[논문 리뷰] Microbiome association diversity reflects proximity to the edge of instability

Rubén Calvo, Adrián Roig외 4명|arXiv (Cornell University)|2026. 01. 30.

Gut microbiota and health인용 수 0

한 줄 요약

이 논문은 미생물군이 광범위한 짝별 연관을 보이고 불안정성의 경계에 가까이 작동하는 것을 설명하기 위해 무작위 균형 상호작용이 있는 상호 작용적 확률 로지스틱 모델(ISLM)을 도입한다; 이는 경험적 공분산으로부터 불안정성 거리 g를 추정하는 방법을 제공하고 이를 환경 미생물군과 인체 장내 미생물군에 적용하여 건강한 장이 비정상 상태보다 경계에 더 근접해 있음을 보여준다.

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.

연구 동기 및 목표

• 미생물군에서 종 간 상호 상관관계를 설명하기 위해 단일 종 매크로생태학 법칙을 넘어설 필요성을 동기화한다.
• 단일종 통계치를 보존하는 균형 잡힌 무작위 상호작용을 갖는 최소한의 ISLM 개발.
• ISLM 위상도(안정, 혼란, 무한 확장) 매핑하고 교란에 대한 개방성과 연결된 효과적 안정성 매개변수 식별.
• 경로거리 불안정성에서의 거리 추정 등을 위한 finite-size 보정 프레임워크 도출.
• 환경 미생물군과 인간 장 데이터에 프레임워크 적용하여 임계성 및 이형생성 근접성 평가.
• May의 안정성 이론 및 복잡한 미생물 커뮤니티의 생태계 회복력에 대한 시사점 강조.]
• method:[

제안 방법

• ISLM을 환경 잡음이 곱해진 일반화된 Lotka-Volterra 시스템으로 형식화한다.
• A=D+σM로 구성된 희소하고 균형 잡힌 상호작용 행렬의 앙상블을 구성하여 고정점 운반 능력을 보존하면서 상호작용을 도입한다.
• 무작위 행렬 이론을 사용하여 May 유사 불안정 선 g=σ√C=1를 보이고 동적 평균장 이론(DMFT)을 적용해 유발된 노이즈를 가진 효과적인 1종 프로세스를 도출한다.
• DMFT를 넘는 1/S 보정을 도출해 짝지어진 공분산 분포 Δ의 폭을 추정하고 Δ를 명시적 공식으로 안정성 매개변수 g와 연결한다.
• 경험적 단기 공분산으로부터 g를 추정하고 시뮬레이션 공분산 히스토그램을 데이터에 맞춰 앙상블 내 대표 네트워크를 선택한다.
• 해양수/강/빙하/호수 미생물군 및 인간 장 코호트에 파이프라인을 적용하여 환경과 건강 상태 간 불안정성 경계 근접성 비교를 수행한다.

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

실험 결과

연구 질문

• RQ1 미니멈 상호 작용 확률 로지스틱 모델이 단일 종 매크로생태학 법칙과 미생물군 간 관측된 상호작용을 모두 재현할 수 있는가?
• RQ2 네트워크 희소성과 상호작용 이질성이 미생물 커뮤니티의 상호 작용의 상의상태- 안정, 혼돈, 무한 확장의 위상 거동에 어떤 영향을 미치는가?
• RQ3 경험적 공분산에서 추론된 효과적 안정성 매개변수 g가 실제 미생물군의 불안정성 경계까지의 거리를 정량화할 수 있는가?
• RQ4 건강한 장과 이형생성 장내 미생물군은 불안정성 경계에 대해 서로 다른 영역을 차지하는가, 그리고 이를 IBD, IBS, CRC, CDI 같은 상태를 구분하는 데 사용할 수 있는가?

주요 결과

• 균형 Gaussian 상호작용 앙상블을 갖춘 상호 작용 확률 로지스틱 모델은 1종 법칙을 재현하면서 데이터에서 보이는 광범위한 짝별 연관을 생성한다.
• 랜덤 매트릭스 분석은 ISLM에서 안정에서 혼돈으로의 전환을 나타내는 May 유사 불안정 선 g=1을 도출한다.
• 유한크기 보정은 불안정성 경계에의 근접성(g가 높을수록)으로 짝지별 연관 분포의 폭이 넓어져 경험적 패턴과 일치함을 보인다.
• ISLM 프레임워크로 공분산을 적합시키면 다양한 환경 생물군에서 g 값이 1에 가까워지며, 네트워크 구현의 차이를 반영하는 변동이 나타난다.
• 인간 장 데이터에서 건강한 개인은 평균 g가 더 높고(약 0.86) 연관이 더 넓고 이질적이며, 이형생성 상태는 g가 더 낮고(약 0.74–0.77) 더 안정적인 거동을 보여 IBD, IBS, CRC, CDI와 같은 조건을 구분하게 해준다.
• 이 접근법은 매크로생태학 법칙, 상호작용 네트워크 앙상블, May의 안정성 이론을 연결하고 복잡한 커뮤니티가 동적 위상 전이 근처에서 작동하는 것이 이점이 있을 수 있음을 시사한다.

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