[论文解读] 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 0

一句话总结

本文提出一个带随机平衡相互作用的相互作用随机逻辑模型（ISLM），用于解释微生物组为何表现出广义的成对相关性并在不稳定边缘附近运作；它提供一种从经验协方差估计距离不稳定性的量 g 的方法，并将其应用于环境与人类肠道微生物组，显示健康肠道比疾病态更接近边缘。

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.

研究动机与目标

• 推动需要超越单一物种宏观生态法则以解释微生物组的种间相关性。
• 开发一个最小的相互作用随机逻辑模型（ISLM），具备平衡的随机相互作用，同时保持单物种统计量。
• 绘制ISLM的相图（稳定、混沌、有界），并识别与对扰动开放性相关的有效稳定性参数。
• 推导有限尺寸修正框架，以从经验性成对协方差推断距离不稳定性。
• 将该框架应用于环境微生物组和人类肠道数据，以评估临界性与共生失调的接近程度。
• 强调对梅氏稳定理论和复杂微生物群落生态系统韧性的影响。

提出的方法

• 将ISLM表述为具有乘法环境噪声的广义Lotka-Volterra系统。
• 构建一个稀疏、平衡的相互作用矩阵集合A=D+σM，在引入相互作用的同时保持定点承载能力。
• 利用随机矩阵理论显示May风格的不稳定线g=σ√C=1，并应用动态平均场理论（DMFT）推导出具有内生噪声的有效单种过程。
• 推导超越DMFT的1/S校正，以估计成对协方差分布的宽度Δ，并通过显式公式将Δ与稳定性参数g联系起来。
• 从经验短时协方差中推断g，并将模拟协方差直方图与数据匹配，以在集合中选择具有代表性的网络。
• 将该流程应用于海水、河流、冰川和湖泊微生物组，以及人类肠道队列，以比较在不同环境和健康状态下对不稳定边缘的接近程度。

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

实验结果

研究问题

• RQ1 一个最小的相互作用随机逻辑模型是否能够同时再现单一物种的宏观生态法规和微生物组观测到的种间关联？
• RQ2 网络稀疏性和相互作用异质性如何影响微生物群落的相态行为（稳定、混沌、有界）？
• RQ3 能否从经验协方差推断出一个有效的稳定性参数g，以量化真实微生物组距离不稳定边缘的距离？
• RQ4 健康与疾病相关的肠道微生物组是否在不稳定边缘的不同区域，从而可用于区分如炎症性肠病IBD、肠易激综合征IBS、结直肠癌CRC或艰难梭状芽胞杆菌感染CDI等条件？

主要发现

• 一个带平衡高斯相互作用集合的相互作用随机逻辑模型可以再现单物种规律，同时产生数据中观察到的广义成对关联。
• 随机矩阵分析给出May风格的不稳定线g=1，标志ISLM从稳定区向混沌区的转变。
• 有限尺寸修正显示，接近边缘不稳定性（较高的g）会使成对关联分布变宽，从而匹配经验模式。
• 在ISLM框架下拟合协方差可得到在多样环境生物群中接近不稳定边缘的g值接近1的结果，差异反映网络实现的差异。
• 在人类肠道数据中，健康个体的平均g值更高（约0.86）且关联更广泛、异质性更强，而疾病状态则显示较低的g值（约0.74–0.77）和更稳定的区间，能够在如IBD、IBS、CRC、CDI等条件中区分。
• 该方法将宏观生态规律、相互作用网络集合与梅氏稳定理论联系起来，提示复杂群落在动力学相变边缘运行可能带来好处。

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