCo预测结果的多层次实验验证

解析全球宏基因组资源，揭示微生物竞争的宏生态学规律

在方法构建和实验验证基础上，研究团队进一步将CaCo应用于全球宏基因组数据分析。研究选取来自人类肠道、土壤、淡水和海洋等不同环境的14,691个高质量宏基因组组装基因组，覆盖了从寡营养到富营养的典型资源梯度。通过系统比较不同生态系统中微生物的碳源利用谱、生态位宽度和生态位重叠程度，研究团队揭示了资源可利用性对微生物竞争格局的深刻影响。研究发现，在海洋和淡水等资源相对有限的寡营养环境中，微生物更倾向于表现出较窄的生态位宽度和较低的生态位重叠，说明其通过资源分配和生态位分化降低直接竞争；而在土壤和人类肠道等资源更加丰富的环境中，微生物则表现出更宽的碳源利用谱和更高的生态位重叠，显示出更强的广适性和潜在竞争关系。该发现表明，资源可利用性能够在宏生态尺度上系统塑造微生物群落竞争结构。

图3全球不同生态系统中微生物生态位重叠与资源竞争格局

拓展微生物群落预测研究新路径

该研究进一步发现，系统发育关系是影响微生物竞争潜力的重要因素。总体来看，亲缘关系越近的微生物，其碳源利用谱越相似，生态位重叠程度越高，潜在资源竞争也越强。这一结果与经典生态学中“近缘物种由于资源需求相似而更容易发生竞争”的理论高度一致，说明现代宏基因组数据能够为经典生态学理论提供新的大规模证据。该研究在全球宏基因组尺度上系统量化了微生物资源竞争潜力，建立了从“基因组信息—碳源利用潜力—生态位重叠—竞争关系预测”的分析路径。研究成果不仅拓展了微生物生态学的理论边界，也为复杂微生物群落解析提供了新的计算工具。虽然该研究主要聚焦全球生态系统中的微生物竞争规律，但其提出的CaCo框架和基因组生态位分析思路，也为食品发酵、贮藏保鲜、腐败微生物控制和食品安全风险预测等研究提供了可借鉴的方法基础。

该研究是吴海舟团队在人工智能、食品科学与微生物生态学交叉方向取得的重要进展，也是团队围绕食品微生物群落调控、天然抑菌活性物质挖掘和智能化食品保鲜研究布局的重要基础性成果。未来，团队将进一步结合食品科学中的腐败、发酵、贮藏与保鲜等应用场景，探索人工智能、生物信息学和食品微生物生态调控的交叉融合。