人类鼻腔微生物群:模拟d . pigrum而且金黄色葡萄球菌

1介绍

人类的鼻子是许多微生物物种和几个复杂的微生物生态系统的家园，它们在宿主的健康中起着重要作用。Levy和Borenstein, 2013)．事实上，在自然界中，大多数微生物都不是孤立生活的，而是作为一个复杂的、动态变化的微生物联合体的一部分而存在。它们不断地改变环境，使其对生活在其中的其他生物有利或不利，从而形成群落的组成和结构，但也影响疾病的发生或发展(Clemente et al.， 2012)．

与其他环境一样，人类鼻子中的微生物相互作用复杂、灵活，能够适应生理变化。例如，养分可利用性的变化可能会改变群落成员的相对丰度，并影响其功能能力。除了资源竞争之外，群落内的成员还可以通过释放被其他物种代谢的“废物”来相互喂食。对空间的竞争也可能是直接杀灭，例如通过分泌抗微生物化合物(弗雷德里克森博士,2015；Widder等人，2016；弗里德曼和戈尔，2017年)．合作与竞争在微生物群落中产生正负反馈，并影响整体功能活动(Leung和Poulin, 2008)．

到目前为止，已在人类受试者的鼻液中鉴定出150多种不同的细菌(卡斯帕等人，2016年)．细菌机会致病菌金黄色葡萄球菌是最常见的物种之一:事实上，它寄生在约三分之一的人类鼻孔里(Brégeon等，2018)．无症状的鼻运输金黄色葡萄球菌是发生内源性感染的主要危险因素吗金黄色葡萄球菌劳损，尤其是手术后(Perl等人，2002年；博德等人，2010年；Brégeon等，2018)．MRSA的出现和传播给治疗这些耐抗生素感染带来了严重的问题，因此仅在美国每年就造成近1万人死亡。疾病控制和预防中心，2008年；拉姆齐等人，2016)．这表明迫切需要研究新型抗菌药物(康伦等人，2013)和抗毒力疗法(Månsson等，2014；默里等人，2014；萨利等人，2014年)．变成共生的因素金黄色葡萄球菌变成病原体还没有确定。在鼻腔微生物群中，存在金黄色葡萄球菌与其他鼻共生物种，包括金黄色葡萄球菌属棒状杆菌属，丙酸菌属,Dolosigranulum（上原等人，2000年；Lina等人，2003年；弗兰克等人，2010年；加德纳等人，2013；严等，2013)．优先级后面是Dolosigranulum pigrum．在对人类上呼吸道(URT)微生物群的多项研究中出现，用或不用棒状杆菌属物种，作为潜在的有益和/或防止殖民的(劳弗等人，2011年；严等，2013；刘等，2015；Escapa等人，2018；人等，2020年)．特别是,d . pigrum似乎很少共存金黄色葡萄球菌在鼻腔微生物群落中，这可能会阻止鼻腔的定植通过金黄色葡萄球菌（劳弗等人，2011年；严等，2013；刘等，2015；Escapa等人，2018；人等，2020年)．然而，这些保护作用背后的分子机制在很大程度上仍然不清楚。理解成对的交互作用，例如d . pigrum而且金黄色葡萄球菌，作为多物种群落动态的有影响力的驱动因素，对控制微生物群落以达到治疗和预防目的至关重要(Mostolizadeh等人，2019)．然而，这往往受到不可能培养和共培养人类鼻腔微生物群的阻碍在体外．虽然已经开发出一种独特的SNM3 (Krismer等人，2014)来模拟人类鼻子的环境，即使在这种培养基中，鼻腔微生物组的一些成员仍然无法培养。

系统生物学和在网上代谢模型可以研究复杂的微生物群落，如肠道、皮肤、阴道和呼吸道(乔杜里和方，2020年)．各种建模方法，例如GEM (Klitgord和Segrè， 2010；Freilich et al.， 2011；佐莫罗迪和马拉纳斯，2012年；Seif等人，2019年；Diener等人，2020年)， agora (Levy和Borenstein, 2013；Magnúsdóttir等，2017)、赌场(Shoaie等人，2015)、BacArena (鲍尔等人，2017年)，及GutLogo (林等，2018)，以及VMH等数据库(Noronha等人，2019年)，已被开发以获得对物种间相互作用如何形成和塑造微生物群落的定量理解。关于鼻腔微生物群，大多数研究使用基于扩增子的测序方法分析健康个体鼻拭子中微生物群落的组成，并估计不同物种之间的共现关系。此外,在体外分析进一步表明，鼻微生物组的一些成员之间存在潜在的拮抗或合作相互作用。此外，GEMs仅针对鼻腔微生物群中的少数细菌(卡斯帕等人，2016年)．

与人类肠道不同，人类鼻子的多样化景观为许多尚未鉴定的细菌提供了有氧和厌氧的生活条件(Proctor和Relman, 2017；Man et al.， 2017)．因此，模拟鼻内细菌生长需要修改为肠道微生物组建立的工作流程，这是纯厌氧的。在这里，我们应用了我们创建的python包NCMW (Glöckler等，2022)构建了已发表的gem之间成对微生物群落及其相互作用的预测计算模型金黄色葡萄球菌USA300菌株JE2 (Seif等人，2019年；Renz和Dräger, 2021年),d . pigrum株83VPs-KB5 (Renz等人，2021年)．这些gem已经以SBML Level 3 Version 1格式提供(伯格曼等人，2018；基廷等人，2020年；Renz等人，2020年)，附带通量平衡约束(FBC)扩展版本2 (奥利维尔和伯格曼，2018年)，遵循基于约束的模型的标准约定(Carey等人，2020年)．金黄色葡萄球菌已利用NCBI (Pruitt等人，2005年）通过登录代码CP020619.1，以及d . pigrum已使用ASM19771v1重构。

由于代谢交换因子可以驱动形态和发育过程，以及单个微生物的生存(Phelan et al.， 2012)，预测这种交流可以提供有关相互作用的伙伴是促进还是阻碍彼此生长的信息，而不考虑所涉及的特定物种的机制细节(Giometto等，2015)．据我们所知，这是第一个应用于人类鼻腔微生物群落的基于化学计量学的网络分析方法。这里讨论的数据为今后的测试奠定了基础d . pigrum作为一种潜在的益生菌，以防止或对抗殖民化的鼻孔金黄色葡萄球菌．

2材料与方法

我们首先简要分析了目标生物体的基因组尺度代谢网络重建(类型)。假设模型已经被重构、手工管理和细化。我们使用基于约束的建模(CBM)来系统地计算每个物种在预定义介质中的生物量产量。对微生物代谢的全面理解从纯培养中单个菌株的特性扩展到由复杂群落支持的组合相互作用。

2.1创业板的质量和相似性

为了检验每个物种模型的一致性，我们首先使用FastCC算法(弗拉西斯等人，2014年)，由COBRApy (Ebrahim等人，2013)．下一步，这些模型应该模拟人类鼻子的营养环境。所有物种都应该能够在SNM3中有一个可行的生长。每种类型都变成了GEM，即网络的数学表示形式。一个化学计量矩阵年代在此过程中创建，行表示代谢物，列表示反应。因此，FBA被实现。数学方法FBA常用于模拟代谢在流派。FBA通过该网络计算代谢物流量。这使人们能够预测有机体的生长速度或代谢物的生产速度，这在生物技术上是重要的(Orth等人，2010)．此外，FVA被用作计算工具来评估每个反应通量的最小和最大范围，同时保持代谢网络的预定义状态(Gudmundsson和Thiele, 2010)．使用FVA，我们可以保持不同的状态，并支持最大可能生物量产量的90%、70%、30%和10%，以计算每个感兴趣的反应的最大值和最小值。

我们使用Jaccard指数(也称为Jaccard相似系数)来量化模型之间的相似度，以特定的集合，即反应的集合。集合之间的Jaccard指数一个而且B定义为(Jaccard 1912；Tanimoto 1958）

在哪里一个而且B表示两个不同的集合。注意0≤J（一个，B)≤1。如果J（一个，B) = 1，则两个不同集合有100%的重叠;这两个集合是等价的。

我们假设多物种群落为成对关系，从而建立多物种代谢模型。多物种群落可以通过多种方式形成。通常，这些方法可以分为划分的、池化的和嵌套的方法，每种方法都有优点和缺点(塔夫斯等，2009年)．在这里，我们将重点介绍划分的方法，并简要地介绍汇总方法的一些结果。

2.2社区结构

一个区分模型在两个物种之间使用五个隔间构建:两个隔间属于每个物种，第五个隔间代表一个共享的环境，其中代谢物优先和直接转移到物种之间(Stolyar等人，2007年；Klitgord和Segrè， 2010；Freilich et al.， 2011)．

每个模型都有一个化学计量矩阵。这些矩阵结合在一起，创建一个新的隔间(共享隔间)，与每个物种交流，并作为描述环境养分有效性的接口(Stolyar等人，2007年；Klitgord和Segrè， 2010；Freilich et al.， 2011)．例如，两个物种的模型如下:

我们专注于把人的鼻子作为一个环境。如果是代谢物X_我是此环境的一部分(Y而且Z为代谢物)，我们添加以下反应:

使用穿梭反应的优势在于，它们可以监测哪些代谢产物是由物种群落在环境中运输的，哪些是通过每个物种的膜运输的(Klitgord和Segrè， 2010)．然而，这些都是不必要的。分隔模型也可以作为“综合方法”在没有航天飞机反应的情况下实现。然而，这使得对社区进行更详细的分析成为不可能。在此，我们研究了两种分隔方法，有和没有穿梭反应，区分集成模型从自定义模型。

此外,集合方法定义为单一实体在图1 d．来自两个或三个物种的所有代谢反应和代谢物被组合到一个单独的隔间中。由多个物种催化的反应只考虑一次。每个物种对SNM3的所有代谢约束都遵循原始定义，因为不需要详细了解群落中每个物种。

2.3目标函数

目标函数有几种选择。我们具体使用以下内容来说明不同公式的优缺点:

●群落成员的生物量反应之和。这是一个简单的公式，以证明社区成员的平衡增长或其丰富性的概念是多么重要。此外，它还显示了如果一个物种生长得更快或具有更高的生长速度，它是如何影响结果的。要使用这个公式，应该仔细考虑单元定义。单个物种的MBR通常以mmol/(gDW[物种]·h)为单位描述。而整个微生物群落的生长速率则以mmol/(gDW[total]·h)为单位。因此，我们将SNM3中定义的除氧和铁外的营养物质的吸收速率分别为20 mmol/(gDW·h)和0.1 mmol/(gDW·h)等约束条件加到10，计算出SNM3中各物种的生物量。因此，单位被定义为收益率，V_{生物质/营养}，以每摩尔营养物质的克生物量为单位(Stolyar等人，2007年；Freilich et al.， 2011；Gottstein等人，2016)．这种方法显示了物种间的共培养相互作用。

●不同系数群落成员的生物量反应之和:这是已知的$V＝{\displaystyle \underset{我＝1}{\overset{n}{\sum }}{w}_{我}·V_{{\text{模型}}_{我}}}$在哪里w_我∈ℝ⁺∪{0}是每个物种的权重(或客观系数)。权重w_我可定义为每种物种的丰度(Gennert和Yuille, 1988年；Freilich et al.， 2011)．该方法适合于在人鼻中细菌类群相对丰度已知的情况下进行实验。

●在保持总生物量恒定为0.1 (1/h)的情况下，目标函数为第一个物种总生物量的α%和第二个物种总生物量的(1-α)% (El-Semman等人，2014)．生物质反应V_BM通常是标准化的，这样它将产生1g生物量，这导致单位1/h对应的生物体的生长速度。这种方法模拟了两个物种的组成如何相互作用，以及相互作用的权重(丰度)将如何改变。此外，这可以与实验中观察到的丰度比相匹配。

●与第二个公式相同，但附加约束以强制所有增长V_模型我≥V^最小值．因此，如果单个模型不能得到，就没有可行的解V^最小值．或者，我们确保每个社区成员都达到了整个社区增长的一定百分比，w_我V_模型我≥αV与α∈[0,1](Diener等人，2020年)．这允许我们“关闭”所有穿梭反应，如果我们设置w_我= 0，保证相应模型无流入或流出我．当分类单元可用时，这种方法可以补充第二种情况;假设它是增长的。

社区目标的多种形式可以帮助我们理解所选目标函数的重要性。此外，这表明在生物学和数学术语中有意义地定义一个社区目标函数是多么困难。此外，如果目的只是观察两个物种的共培养，第一种技术可以帮助匹配实验和计算。如果群落中类群的丰度数据是可用的，那么它们在第二种情况下的丰度可以用来观察更真实的群落相互作用。假设共同培养是感兴趣的，而没有关于相互作用切换的丰度比的进一步信息。在这种情况下，第三种情况有助于实验如何为丰度更高的物种应用领先优势。当我们观察到群落中所有可用的物种都实现了特定的生长时，最后一种技术是合适的。对目前使用的多目标优化技术进行了分类。首先，有必要区分多目标优化问题的求解可以分为两个阶段:优化所涉及的目标函数，以及从决策者的角度决定什么样的权衡是合适的(所谓多标准决策过程)。本节通过分析这两个阶段的一些优点和缺点，讨论其中一些可用的技术。 Multi-objective optimization problems come up. The set of optimal solutions (Pareto front) has to be identified using an effective and complete search procedure. This allows the decision-maker and the designer to carry out the best choice. The most popular classification of techniques proposed by科汉和马克斯(1975)详情如下(Chiandussi等人，2012)：

先验技术:在搜索之前做出决定，包括假设决策者可以在搜索之前执行特定的预期可实现目标或对目标进行某种预先排序的方法。

后验技术:在做出不需要决策者提供先验偏好信息的决策之前进行搜索。

渐进式技术:整合搜索和决策，通常会找到一组非支配解。这意味着这组解对彼此来说是非支配的，但优于搜索空间中的其他解。因此，得到决策者对这组非支配解的反应，并相应地修改目标的偏好。重复前面的两个步骤，直到决策者满意或无法进一步改进为止。

2.4媒体

本文采用的主要介质为SNM3，除氧和铁分别为−20 mmol/(gDW·h)和−0.1 mmol/(gDW·h)外，SNM3中代谢物交换反应的下限设置为−10 mmol/(gDW·h)。所有其他交换的下界设置为0。我们假设SNM3中每个物种的生长都可以实现。这种媒介一直被用作社区的主要媒介。此外，我们还为多物种群落执行了另外两种介质作为SNM3的子集;一种培养基与人类鼻子的营养物质一样丰富，另一种则营养物质一样贫乏。丰富的媒介已被定义为COMPM (Freilich et al.， 2011)由两个物种之间交换反应的并集计算。通量范围设置为所需的最小量，以便每个物种单独获得MBR。采用FVA进行计算。在形式上，这种媒介可以被定义如下(Freilich et al.， 2011)：

在哪里V_COMPM,AB为多物种群落的COMPM，允许每个物种在SNM3中达到其MBRV_COMPM,一个为每个物种的COMPM。此外,V_{我，最小值_FVA}为SNM3中给定反应的下限(代谢产物进入隔室的最大通量)。

第二种媒介被称为穷媒介。这被定义为COOPM (Freilich et al.， 2011)，这是一种具有最小代谢物集的培养基，使多物种系统只能获得正的生长速率，而不能获得MBR。如果从集合中移除任何代谢物，系统就不会有这样的溶液。由于该培养基作为较差的培养基引入，物种只能获得10%的MBR。这可以用混合整数线性规划计算如下(Burgard等人，2001年；Suthers et al.， 2009；Freilich et al.， 2011)：

包括最大化问题，通过{中的所有代谢物找到一组交换反应V_我COMPM,AB限制最小增长率V_{BM, COOPM}≥V_{BM, COMPM}/ 10,V_{BM, COOPM}而且V_{BM, COMPM}分别为comm和COOPM上的生物量速率。约束V_我COOPM,AB+V_{我，最小值}θ_我≥V_{我，最小值}表示是否为交换反应代谢物我是消费。如果代谢物我消费,V_我COOPM,AB≤0，则为二进制变量θ_我等于0，反之亦然。

2.5目标函数在不同介质上的应用

为了计算整个群落的最大生物量率，我们将每次定义的每个目标函数结合不同的介质应用。

当划分或合并的方法表示在图1使用时，环境隔间应该是SNM3或COMPM或COOPM。此外，我们还应用了OptCom (佐莫罗迪和马拉纳斯，2012年)．OptCom是一种多级多目标优化配方，用于微生物群落代谢建模和通量平衡分析。OptCom将每个物种的生物量最大化问题视为一个独立的内部问题。此外，还提出了社区层面的外部优化问题。外部问题代表不同物种间代谢物的交换。OptCom仅针对所示定义的划分方法实现图1 c．内部问题随后通过生物间流动约束和最优性标准与外部阶段联系起来，以优化群落水平(如群落总生物量)的目标函数。总的来说，OptCom找到了一组同时最大化社区增长和个人增长的增长率。该优化问题是一个多目标多层次优化问题。有几种技术可以解决这种类型的优化。

此外，我们使用了MICOM包(Diener等人，2020年)．MICOM也是一个数学建模框架，类似于OptCom (佐莫罗迪和马拉纳斯，2012年)．MICOM假设在稳定状态下的生长速度对每个物种都是可用的，并且群落中的相对丰度处于稳定状态。此外，MICOM假设任何物种在外部目标函数中的系数(分布)都是不相同的，它取决于物种的丰度。因此，该系数被定义为相关物种的相对丰度。另一个名为SteadyCom的包(Chan等人，2017)也遵循相同的目标，只是略有不同。它通过假设所有物种的生长速率相同来预测样本中存在的分类单元列表中的微生物丰度(Chan等人，2017)，而MICOM则需要丰度作为输入。MICOM通过两个步骤实现结果:第一步是通过使用增长率分布来使社区增长率最大化的优化。因此，第二步是应用最小化个体增长率的L2范数的回归作为合作权衡策略，不同程度的次优性范围为最大群落增长率的10%至100%。

2.6交互预测

最后，我们可以计算确定两个物种之间的相互作用。Freilich et al.通过比较COMPM和COOPM上模拟群落的个体和组合生物量率，确定了物种之间的竞争与合作水平。他们设计了两个不同的公式PCMS和PCPS，来量化预测物种之间的竞争和合作水平。

在哪里V_BM，x，y代表物种的最大生物量率y在社区x．如果PCMS值为0，则表示无竞争，而1表示最大竞争。此外，负PCMS值和正PCPS值代表合作，负PCPS值代表竞争。

3的结果

创业板金黄色葡萄球菌在此适用(Seif等人，2019年)是基于的基因组序列金黄色葡萄球菌USA300菌株JE2。该MRSA菌株包含854个基因，1440个反应，1327个代谢物和673个三维蛋白质结构。创业板d . pigrum适用于此(Renz等人，2021年)是基于d . pigrum菌株VPs-KB5，包含854个基因，1670个反应和1239个代谢物。

3.1的GEMsd . pigrum而且金黄色葡萄球菌

我们从GEM开始，它已经被重新构造、手工策划和改进过。这些模型也使用在COBRApy (Ebrahim等人，2013)．这些更一致的模型获得了87%的总分d . pigrum80%金黄色葡萄球菌。

据报道，这两种细菌都生长在SNM3上，这是一种模拟人类鼻子环境的培养基(Krismer等人，2014)．对于模拟，交换通量边界设置为−10 mmol/(gDW·h)至1,000 mmol/(gDW·h)，氧和铁的交换通量边界分别设置为−20 mmol/(gDW·h)至1,000 mmol/(gDW·h)和−0.1 mmol/(gDW·h)至1,000 mmol/(gDW·h)。这个设置一直作为默认设置使用。的原始模型d . pigrum在SNM3上没有增长，因为Renz等人，2021年报道。Renz等人，2021年通过识别缺失的代谢物来实现生长，补充培养基允许生物体在SNM3上生长。缺失的代谢物包括氨基酸l -异亮氨酸和l -蛋氨酸和2,6-二氨基庚二酸，这是肽聚糖代谢所必需的(Renz等人，2021年)．允许同时添加这三种代谢物d . pigrum在SNM3上可能生长0.28 mmol/(gDW·h)。相比之下，原来的模型金黄色葡萄球菌（Seif等人，2019年)在SNM3上生长2.55 mmol/(gDW·h)。

为每个模型实现FBA和FVA，以模拟人类鼻子的环境。所有非零交换通量的相关图显示在图2一个为d . pigrum而在图2 b为金黄色葡萄球菌。

为了计算每种生物在人鼻子中的实际生长值，我们考虑了交换反应的默认设置，并检查了以乘法因子缩放的吸收界限的生长k∈{1，…，110}(补充File-Figure“growth_scaled”)。这有助于我们比较两个物种的生长速度，并估计每个物种丰度的差异如何改变其生长速度。

3.2代谢产物的摄取和分泌d . pigrum而且金黄色葡萄球菌

多项实验研究表明d . pigrum抑制金黄色葡萄球菌（布鲁格等人，2020年；Janek等人，2016)，但其潜在机制尚不清楚。因此，我们确定了每个物种分泌或吸收的代谢物，以确定它们之间可能的代谢相互作用(见补充文件)．所有摄取反应之间的Jaccard指数为0.59。然而，这两个物种在吸收特定的代谢物方面有共同点(表1)．

为了确定改变共同吸收反应如何影响每个物种的生长，我们将共同吸收反应的下限设置为[minFVA, 0]，然后根据这个下限限制绘制每个物种的模型生长行为(补充File-FiguresTEST_secretion_uptake_DP_flux_growth和TEST_secretion_uptake_SA_flux_growth)。这导致对某些代谢物来说，摄取的最小量足以获得非零生长，而对另一些代谢物来说，摄取的减少可能导致生长的线性或指数下降，因为它们是孤立的。相比之下,金黄色葡萄球菌只吸收一种代谢产物鸟氨酸分泌d . pigrum．的依赖关系金黄色葡萄球菌’这种代谢物的生长很低(补充File-FigureCommon_uptake_secretion_No_community)，该代谢物在SNM3中已经可用。因此，这表明这两个物种之间不太可能产生有益的相互作用。

相比之下，这两个物种竞争共同的代谢产物的摄取，尤其是那些达到最大生长所需的大量代谢产物(补充File-Figurecommon - mon_uptake_no_community)，加强了这两个物种可能抑制的假设，正如实验证明的那样(布鲁格等人，2020年；Janek等人，2016)．然而，我们不能排除每个物种的行为在群落环境中发生变化，这与生理更相关。我们通过对社区层面的分析来解决这个问题。

3.3两两社区之间的人工设计d . pigrum而且金黄色葡萄球菌

为了进一步分析这两个物种之间的相互作用，我们人为地设计了一个成对的群落d . pigrum而且金黄色葡萄球菌．因此，我们开始比较这两种生物。我们发现这两个物种之间有377种重叠的代谢物和970种独特的代谢物。此外，共有273种常见反应和1535种独特反应。因此，我们计算了Jaccard指数，以发现两个物种的反应和代谢物之间的相似性。反应间Jaccard指数为0.151，代谢物间Jaccard指数为0.279。虽然这些值很小，但它们显示了资源重叠d . pigrum而且金黄色葡萄球菌．

来计算富人和穷人的媒体金黄色葡萄球菌而且d . pigrum，我们首先计算了两个物种之间的共同交换反应(补充文件(见常见交换反应)，并将它们的通量定义为两个物种的最小FVA通量中的最小值。这两个物种都不会根据常见的交换反应来实现生长。金黄色葡萄球菌需要另外四种与交换反应相关的代谢物EX_urea_e, EX_pyr_e, EX_mobd_e和EX_ser__L_e。而思念的交换反应d . pigrum是EX_gly_e、EX_cu2_e、EX_succ_e、EX_thr__L_e、EX_4abz_e、EX_ala__L_e、EX_ca2_e、EX_ni2_e、EX_pro__L_e、EX_fum_e和EX_cobalt2_e等11种交换反应。

因此，FVA计算的共同交换反应不可能是群落中两个物种的共享介质，因为它不能支持每一个物种的生长。由于两个物种之间只有共同交换反应的群落不太可能支持生长，我们定义了一个群落，其介质是两个物种通过FVA计算的所有交换反应的联合。交换边界的定义边界遵循默认的边界设置。这种介质被称为交换介质，包括111种交换反应。通过这种媒介，一个非常丰富和庞大的社区被构建起来。这可以观察到物种之间相互作用的更多细节，但也有缺点，例如由于所需的代谢物数量巨大，无法进行实验验证。此外，由于某些交换反应的最小通量和最大通量相同且等于零，因此可以从介质中忽略。因此，在培养基的最终版本中，代谢物的数量不可思议地减少了。

3.4 Compm

为了改进交换媒介，我们继续使用COMPM。如上所述，这种介质由两种物质交换反应的结合组成。然而，交换通量界限以不同的方式定义，以减少支持每个物种最大生长的代谢物的数量。因此，对于常见的交换反应，我们将通量定义为最小的FVA通量，对于不常见的交换反应，只取相应的最小FVA通量。因此，COMPM是通过取FVA给出的最小通量的成对最小值来计算的。所产生的媒体被保存为JSON文件(补充文件- COMPM的json文件)。该培养基由常见交换物和4种所需代谢物的组合组成金黄色葡萄球菌11个需要的d . pigrum．在有该介质约束的群落模型中，两个物种在SNM3中都达到了最大生物量率。

在成对关系的过程中，我们还利用式(12)计算了贫介质COOPM。由于这种介质的计算依赖于在COMPM中计算的社区的MBR，这将在后面的几个步骤中解释。综上所述，我们在两两社区的构建中考虑了四种媒介;SNM3作为主要介质和交换介质，COMPM和COOPM，它们的基是SNM3的子集。

4.5划分群落的MBR作为一个整体模型的计算

为计算不同定义介质下群落的最大生物量率，我们构建群落模型如下:

●我们用id + model_id来命名每个非交换反应和相关代谢物或区室，其中model_id是模型的标识符。因此，COBRApy将它们视为独立的系统。

●我们添加了交换代谢物和反应不变，因为环境应该由两个模型共享。我们将所有交换反应的集合定义为来自每个单一物种的集合的并集。

●实现了对各物种生长速率线性组合增加权重的群落目标。因此，这是由$V＝\underset{我＝1}{\overset{n}{\sum }}{w}_{我}·V_{米ode{l}_{我}}$，其中w_我是每个物种的权重(Freilich et al.， 2011)．权重可以定义为每个物种的丰度。

我们以SNM3作为主要介质开始这种方法。这样的计算结果是，大多数情况下，权重为1:1金黄色葡萄球菌生长;的增长率d . pigrum为0.024 mmol/(gDW·h)，金黄色葡萄球菌为5.025 mmol/(gDW·h)。这是因为标准的增长金黄色葡萄球菌大约是?的10倍d . pigrum，并假设这些物种的丰度相同，维持了不现实的公式和结果。以弥补较慢的增长速度d . pigrum为了证明这种差异，我们给了一个更大的权重(系数因子)d . pigrum相比之下金黄色葡萄球菌．这说明了高丰度的作用d . pigrum在健康上呼吸道(URT)中，这主要是在几项研究中发现的(布鲁格等人，2020年；劳弗等人，2011年；Biesbroek等人，2014；拉潘等人，2018；Gan等人，2019年)．因此，我们将权重设置为10:1d . pigrum：金黄色葡萄球菌．这已经被检验过了在体外在(布鲁格等人，2020年)，让他们有一个良好的开端d . pigrum．在这种情况下，成长金黄色葡萄球菌3.842是while吗d . pigrum生长0.286 mmol/(gDW·h)。团体的MBR为10mbr_DP+ MBR_SA= 10(0.286)+3.482 = 6.341。

值得注意的是，我们在计算SNM3中每个物种的生物量时添加了约束条件，如SNM3中定义的除氧和铁外的营养物质的吸收速率为10，如前所述。此外，事实是FBA不能预测动力学速率，而FBA预测的通量分布提供了最大产量的限制营养物。因此，如果一种营养素的摄取率，如v_葡萄糖，设为某一特定值且目标函数如生长速率或生物量最大时，则取剩余v的最优值_j被发现。因此，计算通量以使MBR/比值最大化v_葡萄糖．如前所述，这个表达式被定义为收益率，V_{生物质/葡萄糖}，单位为每摩尔葡萄糖的生物量克数(Gottstein等人，2016)．这种实施造成了基于群落中出现的内部反应和交换反应(甚至是下一章的穿梭交换反应)的生物量丰度的影响。在这种情况下，只有权重的比例是必要的，并影响到社区。因此，如果使用归一化比例的权重，例如0.5:0.5而不是1:1，或0.909:0.091而不是10:1，那么群落中每个物种吸收或分泌的通量是相同的，因为这些权重显示的比值是1倍或10倍[参见补充(CSV)文件]。

在我们将媒介转换为交换媒介的过程中，我们继续进行了这项研究。两者权重均为1:1和10:1d . pigrum：金黄色葡萄球菌，两个物种都达到了最大的生长速度，即d . pigrum= 0.282 mmol/(gDW·h)金黄色葡萄球菌为2.558 mmol/(gDW·h)。当然，社区的增长实现了MBR_DP+ MBR_SA=(0.282) + 2.558 = 2.841，权重1:1,10 MBR_DP+ MBR_SA= 10(0.282) + 2.558 = 5.386，比例为10:1。在这种情况下，当我们对两个物种使用相同的丰度时，d . pigrum也可能增长。值得注意的是，所用的培养基含有大量必需和非必需的代谢产物。因此，很可能每个物种的行为使得其他物种由于充满活力的环境而不在那里。这种情况可能无法通过实验来检测，因为需要许多代谢物。

为了计算使用COMPM介质的社区增长，我们用一个集成模型代替了社区中的comm介质。用重量1:1进行d . pigrum：金黄色葡萄球菌最大生物量速率为2.558 mmol/(gDW·h)d . pigrum没有生长，正如预期的那样，由于相同的丰度，这在生物学上没有意义。结果与COMPM使用权重10:1进行比较金黄色葡萄球菌为2.175 mmol/(gDW·h)金黄色葡萄球菌0.072 mmol/(gDW·h)d . pigrum，而社区增长以10 MBR表示_DP+ MBR_SA= 10(0.072) + 2.175 = 2.904。

为了进一步分析某些代谢物对群落的重要性，我们将每一种代谢物都去除，并监测群落中每个单一物种的生长是如何受到影响的。如图3，群落中两个物种的生长受到一些代谢产物如微量元素的缺乏的影响，独立于应用的培养基。

社区作为一个综合模型的构建，使进一步分析变得更加困难。为了解决这个问题，我们在下一节中实现了一个划分的社区。

3.6划分群落最大生物量率的自定义模型计算

为了使用穿梭反应来构建一个分隔的社区，我们使用了中提出的方法图1 c．我们实现了一个自定义模型与FBA SciPy线性规划求解器(维尔塔宁等人，2020年)．使用化学计量矩阵的特殊块矩阵表示介绍了穿梭反应。我们为航天飞机反应创造了两个环境。第一种方法使用FVA计算的111个交换反应作为共享穿梭反应。另一种局限于由FBA模型总结计算的所有摄取和分泌反应。这种多样性传达了更精确地观察社区的方式。此外，目标函数再次定义为单个生物量函数的加权和。我们对它们进行加权，使个体的增长是平衡的(即，d . pigrum得到的权重大约是10)。用这两种方法，即全部111个交换反应或共享吸收和分泌反应作为穿梭反应，计算群落中每个单一模型的生长速率和群落生长，并在表2．只要d . pigrum如果权重最低，无论使用哪种介质，其争夺共同资源的能力都很低，从而导致金黄色葡萄球菌．因此,金黄色葡萄球菌每种常见摄取的量都较高，显示出增长，而d . pigrum没有。这再次强化了一个假设，即对群落中贡献的物种使用相同的丰度可能会导致不显著的生物学结果。因此，必须考虑到，如果使用目标函数的简单公式，则应将生物量丰度考虑到交换通量。否则，这个公式是不正确的(Gottstein等人，2016)．由于分配了不同的权重，我们跳过了这个实现金黄色葡萄球菌而且d . pigrum．然而，我们试图在每个步骤中显示它，以表明没有实现有意义的结果。因此，通过将权重10分配给D. pigrum, D. pigrum甚至可以到达它的MBR由于带有穿梭反应的分隔方法的优点之一是定义感兴趣的共享环境，我们将共享环境定义为仅共享氧气，并观察到的生长金黄色葡萄球菌是减少了。然而，在这个只有氧气共享的社区里，d . pigrum可以生长。

对穿梭反应的进一步分析表示为任何物种在群落中每个穿梭反应的贡献(见补充中CSV格式的交换摘要)。

为了定义不同的目标函数，我们对固定群落生物量率进行了优化，其中d . pigrum而且金黄色葡萄球菌获得α%和(1−.;α)%的生物量，如第二节．因此，我们将整个群落的MBR固定在0.1 mmol/(gDW·h)，以允许每个物种获得α%和(1−.;α)占整个群落MBR的%。这是通过对α∈(0,1)的几个值添加两个约束来实现的:

分析了α∈(0,1)在不同情况下的几个值的结果。在第一种情况下，所有111个交换反应都定义为穿梭反应，权重为1:1和10:1d . pigrum：金黄色葡萄球菌因为我们正在实现一些不同的媒体。结果显示在补充文件(见CSV格式的交换摘要)。

在第二种情况下，穿梭反应包括所有共享的摄取和分泌反应，很少有不同的介质。结果为权重1:1和10:1为d . pigrum：金黄色葡萄球菌均显示在表2．所有不同的情况都表明，给予的权重越大d . pigrum，越多d . pigrum增长的代价是金黄色葡萄球菌．这表明在实现目标函数时分配物种丰度是必须考虑的重要特征(佐莫罗迪和马拉纳斯，2012年；Chan等人，2017；Diener等人，2020年)．显示了每个物种对社区中共享化合物的消耗或释放的贡献。图4这表明，当两个物种处于群落中时，它们的行为与单独分析时相比发生了变化。例如，d -丝氨酸不被释放d . pigrum当它处于隔离状态时，如图所示补充文件的摄取和分泌d . pigrum而且金黄色葡萄球菌)，并由d . pigrum当它在一个社区中被考虑时(参见补充CSV文件)．图4表示d -丝氨酸在所有不同介质中的释放方式，用于带有穿梭反应的分隔模型。

3.7聚集群落最大生物量率的计算

在前一节中，我们创建了分隔区来分隔两个物种。在此，如图1 d，我们把所有的反应都放在一个桶里。那些在两个物种中都存在的反应只出现过一次。与SNM3相关的所有设置都已在两个模型上实现。采用这种方法用权重1:1进行d . pigrum：金黄色葡萄球菌，所获得的增长d . pigrum为0.349 mmol/(gDW·h)和5.010 mmol/(gDW·h)金黄色葡萄球菌．这可能是由于一个完全丰富的桶包含所有必需和非必需的代谢产物(Stolyar等人，2007年；Freilich et al.， 2011；Gottstein等人，2016)．与重量10:1为d . pigrum：金黄色葡萄球菌，d . pigrum达到1.340 mmol/(gDW·h)，金黄色葡萄球菌未能生长[0.0 mmol/(gDW·h)]，群落生长量为10 MBR_DP+ MBR_SA= 10(1.340) +(0.0) = 13.402。聚合反应方法的优点是减少了计算负担，因为代码的编写和实现效率很高。此外，该方法为分析社区提供了一个灵活的起点d . pigrum而且金黄色葡萄球菌当证据充分的实验工作缺失时。这一分析支持的假设是d . pigrum抑制金黄色葡萄球菌成长，不过是为了更大的重量d . pigrum是达到这一条件所必需的。相比之下，集合群落分析未能确定该物种是否使用特定的酶或产生生物量。同样，关于代谢物如何在物种之间转移的信息也不清楚。

3.8在MICOM上实现OptCom群落最大生物量率的计算

在下一步中，为了比较已经可用的工具所取得的结果，我们使用OptCom (佐莫罗迪和马拉纳斯，2012年)社区发展目标(Diener等人，2020年)包。由于最初为人体肠道模型和AGORA模型构建的MICOM，直接使用MICOM是不可能的。我们用我们的设置重新编写了MICOM，比如所使用的SNM3的定义，固定不断切换到MICOM默认设置的边界，再加上重置丰度对通量分布的影响。在使用这些设置并跳过每次运行中面临的冲突后，我们观察到相同的结果，这可能归因于数值错误。以相对丰度为0.5和0.5的MICOM为例，其生长速率为2.71 mmol/(gDW·h)金黄色葡萄球菌没有增长d . pigrum．我们只考虑了一种代谢物，例如EX_cys__L_e。然而，FBA计算的这些通量分布只能提供有限养分的最大产量。金黄色葡萄球菌消耗0.27 mmol/(gDW·h)d . pigrum消耗9.39 mmol/(gDW·h)。因此，总的交换梭数为(−0.27).(0.5)+(−9.39).(0.5)=−4.8补充CSV文件)．

我们使用两个物种的权重0.5和0.5来与我们的方法进行比较。因此,d . pigrum没有成长金黄色葡萄球菌生长2.55 mmol/(gDW·h)。通量值为9.39 mmol/(gDW·h)金黄色葡萄球菌为0.46 mmol/(gDW·h)，d . pigrum为9.53 mmol/(gDW·h)。这是由于我们在分析中设置了约束边界(SNM3中定义的营养物质的吸收速率为10 mmol/(gDW·h))，然后(−0.46)+(−9.53)=−10 mmol/(gDW·h)。因此，通量分布计算为金黄色葡萄球菌(- 0.46/10) = - 0.046 mmol/(gDW·h)，d . pigrum为(−9.53/10)=−0.953 mmol/(gDW·h)，因为它们是从封闭边界开始分布的。由于这些新值是相对的，我们有(−0.046)·(0.5)=−0.023 mmol/(gDW·h)和(−0.953)·(0.5)=−0.4765 mmol/(gDW·h)，总体值为(−0.023)+(−0.4765)=−0.49 mmol/(gDW·h)。为了重新实现我们的约束边界，我们有(−0.49)·(10)=−4.9 mmol/(gDW·h)。

我们使用相同的转换来比较丰度为0.91的结果d . pigrum0.091金黄色葡萄球菌．因此,d . pigrum生长0.21 mmol/(gDW·h)金黄色葡萄球菌生长3.12 mmol/(gDW·h)。我们考虑了一个交换反应，例如EX_leu__L_e。d . pigrum0.09 mmol/(gDW·h)金黄色葡萄球菌， 0.98 mmol/(gDW·h)。因此，交换穿梭反应为(−0.98).(0.091)+(−0.09).(0.91)=−0.17 mmol/(gDW·h)(参见补充CSV文件)．

我们的方法权值为0.91d . pigrum0.091金黄色葡萄球菌达到了0.28 mmol/(gDW·h)的生长d . pigrum1.47 mmol/(gDW·h)金黄色葡萄球菌,而d . pigrumEX_leu__L_e消耗0.46 mmol/(gDW·h)金黄色葡萄球菌， 0.123 mmol/(gDW·h)。因此，EX_leu__L_e在共享环境中的穿梭交换量为(−0.46)+(−0.123)=−0.59 mmol/(gDW·h)，小于SNM3中为营养物质定义的约束边界。(值得注意的是，在MICOM中使用求解器在计算中起着重要的作用。在MICOM中使用“CPLEX”得到的结果与我们的结果相同，但MICOM没有计算通量分布。那么，我们一定使用了MICOM中的“GLPK”求解器。)

我们对两个增长值进行了缩放，以将我们的结果与MICOM计算的结果进行比较。这表明，两种方法的相对生物量与通量分布相同:[请参阅GitHub知识库(http://github.com/Biomathsys/DPM-SAU-in-HSA-nose“optcom_comparison”))

相比之下，一种名为NCMW的人类鼻子微生物群落工具(Glöckler等，2022)传达了计算结果，因为它与人类鼻子合成的模型一致。我们实际上用NCMW中可用的Hydra文件修复了所有的兴趣设置。此外，由于缺乏一些进一步的必需代谢产物，许多GEM模型不在SNM3上生长。因此，NCMW得出了GEM模型在SNM3上生长所需的最小额外代谢物数量。

总之，构建社区的多种方法和工具拓宽了社区交互的全面观点。

3.9 Coopm

在成对关系的过程中，我们还利用式(12)计算了COOPM，即贫介质。作为表2表明，如果将穿梭反应定义为全部交换反应或全部共享摄取和分泌反应，使用COMPM的结果是相同的。因此，我们应用为COMPM实现的社区MBR来计算COOPM。这种培养基只允许获得10%的群落MBR，这样从集合中去除每种代谢物就不会产生溶液。因此，这个计算导致的过度增长金黄色葡萄球菌而d . pigrum不会成长。由于增长较快金黄色葡萄球菌在美国，它满足了社区所需的10%的增长。因此，为了了解作为贫介质的COOPM上的两个物种如何能够贡献COMPM上至少10%的MBR，我们必须迫使两个物种都生长到一定程度，以获得COMPM中至少10%的MBR。计算的COOPM显示在表3．在这种情况下，两个物种都可以在这种介质中生存d . pigrum依赖于金黄色葡萄球菌对于代谢物金黄色葡萄球菌不需要任何代谢物d . pigrum在这种介质中，可以独立生长。表4显示启用的交换反应列表d . pigrum从…获得代谢物金黄色葡萄球菌．在我们试图强迫两个物种生长之前，这也使第一个结果更加有力。金黄色葡萄球菌在提供生长所需的代谢产物之前，可以填充10%的群落MBRd . pigrum．

的生长函数线性组合计算COOPM的结果没有显示出任何差异d . pigrum而且金黄色葡萄球菌或凸目标函数为α% MBR_DP+(1−α) % MBR_SA为α∈(0,1)，但是当我们应用凸目标函数时，我们可以看到α∈(0,1)表示贫培养基COOPM产生10%群落MBR所需的代谢产物量，如图所示图5．该图还显示了不同权重与物种之间的关系αCOOPM代谢物的使用(多或少)。

表3，4表示COOPM，无论目标函数的类型，除了一个交换反应，在表格中突出显示。他们还表明，在较差的介质中，金黄色葡萄球菌通过使用营养物质来控制社区的生长d . pigrum．

作为保证，我们用一个额外的设置继续计算COOPM。我们应用了分隔方法与穿梭反应，因为这些是由COMPM介质定义的。在这种新的设置中，实现了加权线性和凸目标函数。当目标函数为凸α% MBR_DP+(1−α) % MBR_SA为α∈(0,1)，作为图6所示,α= 0.85平衡的增长率d . pigrum而且金黄色葡萄球菌。

因此,α= 0.85，即权重为α= 0.85%到d . pigrum和(1−.α) = 0.15%至金黄色葡萄球菌，被应用。目标函数α% MBR_DP+(1−α) % MBR_SA计算COMPM。最后，计算COOPM时，社区可以达到COMPM所达到的MBR的10%。结果也随之而来表3，4．此外，有趣的结果是物种生长速度的变化α，如图所示图7A, B当α= 0.85。

此外，还对其他权重进行了验证。例如，权重为1:1d . pigrum：金黄色葡萄球菌在计算中使用了COMPM上的共同体MBR。因此，以达到该MBR的10%为目标来计算COOPM介质。此外，设定的方式是为了确保两个物种都能生存。因此，在图7 c那d . pigrum能增长到大约和金黄色葡萄球菌营养不良的COOPM。这是因为更高的重量金黄色葡萄球菌使环境中生长所需的营养物质更加丰富d . pigrum．这也被批准时，重量10:1d . pigrum：金黄色葡萄球菌在计算共同体时，使用COMPM上的MBR，然后计算COOPM介质，如图7 d．

因此，无论采用何种方法计算COOPM，d . pigrum取决于金黄色葡萄球菌对于代谢产物在较差的培养基中，和金黄色葡萄球菌显示出更快的增长。这意味着金黄色葡萄球菌利用贫培养基中所有的营养物质来生长，但它没有到达它的MBR。因此，它不能提供足够的营养d . pigrum，它无法生长。只执行d . pigrum通过使用更高的权重d . pigrum比金黄色葡萄球菌允许d . pigrum生长，一种条件在体外可以通过以不同的初始光密度开始共培养来实现。然而，这与生理上的相关性相去甚远，并导致了一个悬而未决的问题:在自然界中如何可能给予更高的权重d . pigrum比金黄色葡萄球菌在一个营养不良的社区?

3.10稳健性分析

鲁棒性被定义为系统对可能影响系统功能主体的扰动具有容忍能力的特性。尽管稳健性具有根本性的重要性，但它很难量化。对于代谢网络，稳健性是指当通过任何特定代谢反应的最佳通量发生变化时，目标函数最大通量变化的度量。在这里，我们确定了代谢网络的鲁棒性特征金黄色葡萄球菌，以及两个物种的群落在基本酶反应中的变化。必需的酶(在葡萄糖-微量培养基上生长)以前是通过一个在网上分析图8．我们计算了通量矢量的变化对最大生长的影响。通过感兴趣的交换反应的通量在(- 10,0)范围内减小，并计算目标函数。所有计算都是在代谢网络上完成的金黄色葡萄球菌，以及两个物种的群落。这有助于区分一个物种在孤立状态下与在群落中的行为，并允许识别个体的合作和对抗特征。我们关注了一些有趣的化合物。如图8，d . pigrum严格依赖葡萄糖，没有葡萄糖就不能生长，而金黄色葡萄球菌轻度依赖葡萄糖;也就是说，它可以在没有葡萄糖的情况下生长。在社区中，由于较高的权重被用于d . pigrum时，随着葡萄糖浓度的变化，群落的生长速率增加。

图9的COOPM群落的鲁棒性特征d . pigrum而且金黄色葡萄球菌当群落的目标函数定义为两个物种生长的加权线性组合时，群落中所有必要代谢反应的通量水平的变化。

作为图9 d所示,d . pigrum在贫困社区也有葡萄糖依赖，而金黄色葡萄球菌即使没有葡萄糖也能生长。

3.11相互作用预测d . pigrum而且金黄色葡萄球菌基于计算共同体COMPM和COOPM

我们应用式(13)和式(14)来计算预测之间的相互作用d . pigrum而且金黄色葡萄球菌并将我们的结果与实验结果进行比较。作为表5结果表明，通过公式计算得到的结果与我们通过群落中物种行为分析得到的预测结果相似。重量1:1时为d . pigrum：金黄色葡萄球菌被应用了，成长的失败为d . pigrum在COMPM的社区中展示了这一点金黄色葡萄球菌几乎不能与d . pigrum．自金黄色葡萄球菌有了更快更高的增长，d . pigrum失败了。在COOPM上，即使我们强迫两个物种生存下来，他们也不能合作。作为图7 c从那以后，他们都在COOPM上成长金黄色葡萄球菌已在comm上达到最大生长，因此能够产生生长所需的营养物质d . pigrum。的权重为10:1时，可以看出合作相互作用d . pigrum：金黄色葡萄球菌是应用还是通过更多的贡献d . pigrum在社区如所示图7B, D．

3.12群落如何提供单个物种生长所必需的代谢物?

基因组尺度建模通常孤立地考虑物种。然而，这种方法过于简化了，因为它创造了一种在自然界中很少发生的情况。在现实环境中，物种通常在复杂的群落中茁壮成长，在这个群落中，单个物种的生长取决于与种群中其他物种的相互作用。来分析d . pigrum而且金黄色葡萄球菌相互影响的成长，我们认为的创业板d . pigrum在缺乏氨基酸l -异亮氨酸和l -蛋氨酸以及代谢物2,6-二氨基庚二酸的情况下，这种情况是不允许的d . pigrum孤立地在SNM3上生长我们将自定义的SNM3介质模型再次应用于这两个物种。此外，我们还确保这两个物种至少达到整个群落MBR的10%。此外，我们在我们的自定义模型中添加了一个额外的约束，以允许l -异亮氨酸和l -蛋氨酸之间的交换d . pigrum而且金黄色葡萄球菌，因为这些代谢物属于的交换反应金黄色葡萄球菌．生长所需的第三种代谢物d . pigrum， 2,6-二氨基庚二酸被手动添加到自定义模型金黄色葡萄球菌也无法提供。这意味着要么群落可能需要另一个伙伴物种在自然界中产生这种代谢物，要么模型存在明显的局限性，因为2,6-二氨基庚二酸是细菌细胞壁的基本成分。因此，它被释放在环境中的细菌细胞裂解，从而成为可供摄取d . pigrum。

在这种情况下，如果我们对两个物种使用相同的权重，那么金黄色葡萄球菌到达MBR时d . pigrum无法成长。因此，我们将目标函数应用为α% MBR_DP+(1−α) % MBR_SA要看成长何时为d . pigrum是可行的。作为图10显示，我们观察到大致接近α= 0.8d . pigrum；d . pigrum开始增长。此外，我们可以观察到如何金黄色葡萄球菌提供l -异亮氨酸和l -蛋氨酸d . pigrum（图11)．

因此，我们使用0.85的权重d . pigrum0.15金黄色葡萄球菌．表6显示了在这种情况下共享的代谢物。在这种情况下，我们观察到生长d . pigrum在社区内，表明金黄色葡萄球菌能提供一些代谢物吗d . pigrum成长的需要。因此，这种类型的分析可以推断出哪些物种生活在自然界的群落中，哪些物种也可以单独生活。

在此，我们将三种优化方法应用于社区，并比较了所有方法获得的结果。我们使用的三个基于集成、池化和穿梭反应的优化问题是多目标优化问题。在寻找这些问题的解决方案的过程中，可以考虑两个阶段。一个阶段可以是目标函数的优化，另一个阶段是从决策者的角度决定什么样的权衡是合适的。决策者-设计者-确定一组最优妥协解决方案，这些解决方案必须通过有效和完整的搜索程序来识别，以执行最佳选择(Chiandussi等人，2012)．因此，通过分析这些技术的优缺点，对其进行了讨论。

先验技术:在搜索之前做出决定，包括那些假设决策者在搜索之前可以执行某个期望的可实现目标或某个目标的预先排序的方法。本文将此方法用于池化方法。该方法的主要优点是简单有效，减少了计算量。但其主要缺点是定义了用户指定的最小增长率和用户指定的权衡因子。因此，当目标函数的理想值已知并可设定为目标时，该方法尤其适用。

后验技术:在做决定前进行搜索，不需要决策者提供先验偏好信息。这个类别中包含的一些技术是提出的最古老的多目标优化方法。这种方法用于在定义的集成方法中创建的优化。这种方法最重要的优点是简单和高效。它的主要缺点是在没有足够的关于问题的信息时，很难确定要使用的适当的权重系数。这可以通过使用权重系数的不同部分来改进。OptCom和MICOM都是后验技术。OptCom使用双线性优化的多目标优化(帕累托前端)解决方案，而MICOM使用L2正则化。两者都不使用任何来自决策者的信息。这种方法在这里被用于穿梭反应中创建的优化，同时我们要么确保两个物种都存活下来，要么尝试以不同的权重运行它，以找到最佳的可能解决方案。 Therefore, the multi-objective optimization of each species’ objective appeared. Moreover, we applied the MICOM package using the OptCom community objective. In order to make MICOM work for our purpose, which is analyzing the nasal microbial community, we modified MICOM. After this modification, the results showed that despite different scaling,d . pigrum10倍于金黄色葡萄球菌。

渐进技术:整合搜索和决策。通常，它会找到一个非支配解，然后得到决策者对这个非支配解的反应，并相应地修改目标的偏好，重复前面的两个步骤，直到决策者满意或无法进一步改进为止。该技术在优化群落的同时，以综合方法使用，每个物种的排名是平等的。这种方法似乎特别适合解决多目标优化问题，因为它同时处理一组可能的解。主要的缺点是计算成本，一般来说，由于方法本身的操作过程非常高。

上述所有方法都捕捉到了鼻腔群落的一些重要特征，并传达了一种分析群落的具体方法，总结如下:

与培养基定义相关的营养浓度的增加导致生长和分泌代谢物的变化，这一点已经变得清晰。因此，有一个动作，如营养物的存在/缺乏(基于媒体定义)和生长金黄色葡萄球菌产生一些分泌代谢物。在以后的某一段时间里，会有一种结果，比如的增长d . pigrum通过吸收分泌的代谢产物金黄色葡萄球菌并产生新的化合物，从而产生抗菌作用。这可能会混淆社区的解释，称为时间差，并将原因和结果分开。这个时间间隔当一个社区金黄色葡萄球菌而且d . pigrum当它们达到最大生物量时，当它们显示出它们的自然相互作用发生在依赖于物种的死亡率和生长速度以及依赖于群落中其他可用物种时。

4讨论

通过本研究中实施的挑战，我们可以假设物种之间的关系有时是滞后的;例如，如果一个物种在某个特定时刻增加了它的丰度，另一个物种可能只会在晚些时候消失，因为我们还注意到物种之间的相互作用d . pigrum而且金黄色葡萄球菌改变了。此外，竞争可以以两种方式发生，即干涉和剥削。参与利用竞争的细菌通过快速消耗或隔离这些供应来阻止竞争对手获取资源金黄色葡萄球菌行为对d . pigrum而它们在COOPM中，可获得的营养更少。相比之下，细菌利用干扰竞争产生有毒效应物直接抑制竞争对手，就像发生在d . pigrum在群落中生物量率达到最大值金黄色葡萄球菌．因此，优化中定义的方法、目标函数、公差、共享环境以及优化求解器等计算方法在群落代谢分析中起着至关重要的作用。总之，任何一种方法或一种目标函数都不能解决任何社区建设的问题。途径、方法、结构和生物学知识的结合是可行的。在我们的社区中，每种方法都能引导我们获得特定的结果。例如，我们注意到d . pigrum并不能孤立地在SNM3中生长。这需要一些代谢物金黄色葡萄球菌他们在社区的时候可以提供。然而，如果考虑到群落中的其他物种，人们可能会批评这种说法。这很可能是其他物种提供了必需氨基酸的生长d . pigrum．因此,d . pigrum也开始生长了金黄色葡萄球菌是否可用或其他物种可能为生长提供了必需的代谢物d . pigrum没有任何依赖金黄色葡萄球菌在第一步。在下一步中，当d . pigrum在群落中生物量达到最大时，释放出d -丝氨酸，并具有抑菌作用d . pigrum开始了。事实上，从人类鼻腔群落中分离出来的物种以使用具有抗菌特性的专门(次级)代谢物来参与干扰竞争而闻名。这在划分群落的comm和最大生物量率的计算中得到了证明。要给予生长速度更多的权重d . pigrum，这一作用越来越强。因此，我们假设d . pigrum是与其人类宿主有关的互惠主义者，而不是纯粹的共生细菌。共生主义和互惠主义是有机体之间以不同程度的利益相互作用的共生方式。互惠主义被定义为两个物种之间对双方都有利的任何互动。然而，共生是指两个生物共享同一个环境，其中一个物种受益，另一个物种不受影响。通过强迫的增长d . pigrum定义COOPM中较高的权重，d . pigrum增长而金黄色葡萄球菌为生长提供了一些必需的代谢产物d . pigrum．这表明了的依赖性d . pigrum来金黄色葡萄球菌在一些生长所需的代谢物中。

因此，相互作用在很大程度上取决于群落环境中存在或不存在的物质，微生物群落成员不能一直保持他们的作用。他们互换了角色。这需要动态分析。在动态代谢群落中，物种可以在实验中改变它们的代谢行为，这更接近自然环境。在此，FBA用于研究系统在特定稳态下的代谢通量。一个著名的说法是，“朋友成为敌人，反之亦然”，在不同的时间尺度上分泌/消耗不同的物质足以在一段时间内改变相互作用的迹象。由于我们的研究重点是CBM，而不是代谢物种随时间的动态行为，因此通过应用不同的介质定义，考虑了随时间变化的群落环境。通过这些定义，我们可以观察到，在群落中，物种之间在必需代谢产物的可用性方面表现出不同的行为，这些代谢产物随着时间的推移而改变。此外，我们的研究结果解释了，在一开始，这两个物种相互受益，这有助于其中一个物种的成长，这突出了过去发生的事件对当前状态的影响。然而，在某一点之后，朋友变成了敌人，并抑制另一个人。 Therefore, this explanation points out the way forward for incorporating time lag effects into predictions of future states. Furthermore, it shows that if we want to benefit from the inhibition of pathogens, which conditions should be considered.

如前所述，d . pigrum是乳酸菌的一种，与其他乳酸菌一样，在健康人士的上呼吸道中较常见于慢性呼吸系统疾病患者(劳弗等人，2011年；Biesbroek等人，2014；De Boeck等人，2019年；De Boeck等人，2021年)．因此,d . pigrum而且金黄色葡萄球菌在成人鼻腔菌群中通常呈负相关(刘等，2015；Escapa等人，2018)．Brugger et al. (2020)还表明d . pigrum抑制金黄色葡萄球菌增长在体外．作者预测了l -乳酸的生产方法d . pigrum在一个丰富的媒体是不太可能的负关联与解释金黄色葡萄球菌（布鲁格等人，2020年)，因为人的鼻子环境不是一个营养丰富的环境，l -乳酸也不太可能产生D.体内的pigrum．通过挖掘基因组d . pigrum，布鲁格等人，2020年推测抑制作用背后可能的替代机制金黄色葡萄球菌，包括营养竞争和分泌抗- s。葡萄球菌次生代谢物。事实上，作者在11人的基因组中发现了不同的生物合成基因簇(BGCs)d . pigrum菌株。这些BGCs被预测编码细菌素，包括肽，这可能在利基竞争中发挥作用(布鲁格等人，2020年)．镧肽是核糖体合成的，翻译后修饰的抗菌肽，由与半胱氨酸结合的丝氨酸/苏氨酸残基脱水形成(阿尼森等人，2013)．有趣的是，我们的建模数据表明，当与金黄色葡萄球菌(见补充CSV文件)，d . pigrum与d -丝氨酸解氨酶催化以下化学反应(EC 4.3.1.18):

它还可以吸收半胱氨酸，一种在人类鼻子环境中可用的氨基酸，这表明d . pigrum用于我们的社区模型的菌株有潜力生产和部署抗镧肽金黄色葡萄球菌．值得注意的是，我们发现我们的d . pigrum菌株和所测菌株布鲁格等人，2020年根据基本局部对齐搜索工具(BLAST)分析(Altschul等人，1990)．结果可以在图12．

总之，我们推测，与我们在贫介质中的模拟一样，d . pigrum应该在人的鼻子环境中生长多久金黄色葡萄球菌增长应该低于其MBR。但是，如果初始密度d . pigrum比的高吗金黄色葡萄球菌在美国，前者应该能够以牺牲后者为代价实现增长。在我们的COOPM社区模式中，允许的增长d . pigrum，我们必须手动添加2,6-二氨基庚二酸盐，这是细菌细胞壁的基本成分(Zühlke等，2016；李等，2019)，假设金黄色葡萄球菌不能通过交换反应提供。这是该模型的一个局限性，因为2,6-二氨基庚二酸在细菌细胞裂解时被释放到环境中，因此可供细菌摄取d . pigrum．因此，人们很容易猜测体内D. pigrum可能促进代谢产物的释放，如2,6-二氨基庚二酸通过分泌细菌素和触发周围细菌细胞的死亡，如金黄色葡萄球菌．的能力d . pigrum以…为代价而成长金黄色葡萄球菌，与我们的模型和在体外试验通过布鲁格等人，2020年，也许可以解释为什么存在d . pigrum鼻腔中的菌群往往与之呈负相关金黄色葡萄球菌．它还表明，当以益生菌的形式给药时，也就是相对大剂量的时候，d . pigrum应该可以置换吗金黄色葡萄球菌有效地从鼻腔菌群中提取携带者。

因此，我们的分析支持了微生物靶向干预可能重塑鼻腔微生物群落组成的观点，并表明代谢相互作用可能是群落结构的关键驱动因素。因此，我们的工作为未来的实验研究奠定了前提，旨在调查分子基础之间的干扰d . pigrum而且金黄色葡萄球菌的治疗潜力d . pigrum作为鼻腔益生菌来替代金黄色葡萄球菌来自微生物群。这不仅提高了对长期数据的要求，而且还提高了对具有可以结合的模拟模型的长期数据的要求，因为时间滞后仍然是开发预测整个群落未来物种相互作用的框架的最重要挑战之一。

数据可用性声明

社区模式d . pigrum而且金黄色葡萄球菌可在生物模型数据库(Malik-Sheriff等人，2020年)作为SBML第3级版本1文件(伯格曼等人，2018)内的一个合并档案OMEX文件(Bergmann et al.， 2014)https://www.ebi.ac.uk/biomodels/models，注册号为MODEL2209060002。源代码可在http://github.com/Biomathsys/DPM-SAU-in-HSA-nose．该软件包依赖于使用Python(版本3.7或更高版本)、COBRApy(版本0.19.0或更高版本)、CPLEX(版本20.1.0)和操作系统macOS Big Sur(版本11.5.1)、Windows(版本10)和Linux(发行版Ubuntu，版本20.10或更高版本)成功测试的第三方软件。另外，只要COBRApy支持，也可以使用其他线性规划求解器。

作者的贡献

RM和AD提出了这个概念。RM推导出了数学方法。MG在RM的指导下实现了该方法。RM和MG进行了分析并撰写了手稿。AD监督了这项工作，并对手稿和数字进行了严格的修改。所有作者都对这篇文章做出了贡献，并批准了提交的版本。

资金

该研究由德国感染研究中心(DZIF, doi: 10.13039/100009139)资助德国Gesundheitsforschung(BMBF-DZG，联邦教育和研究部德国卫生研究中心)批准号为8020708703，由德国联邦教育和研究部提供基础设施资金德意志Forschungsgemeinschaft(DFG，德国研究基金会)，卓越集群EXC 2124控制微生物对抗感染。作为德国联邦政府和州政府卓越战略的一部分，部分工作由联邦教育和研究部(BMBF，德国)和Baden-Württemberg科学部资助。作者感谢Tübingen大学开放获取出版基金的支持(https://uni-tuebingen.de/de/58988)．

致谢

作者感谢Libera Lo Presti对这篇手稿有价值和批判性的反馈。

利益冲突

作者声明，这项研究是在没有任何商业或财务关系的情况下进行的，这些关系可能被解释为潜在的利益冲突。

出版商的注意

本文中所表达的所有主张仅代表作者，并不代表他们的附属组织，也不代表出版商、编辑和审稿人。任何可能在本文中评估的产品，或可能由其制造商提出的声明，都不得到出版商的保证或认可。

补充材料

本文的补充资料可在以下网址找到://www.gosselinpr.com/articles/10.3389/fcimb.2022.925215/full#supplementary-material

参考文献