How far can microbial monocultures predict growth in multi-strain communities?

地球上の生命は、しばに混雑した事態に直面しますが、それは細菌が暮らす微小な世界において特に顕著です。ペトリ皿やヒトの腸内において、これらの単細胞生物が孤立して存在することは稀であり、異なる菌株が食物や場所を奪い合う複雑なコミュニティを形成しています。科学者たちは、個々の菌株が単独でどのように成長するかを調べることで、これらの集団がどのように振る舞うのかを理解しようと長年試みてきました。単一の種類の細菌を栄養豊富な環境に置くと、それは予測可能な経路を辿ります。すなわち、最初はゆっくりと始まり、急速に成長し、資源が枯渇するにつれて横ばいになります。このパターンは「成長曲線」として知られています。長年、研究者たちは、2つの異なる菌株が単独でどのように成長するかを知っていれば、それら2つを混合したときにどのように振る舞うかをしばしば予測できることを見出していました。しかし、この単純な論理は、3種類以上の菌株が関与する場合に崩壊するように見えました。相互作用が複雑になりすぎ、古い手法では、より大規模で混雑したコミュニティの結果を予測することができなくなったのです。

ある研究チームは、異なるアプローチを用いてこのパズルを解こうと試みました。あらゆる生物学的ルールを記述しようとする従来の数学的モデルに頼る代わりに、彼らは「機械学習」と呼ばれる手法を用いました。これは、明示的にルールを教えられることなく、データからパターンを学習する一種のコンピュータプログラムです。科学者たちは大腸菌（Escherichia coli）と呼ばれる一般的な細菌に焦点を当て、最大5種類の異なる菌株で構成されるコミュニティをテストしました。彼らはまず、各菌株が皿の中に単独で存在する場合の成長を測定し、増殖の速度と、最も速いペースに達した正確な瞬間を記録しました。次に、これらの菌株をペアから5つのグループに至る様々な組み合わせで混合し、総細菌量、成長曲線の形状、およびグループが最も速く成長した時期を測定しました。

結果は、集団全体の振る舞いが、そのメンバー個々のパフォーマンスに大きく影響されていることを明らかにしました。具体的には、コンピュータプログラムは、最も速く成長する菌株とそのピーク速度のタイミングが、コミュニティ全体がどのようになるかを予測するための最も重要な手がかりであることを学習しました。さらに驚くべきことに、ペアや3種類の細菌といった小さなグループのデータで訓練された機械学習モデルは、4種類または5種類の菌株を含むより大きなグループの振る舞いを正確に予測することができました。コンピュータは、すべての可能な組み合わせを見る必要はなく、より単純な混合物からパターンを理解するのに十分なことを学び、より複雑な混合物の結果を推測することができたのです。

この研究はまた、予測を行うために実際にどれほどの複雑さが必要かという限界についても明らかにしました。研究者たちは、トレーニングデータに菌株を次々と追加しても、予測の精度は大幅には向上しないことを見出しました。多くの場合、細菌が単独またはペアでどのように成長するかを知っていれば、5種類の菌株を含むコミュニティの振る舞いを高い精度で予測するのにすでに十分でした。このことは、大規模で複雑な細菌の混合物を育てて研究するために必要な追加の労力は、多くの場合、不要であることを示唆しています。この知見は、微生物コミュニティを支配する根本的なルールはこれまで考えられていたよりも単純であり、大きな集団の振る舞いは、その中の個体を注意深く観察することで理解できることが多いということを示しています。