[論文レビュー] Microbiome association diversity reflects proximity to the edge of instability

Rubén Calvo, Adrián Roig+4 more|arXiv (Cornell University)|Jan 30, 2026

Gut microbiota and health被引用数 0

ひとこと要約

要約: 本論文は、乱れのある平衡的相互作用を持つ相互作用的確率ロジスティックモデル（ISLM）を提案し、微生物相が広範な対相関を示し、不安定性の辺縁近くで動作する仕組みを説明する。経験的共分散から不安定性までの距離 g を推定する方法を提供し、環境系と人間の腸内微生物叢に適用して、健康な腸はディスバイオシス状態より辺縁に近いことを示す。

ABSTRACT

Recent advances in metagenomics have revealed macroecological patterns or "laws" describing robust statistical regularities across microbial communities. Stochastic logistic models (SLMs), which treat species as independent -- akin to ideal gases in physics -- and incorporate environmental noise, reproduce many single-species patterns but cannot account for the pairwise covariation observed in microbiome data. Here we introduce an interacting stochastic logistic model (ISLM) that minimally extends the SLM by sampling an ensemble of random interaction networks chosen to preserve these single-species laws. Using dynamical mean-field theory, we map the model's phase diagram -- stable, chaotic, and unbounded-growth regimes -- where the transition from stable fixed-point to chaos is controlled by network sparsity and interaction heterogeneity via a May-like instability line. Going beyond mean-field theory to account for finite communities, we derive an estimator of an effective stability parameter that quantifies distance to the edge of instability and can be inferred from the width of the distribution of pairwise covariances in empirical species-abundance data. Applying this framework to synthetic data, environmental microbiomes, and human gut cohorts indicates that these communities tend to operate near the edge of instability. Moreover, gut communities from healthy individuals cluster closer to this edge and exhibit broader, more heterogeneous associations, whereas dysbiosis-associated states shift toward more stable regimes -- enabling discrimination across conditions such as Crohn's disease, inflammatory bowel syndrome, and colorectal cancer. Together, our results connect macroecological laws, interaction-network ensembles, and May's stability theory, suggesting that complex communities may benefit from operating near a dynamical phase transition.

研究の動機と目的

• 単一種のマクロ生態学法則を超えて、微生物叢における種間相関を説明する必要性を動機づける。
• 単一種統計を保持する最小限の相互作用的確率ロジスティックモデル（ISLM）を、平衡なランダム相互作用を用いて構築する。
• ISLM の位相図（安定・カオス・無限大）を写像し、撹乱に対する開放性に結びつく効果的な安定性パラメータを同定する。
• 経験的対ペア共分散から距離 to 不安定性を推定する有限サイズ補正フレームワークを導出する。
• 環境微生物叢とヒト腸データにこのフレームワークを適用し、臨界性とディスバイオシスへの近さを評価する。
• May の安定性理論と複雑な微生物群集における生態系の回復力への含意を強調する。

提案手法

• ISLM を乗法的環境ノイズを伴う一般化ロトカ-ヴォルテラ系として定式化する。
• 固定点の持続容量を保持しつつ相互作用を導入する疎で平衡な相互作用行列 A=D+σM のアンサンブルを構築する。
• ランダムマトリクス理論を用いて May 的な不安定性線 g=σ√C=1 を示し、ダイナミック平均場理論（DMFT）を適用して顕在化するノイズを持つ有効な1種過程を導出する。
• DMFTを超える 1/S 補正を導出して対ペア共分散分布 Δ の幅を推定し、Δ を安定性パラメータ g との明示的な式で結びつける。
• 経験的短時間共分散から g を推定し、シミュレートされた共分散ヒストグラムをデータと一致させて、アンサンブル内の代表的ネットワークを選択する。
• 海水、河川、氷河、湖水の微生物叢、そしてヒト腸のコホートにこのパイプラインを適用し、環境と健康状態間で不安定性の辺縁への近さを比較する。

Figure 1: From ideal-gas-like descriptions to interacting ensembles. Non-interacting models such as the SLM capture marginal statistical patterns of empirical data (Grilli’s laws) but fail to reproduce interspecific associations, while Bayesian inference can fit both at the cost of losing interpreta

実験結果

リサーチクエスチョン

• RQ1 最小限の相互作用的確率ロジスティックモデルは、単一種のマクロ生態学法則と微生物叢の種間相関の両方を再現できるか。
• RQ2 ネットワークの疎性と相互作用の不均一性は、微生物群集の位相挙動（安定・カオス・無限大）にどのような影響を与えるか。
• RQ3 経験的共分散から推定された有効な安定性パラメータ g は、実世界の微生物叢における不安定性の辺縁への距離を定量化できるか。
• RQ4 健康な腸とディスバイオシス関連腸叢は不安定性の辺縁の異なる領域に存在しうるか、IBD、IBS、CRC、CDI などの状態を区別できるか。

主な発見

• 相互作用組成を持つバランスの取れたガウス相互作用アンサンブルを用いた相互作用的確率ロジスティックモデルは、単一種法則を再現しつつデータに見られる広い対の相関を生成する。
• ランダムマトリクス解析は May 型の不安定性線 g=1 を導き、ISLM の安定領域からカオス領域への遷移を示す。
• 有限サイズ補正は、不安定性の辺縁への近さ（より大きな g）が対の相関分布を広げ、経験的パターンに整合することを示す。
• ISLM フレームワークで共分散を適合させると、環境生物域全体で g が 1 に近い値（辺縁付近）になり、ネットワーク実現の差異を反映する変動が現れる。
• 人間の腸データでは、健康な個人は平均 g が約 0.86 付近となり、相関がより広く不均一であるのに対し、ディスバイオシス関連状態は g が約 0.74–0.77 と低く、IBD、IBS、CRC、CDI などの条件を区別するのに有用である。
• このアプローチは macroecological laws、相互作用ネットワークのアンサンブル、May の安定性理論を結び付け、複雑な群集が動的位相遷移の近傍での動作から利益を得る可能性を示唆する。

Figure 2: The synthetic model exhibits fixed-point, chaotic, and unbounded dynamical phases. A . Heat map of the largest Lyapunov exponent (LLE) as a function of $\sigma$ and $C$ (negative values are plotted as zero for clarity). Three regimes can be distinguished: a fixed-point phase (FP), a chaoti