【微生物研究】微生物交互关系研究论文摘要集锦

微生物交互关系研究论文摘要集锦

• 296. A computational exploration of bacterial metabolic diversity identifying metabolic interactions and growth-efficient strain communities
• 297. A Modified Entropy-Based Approach for Identifying Gene-Gene Interactions in Case-Control Study
• 298. A new mathematical model of bacterial interactions in two-species oral biofilms
• 299. A Novel Evolution-Based Method for Detecting Gene-Gene Interactions
• 300. Active learning for human protein-protein interaction prediction
• 115. @MInter: automated text-mining of microbial interactions.
• 301. Characterizing metabolic interactions in a clostridial co-culture for consolidated bioprocessing
• 302. Competition, Not Cooperation, Dominates Interactions among Culturable Microbial Species
• 7. Competitive and cooperative metabolic interactions in bacterial communities
• 65. Complex Species Interactions and the Dynamics of Ecological Systems: Long-Term Experiments
• 303. CompNet: a GUI based tool for comparison of multiple biological interaction networks
• 304. Computing paths and cycles in biological interaction graphs
• 305. Detecting temporal protein complexes from dynamic protein-protein interaction networks
• 306. Dynamical modeling of uncertain interaction-based genomic networks
• 307. Effective comparative analysis of protein-protein interaction networks by measuring the steady-state network flow using a Markov model
• 24. Elucidation of complexity and prediction of interactions in microbial communities
• 173. Establishment and metabolic analysis of a model microbial community for understanding trophic and electron accepting interactions of subsurface anaerobic environments
• 308. Exploring biological interaction networks with tailored weighted quasi-bicliques
• 309. Genome-based Modeling and Design of Metabolic Interactions in Microbial Communities
• 310. Global metabolic interaction network of the human gut microbiota for context-specific community-scale analysis
• 311. Host-Gut Microbiota Metabolic Interactions
• 312. Host-microbial interaction in the mammalian intestine and their metabolic role inside
• 313. Host-microbial interactions in the metabolism of therapeutic and diet-derived xenobiotics
• 314. Identification of novel metabolic interactions controlling carbon flux from xylose to ethanol in natural and recombinant yeasts
• 315. Inference of Network Dynamics and Metabolic Interactions in the Gut Microbiome
• 316. Inferring microbial interaction network from microbiome data using RMN algorithm
• 317. Inferring microbial interaction networks from metagenomic data using SgLV-EKF algorithm
• 318. Interaction networks for identifying coupled molecular processes in microbial communities
• 319. Large-scale in silico modeling of metabolic interactions between cell types in the human brain
• 320. Limitations of a metabolic network-based reverse ecology method for inferring host–pathogen interactions
• 321. Metabolic Interaction of Helicobacter pylori Infection and Gut Microbiota
• 322. Metabolic interactions in microbial communities: untangling the Gordian knot
• 323. Metabolic network analysis reveals microbial community interactions in anammox granules
• 324. MetaMIS: a metagenomic microbial interaction simulator based on microbial community profiles
• 325. Microbial interactions for enhancement of a-amylase production by Bacillus amyloliquefaciens 04BBA15 and Lactobacillus fermentum 04BBA19
• 326. Microbial interactions: from networks to models
• 327. MIMO: an efficient tool for molecular interaction maps overlap
• 328. MMinte: an application for predicting metabolic interactions among the microbial species in a community
• 48. Model-based quantification of metabolic interactions from dynamic microbial-community data
• 76. Multispecies communities: interspecies interactions influence growth on saliva as sole nutritional source.
• 329. PID: the Pathway Interaction Database
• 16. Predicting microbial interactions through computational approaches
• 330. The integrated analysis of metabolic and protein interaction networks reveals novel molecular organizing principles
• 14. The large-scale organization of the bacterial network of ecological co-occurrence interactions
• 331. The linear neighborhood propagation method for predicting long non-coding RNA –protein interactions
• 332. Understanding the interactions between bacteria in the human gut through metabolic modeling
• 333. Visualization of Metabolic Interaction Networks in Microbial Communities Using VisANT 5.0
• 364. Interaction networks, ecological stability, and collective antibiotic tolerance in polymicrobial infections
• 366. Lotka-Volterra pairwise modeling fails to capture diverse pairwise microbial interactions

296. A systematic computational analysis of bacterial metabolic profiles characterizing metabolic interaction networks and strain communities optimized for growth efficiency

系统性计算分析细菌代谢特征以揭示代谢交互网络及高效生长菌群结构

本研究对细菌代谢多样性展开了全面的计算探究旨在解析代谢交互网络组织结构及其对菌群适应性的决定作用

本研究采用系统性计算方法深入解析细菌代谢网络特征揭示其与菌群适应性进化的关系

通过系统性计算分析细菌代谢特性本研究旨在解析代谢交互网络组织结构及其对菌群生长效率的影响

研究细菌代谢多样性识别代谢相互作用以及高效生长菌株群落的计算性模型

297. A Modified Information-Theoretic Approach for Identifying Gene Interaction Patterns in Case-Cohort Studies

基于修正熵方法的基因间相互作用识别研究：病例对照系列

298. Novel mathematical framework describing bacterial community interactions within a two-species oral biofilm community.

298.基于两种口腔生物膜中细菌相互作用的新数学模型

299. A Novel Evolution-Based Method for Detecting Gene-Gene Interactions

299.一种新型基于进化的基因-基因相互作用检测方法

300. Active learning for human protein-protein interaction prediction

摘要

115. @MInter: automated text-mining of microbial interactions.

115. @Minter：微生物相互作用的自动文本挖掘
摘要：动机：微生物联盟通常由社区内的多种互动定义，在理解其功能方面起着关键作用。尽管微生物相互作用已被广泛研究并实验验证[1] ，但相关信息仍散落在科学文献中[2] 。由于手动整理数据不可行[3] ，因此开发自动化数据处理工具显得尤为重要[4] ，以便使这些信息更加易于获取[5] 。结果：我们开发并实现了@MInter系统[6] ，这是一个基于支持向量机的自动化信息提取工具[7] ，用于从论文摘要中分析微生物相互作用及其关联关系[8] 。该系统通过在包含735种微生物相互作用的手动标注金标准数据集上进行训练与测试[9] ，并被特意纳入本研究涉及的3917篇摘要注释中[10] 。交叉验证结果显示@MInter能够有效识别与一种或多种微生物相互作用相关的摘要内容[11] ，其特异性达到95%（特异性能达到0.97），表现优异[12] 。。然而，在从抽象中识别特定微生物相互作用方面仍面临挑战（检测到相互作用水平召回率= 95%，精确度= 25%），但相较于其他方法而言，在注释量上@MInter显著降低了约13倍的工作强度[13] 。将@MInter应用于人类皮肤上的丰富多样性菌群（共包含175种细菌）的研究中发现[14] ，共确定了涉及357篇文献报道的微生物相互作用网络的存在性及其关联关系[15] 。这一发现表明了@MInter在研究多元菌群生态学方面的潜在价值与应用前景。

Analyzing metabolic processes in a mesophilic bacterial community to achieve efficient industrial bioprocessing

研究梭菌共培养体系中的代谢交互作用以增强生物工艺

以上即为完整修改版本

302. 在可培养微生物物种之间的相互作用中，在竞争而非合作的模式下占主导地位

302.对抗性互动而非协同作用影响着可培养微生物物种间的相互关系
摘要：研究总结表明，在培养环境中产生的大量酶分子不仅能够分解化学物质以维持自身生存和促进其他细胞的生长与存活[1-4]。这一发现与物种间协同进化的关系具有高度一致性[5]。当前研究表明不同微生物之间的协同作用越来越受到重视[4,6]。然而我们缺乏系统性的证据来证明不同物种之间的积极互作具有普遍性的重要性[7,8]。这对于理解自然社区中协作进化的共性和重要性至关重要。在此研究中我们重点考察了从一个普通水生环境中分离出的一种细菌菌株之间的相互关系强度利用两个独立实验收集的数据来评估多样性梯度上的群落生产力我们发现：（1）绝大多数配对组合中的相互作用呈现净负向的影响;（2）没有充分证据表明两种以上物种共同存在时会产生多阶正效应的现象我们的数据并未排除单个物种通过获取另一种而牺牲它本身的可能性即所谓的捕食类似猎物式的互作关系然而这些现象并不构成真正的协作关系通过我们的分析表明适应其他微生物物种典型的结果将是具有竞争力特征而非协作型特征

7. Inter-specific competition and cooperation in bacterial metabolic processes

本研究旨在揭示构建生态系统的基本原则，在后基因组时代这一难题具有重要的科学意义。
目前尚缺乏系统性地量化物种间相互作用的方法。
我们独立构建了一个包含118个物种代谢模型的数据集，并基于此计算出所有细菌对的竞争与合作潜力。
通过构建网络图谱, 我们清晰地展示了不同细菌之间竞争与合作的关系。
当资源重叠程度适中时, 细菌间的协同效应达到最佳水平。
进一步分析发现, 在生态系统中存在两种主要的合作模式: 一种是基于资源共享的合作网络; 另一种是基于空间分隔的合作网络。
有趣的是, 在大多数情况下这种协同效应并不对供体产生明显的好处。
然而, 在自然界中, 细菌通常会形成紧密的合作循环, 这种间接获益不仅限于菌株本身, 并且会波及到整个生态系统的其他成员。
因此, 这些发现对于优化未来设计、提高生物修复和生产效率具有重要意义。

65. 物种间相互作用关系与生态系统的动态行为：长期实验研究

复杂物种间的作用关系及生态系统动力学：长期实验

CompNet: a graphical user interface (GUI) based tool to compare many biological interaction networks.

303.CompNet:一个用于比较多种生物相互作用网络的GUI工具

304. Computing paths and cycles in biological interaction graphs

304. Calculating Pathways and Cycles in Biological Interaction Graphs
Abstract: Background: Interacting graphs (signed directed graphs) provide significant qualitative modeling methods in systems biology. They enable the analysis of causal relationships within cellular networks and can even predict dynamic aspects of system behavior. The fundamental challenges in interaction graph analysis involve identifying pathways and cycles (feedback loops) as well as determining the shortest positive and negative pathways. While these computational problems have been discussed to a limited extent in systems biology literature, particularly concerning the shortest signed pathways, only a few algorithms have been developed for this purpose.
Results: We first review existing algorithms for enumerating pathways and cycles and demonstrate that they outperform recent enumeration methods based on elementary path modes. The primary contribution focuses on the computation of shortest positive and negative paths, which is an NP-complete problem with only a limited number of algorithms described in the literature. We propose extended algorithms and new algorithm variants to compute exact or approximate solutions. Through benchmarking against various biological networks, we have demonstrated that accurate results can be obtained for networks with hundreds of nodes. A more extensive class of graphs can still be processed exactly through a combination of exhaustive search and simple search strategies. For graphs where exact solutions are computationally expensive or impractical, we developed an approximate algorithm with polynomial complexity. Notably, in real-world networks where exact results are achievable, our algorithm provides results very close to or identical to the exact values. This observation may be attributed to the specific topological structures of feed-forward meshes and regulatory networks containing relatively few feedback loops.
Conclusion: The computation of shortest positive/negative paths and cycles represents a key analytical tool in network analysis within systems biology. This work has drawn attention to this important computational problem within the field and provided new algorithms tailored for biological interaction graphs. All algorithms have been implemented within the CellNetAnalyzer framework, which is available at http://www.mpi-magdeburg.mpg.de/projects/cna/cna.html for academic use.

305. Identifying temporally specific protein complexes in dynamic interaction networks

305.基于动态蛋白相互作用网络的时间蛋白复合物识别

306. Dynamical modeling of uncertain interaction-based genomic networks

306.基于不确定相互作用的基因组网络的动态建模
摘要：背景：大多数基因组网络的动力学模型都是基于两种现有方法构建的。一种方法侧重于过程建模，在涉及实验室实验设计时存在不足；另一种方法采用布尔型网络，在生物学一致性方面也存在问题。此外，在利用已有知识库时未能考虑到知识的不确定性，并且现有方法难以有效利用已有的设计知识库。因此需要一种新的方法来构建基于现有生物数据的动力学模型，在考虑不确定性的同时生成网络模型，并通过实验设计验证结果。结果：我们提出了一种新的基因组网络动态建模方法，在公共数据库提供的交互知识基础上构建物理实体的状态模型。该模型根据数据库中的信息设定交互优先级，并根据节点状态更新每个交互的影响关系。当出现动态不确定性时会自动考虑所有可能的结果空间。通过实施该模型生物学家能够深入分析复杂调控网络而不必依赖全面掌握影响网络动力学的所有参数结论：所提出的方法能够有效地构建基于交互关系的基因组网络动力学模型并无需完全掌握影响网络动力学的所有参数即可实现有效的建模研究

An effective comparative analysis of protein-protein interaction networks can be conducted by analyzing the steady-state flow of the network through the application of a Markov model.

该研究提出了一种新的概率框架来有效比较蛋白质-蛋白质相互作用网络（PPI），以识别保守功能模块。其核心方法基于马尔可夫随机游走模型，在不同物种中检测出具有高保守性直系同源蛋白的功能模块。通过将随机游走者设计为在本地PPI网络及其高相似性跨物种直系同源蛋白之间进行全局转移和移动操作，在稳态条件下计算各节点间的转移频率分布作为潜在对应关系的概率分数。这些分数值可进一步用于精确的PPI网络比对分析中发现保守功能模块中的直系同源蛋白关系。经过多个实际数据集测试表明该方法较现有算法在比对结果准确性和计算效率方面均有显著提升

24. Analysis of microbial community diversity and modelling of interaction networks

摘要：微生物与高等生物及其环境之间存在复杂的相互关系及动态特性。值得注意的是，在这些生态系统中成员间的多样性和相互作用往往难以精确确定其具体性质，这种确定过程具有显著难度。由于这些社区中成员种类繁多且相互作用关系错综复杂，在此领域中产生了大量多组测序数据（包括16S rRNA基因测序、猎枪宏基因组学方法、宏转录组学分析、宏蛋白质组学研究以及代谢组学调查），这些数据被广泛用于解析微生物群落结构、揭示其相互作用机制以及解释由此引发的原位动态变化情况。对于此类多元数据系统的解释往往需要应用较为先进的计算分析工具及方法体系。模型构建则作为整合分析现有知识框架并解释实验观测数据的强大手段，在揭示微生物组成基本运作规律方面发挥着重要作用。在此研究工作中我们系统回顾了现有技术方法及其应用策略，并基于实验观察及计算建模相结合的方式系统性地阐明了微生物间的作用网络及其对干扰因素反应的行为特性。

173. Construction and metabolic investigation of a synthetic microbial ecosystem model to elucidate the mechanisms underlying trophic and electron transfer processes in deep subsurface anaerobic environments

研究构建了一个基于营养相互作用机制的研究模型微生物群落

摘要：微生物群落对重要的生物地球化学循环速率起到关键作用

在生物技术与生物修复以及工业微生物过程中具有重要意义

我们构建了一个基于营养相互作用机制的研究模型微生物群落

该模型由三个相互依存且依赖于共同资源的关键物种组成

308. Investigating biological interaction networks using customized weighted quasi-bicliques

308. 采用新型加权二分图模型深入研究生物网络结构
摘要：
背景方面：生物网络不仅能够表征基因及其产物的功能特性、DNA-蛋白质相互作用模式以及调控机制等基本要素，并且在基因表达调控等生物学任务中提供了重要参考依据。然而由于实验技术和生物学系统的复杂性，在算法开发上仍面临诸多挑战。
结果部分：
我们提出了一种新的加权二分图模型来识别功能模块，并通过二分图表示法有效建模生物相互作用关系。与以往的二分图方法相比，在保留原有特性的同时我们引入了边权重的概念以更精确表征不同层次的相互作用强度。尽管该问题已被证明属于NP难范畴但在实际应用中我们通过整数规划方法成功求解了中小规模网络的精确解。
结论部分：
通过模拟数据集和真实生物数据集的实验验证了该方法的有效性。仿真实验表明该算法在计算效率上具有显著优势其在精确度上的表现也优于现有相关算法。

基于基因的代谢相互作用构建与优化在微生物群中的应用

309.基于基因组的微生物群落建模和代谢相互作用设计
摘要：过去的研究主要集中在具有必要代谢功能的单一微生物菌株上；或者关注能够引入这些功能以实现特定任务的菌株特性。对于许多重要应用而言；开发一种万能型微生物几乎是不可能或十分困难的；即使在当前技术条件下也是如此。相比之下；自然界采用的是基于不同微生物物种协同组合的独特策略；这些组合共同实现预期的任务；与传统的个体微生物菌株研究路径截然不同。这些天然社区展现出极高的适应能力；能够利用每个物种自身特有的代谢途径；并在复杂多变的环境中灵活调整其生存状态。然而；由于缺乏有效的实验手段和技术工具；对微生物群落的研究仍面临诸多限制。随着基因组测序技术、组学方法以及生物信息学的进步；研究人员现在具备了对微生物群落代谢进行精确分析和系统设计的能力。本文旨在总结基因组尺度代谢建模在微生物群落研究中的最新进展与应用前景。首先简要介绍集总式社区模型的基本概念及其用于描述个体物种及其代谢相互作用的方法。接着回顾了基因组尺度静态建模方法的发展历程；这类方法适用于细胞外环境可视为恒定或缓慢变化的情况。随后讨论了静态模型向动态模型的发展过程；并综述了基于基因组尺度模型的应用实例与设计方法。最后总结了宏基因组学工具在分析社区新陈代谢方面的作用及其未来发展方向

310. Comprehensive metabolic interaction framework of the human gut microbiota in a context-specific, community-wide analytical framework.

310.特定环境下群落水平分析人类肠道微生物的全局代谢交互网络
摘要：由复杂的人类肠道-微物-微物化学交叉系统构成的整体框架体系，在阐明健康态与病态下的微物功能机制方面具有重要意义。在此研究中我们系统性地构建了一个以NJS16命名的人类微物种间网络大型数据集合该数据集合由来自1/4570个不同物种及其与3种人类细胞类型之间的>4400项小分子交换及大分子降解事件构成基于该网络我们建立了新的数学模型以解析给定人群（如糖尿病队列）下其 gut microbiome代表性和代谢特征的关系研究通过将该策略应用于2型糖尿病患者的微物组测序数据集我们成功解析了宿主微生态系统的具体背景基础设施识别出了在代谢调控中发挥关键作用的核心菌株并揭示了其相关的社区水平代谢通路特征从而为全面评估群体规模下人体内微生态活动提供了理论依据

311. Host-Gut Microbiota Metabolic Interactions

311.宿主肠微生物代谢相互作用
摘要：随着宿主从出生开始，肠道微生物群的组成和功能逐渐发展。这些菌群不仅与母体基因组同步发育，并且还受到饮食习惯以及生活方式等多种因素的影响。肠道微生物群在调节多种宿主代谢途径方面发挥着重要作用，并通过生理连接将肠腔、肝脏、肌肉组织与大脑区域联系起来。深入研究这些轴线对于开发能够调控肠道微生物群以预防疾病并改善健康的治疗方法具有重要意义。

The microbiome-host interactions in the mammalian intestine and their metabolism-related functions within.

312.哺乳动物肠内宿主-微生物相互作用及其代谢机制

Host-microbiome interactions in the metabolic pathways of therapeutic and nutrimental, diet-derived xenobiotics.

313.涉及宿主微生物与治疗及饮食来源间代谢作用的相互关系
摘要：我们所关注的菌群在人类健康及易感疾病方面扮演着至关重要的角色，在此过程中我们对其参与治疗干预的程度仍存在诸多疑问。本研究旨在整合现有经典及前沿研究数据，在系统性分析肠道菌群对药物代谢及饮食衍生活性化合物代谢的影响方面取得进展。我们特别聚焦于其对宿主异生物质反应的影响机制，并基于越来越多临床实践表明，在此过程中个体与微生物之间密不可分的关系正逐渐被认可，并为构建一个更为完善的药理学及营养学理论框架奠定了基础。在此基础上我们提出了进一步探讨多学科交叉观点必要性的初步设想

314. Characterization of unique metabolic pathways regulating the carbon flow from xylose to ethanol in natural and engineered yeast strains

314.研究木糖至乙醇碳通量新型代谢相互作用

315. Study of Network Dynamics and Metabolic Interaction Involving the Gut Microbiome Networks

315.肠道微生物组中网络动态和代谢相互作用的推断
摘要：我们提出了一种新的方法，从时间序列宏基因组信息构建一个布尔动态模型，并将此模型与基因组规模的代谢网络重建相结合，以确定微生物相互作用的代谢基础。我们在一个重大的健康问题的背景下应用：克林霉素抗生素治疗和机会性艰难梭菌感染。我们的模型重述克林霉素抗生素治疗和艰难梭菌感染的已知动力学，并预测治疗性益生菌干预以抑制艰难梭菌感染。基因组规模的代谢网络重建揭示了社区成员之间的代谢差异，并用于探索代谢在观察到的微生物相互作用中的作用。体外实验数据验证了我们的计算模型的关键结果，即B. intestinihominis事实上可以减缓艰难梭菌的生长。

316. Reconstructing microbial interaction networks within microbiome datasets via the RMN algorithm

摘要

317. Reconstructing microbial interaction networks based on metagenomic data that employs the SgLV-EKF algorithm

317.基于SgLV-EKF算法从宏基因组数据中估计微生物相互作用网络

The interaction network aims to identify the interconnected molecular pathways within microbial ecosystems.

318.微生物群落中识别偶联分子过程的相互作用网络

319. Comprehensive simulation of metabolic networks and their functional relationships among cell type populations within the human brain’s neuroanatomical regions.

319.人脑中细胞类型之间的代谢相互作用的大规模计算机建模

本研究采用基于代谢网络的反生态学方法来推断宿主-病原体相互作用的局限性

摘要：背景：宿主与病原体之间的相互作用在多个研究领域中具有重要意义。由于宿主与病原体之间代谢活动的相互影响具有重要意义，在此背景下提出了基于代谢网络的逆向生态学方法来推测这些相互作用的存在。然而，在现有研究中所提出的多种解释以及尚未被充分考虑的关键混杂因素的影响下，该方法的有效性仍存疑。结果：我们重新评估了基于代谢网络的方法用于推断宿主-病原体相互作用的重要性，并通过整合氧需求、基因组数据、代谢网络分析及系统发育数据来进行统计控制混杂效应。通过数据分析表明，在考虑混杂因素后发现：宿主-病原体相互作用受到基因组大小、主要网络参数（如边数）以及需氧量等因素显著影响；而这些因素对于传统储备生态学方法而言则显得相对次要。结论：上述发现揭示了逆向生态学方法的一些局限性；然而并未对该方法的整体重要性提出质疑；相反地，则强调了开发更加精准的方法以深入探究宿主-病原体相互作用机制的必要性，并应在深入研究两者间关系的基础上进行更为细致的工作。

321. The metabolic interactions between Helicobacter pylori infections and gut microbiota

321.幽门螺杆菌感染和肠道微生物的相互作用
摘要：作为屏障菌群，在消化道中维持肠道菌群的平衡状态以防止潜在致病微生物侵袭。肠道菌群与免疫细胞之间的相互影响有助于维持人体肠道动态平衡状态。在2型糖尿病（T2D）患者中发现多种代谢紊乱症状如肥胖、肝脂肪变性和胰岛素抵抗等现象与肠道微生物组失调有关。其中一种特定菌类——产甲基戊二醇发酵菌，在T2D患者中的水平较低。通过移植小鼠的肠道菌群可提高其胰岛素敏感性水平但目前尚不清楚具体的病理机制是什么样的。幽门螺杆菌感染会导致人类胃部慢性炎症以及消化性溃疡甚至胃癌的发生。此外研究表明幽门螺杆菌感染也会导致胰岛素抵抗现象出现并已被认为是T2D发展的促发因素之一。研究显示幽门螺杆菌感染者与小鼠的胃部及粪便微生物组可能存在显著差异这可能有助于促进胃炎的发生以及相关疾病的发展然而目前还不清楚幽门螺杆菌与肠道微生物组之间的相互调节机制如何影响宿主代谢状况。为此未来研究将聚焦于揭示幽门螺杆菌、肠道菌群及宿主代谢之间的相互作用机制并探讨采取根除治疗或调控 gut microbiota的方法是否能改善人类代谢紊乱的相关疾病控制情况

322. Metabolic interactions within microbial ecosystems: unraveling the intricate complexities of microbial metabolism

摘要：代谢交换现象广泛存在于微生物群落中。然而由于其内在的动态特性与复杂结构检测这些跨物种代谢物传递机制仍是极具挑战性的研究课题因此尽管对自然生态系统中运行着详尽描述完整的代谢网络构建仍是一项重要目标但在当今的研究中这一挑战被划分为对小型复杂微生物群体及其功能模块进行深入表征并聚焦于特定生态系统的功能性研究这一领域为此需要建立一套能够有效识别捕获物种身份依赖关系及其间物质交换特性的综合分析方法体系目前通过结合宏基因组学与成像质谱技术等多种前沿技术手段构建了适用于不同生态系统的多学科方法体系每种组合都根据当前生态系统的特点进行了专门设计与优化以实现对现有生态系统的精准刻画

Metabolomic network analysis identifies microbial community interactions within anammox granules.

代谢网络分析深入探讨厌氧氨氧化颗粒污泥中微生物群落的相互作用机制

MetaMIS: a detailed microbial metagenomic model that is based on microbial community profiles.

324.MetaMIS：一个基于微生物群落谱的宏基因组微生物相互作用模拟器

The microbial interactions were aimed at improving the a-amylase production, which included Bacillus amyloliquefaciens 04BBA15 and Lactobacillus fermentum 04BBA19.

325.旨在增强解淀粉芽孢杆菌04BBA15与发酵乳杆菌04BBA19所合成α-淀粉酶之间的微生物间相互关系

326. Microbial interactions: from networks to models

326.微生物相互作用：从网络到模型

327. MIMO: an efficient tool for molecular interaction maps overlap

327.MIMO：一个用于分子交互图重叠的有效工具
摘要：背景：分子通路代表细胞内和细胞之间的分子间发生的相互作用的整体。跨越生物体和功能的分子途径之间的相似性的鉴定对理解复杂的生物学过程具有关键作用。为了推断这种新颖的信息，分子途径的比较需要考虑不完美的匹配（灵活性）并且有效地处理复杂的网络拓扑。迄今为止，这些特征仅在部分用于比较分子相互作用图谱的工具中可用。结果：我们的方法MIMO（分子相互作用图重叠）解决了第一个问题，允许在查询和模板路径之间引入空位和不匹配，并且允许在需要监督的查询中结合先验生物信息。然后直接依靠系统生物学标记语言（SBML）标准中描述的丰富的图形拓扑来解决第二个问题，并使用多重图形高效地处理生物图数据库上的多个查询。这个算法已经成功地用于突出Reactome数据库中各个人类途径之间的接触点。结论：MIMO为比较复杂的生物通路提供了灵活而高效的图形匹配工具。

328. MMinte: a software tool for predicting metabolic interactions among microbial organisms in a community.

328.MMinte:一个预测群落中微生物物种之间代谢相互作用的应用
摘要：背景：微生物研究的爆炸式增长已经产生了大量的数据。这些数据为我们提供了许多答案，但也提出了许多问题。16S rDNA-微生物组分析的骨干-使我们能够评估表征生态系统整体性质的α-多样性，β-多样性和微生物 - 微生物关联。然而，我们仍然无法使用16S rDNA数据直接评估确定该系统更广泛生态的微生物 - 微生物和微生物 - 环境相互作用。因此，诸如竞争，合作和营养条件等性质仍然没有充分分析。在这里，我们应用16S rDNA数据确定的微生物预测社区代谢模型来探索微生物群落的生态。结果：我们开发了一个从16S rDNA数据大规模评估微生物代谢相互作用（MMinte）的方法。MMinte评估群落代谢网络中相互作用的生物对的相对增长率，以及这种相互作用是否有积极或消极的影响。此外，MMinte的模拟考虑了营养环境，在确定个体微生物的代谢方面起着重要的作用。我们提出了两个案例研究来证明这个软件的实用性。首先，我们展示饮食如何影响微生物 - 微生物相互作用的性质。第二，我们使用MMinte的模块化功能集，以更好地了解如何在代谢条件下，Desulfovibrio piger的增长受简化肠道社区中其他成员的影响，并影响其他成员的增长，这些因素被认为是其动态的决定因素。结论：通过将代谢模型应用于常用的序列数据，MMinte授权用户洞察微生物之间的代谢关系，强调可能与生态稳定性，易感性和交叉喂养有关的重要特征。这些关系是影响我们理解诸如微生物衍生的结肠癌毒性等问题的能力的广泛生态问题的基础。

48. Model-based measurement of metabolic processes in response to time-varying microbial-community data

48.动态微生物群落数据的代谢相互作用的基于模型的量化
摘要：在微生物生态学领域中一个关键难题是基于物种丰度及代谢物浓度等群落级数据推断不同微生物物种间的生长状态中的代谢交换通量。本研究采用基于模型的方法整合实验数据从而阐明上述未知现象为此我们构建了丙酮丁醇梭菌与Wolinella succinogenes两种合成厌氧菌的共培养体系它们通过种间氢转移作用实现相互影响并分别施加不同的培养条件预期其间的代谢转换速率将随之变化利用代表当前生理学认知水平的两种微生物代谢网络模型研究发现这种理论框架足以解释及预测所观察到的各种关键指标包括特定物种间的相对重要性及其调节能力这表明了该理论框架的应用前景然而若现有理论无法完全吻合所有实验观察结果则可能提示着需要进一步完善的生理机制描述此外通过分析氮源对共同培养菌种间氢转移速率的影响我们发现其对整体系统的稳定性具有决定性作用同时该研究还揭示了所构建模型在预测细胞内物质流动方向及最适代谢转换速率等方面的潜力因此本研究不仅提供了一个理论框架用于整合异源性实验数据更深入地揭示了群落水平下的复杂生态系统特征这一发现对于指导未来工程化应用具有重要的意义

Multi-species assemblages: inter-specific interactions significantly constrain growth within saliva ecosystems when it is the primary nutrient source.

多物种群落：种间相互作用显著影响了唾液中作为唯一营养来源的生物膜生长

329. PID: the Pathway Interaction Database

329.PID:通路相互作用数据库
摘要：Pathway Interaction Database（PID, http://pid.nci.nih.gov）是由人类分子信号和调控事件以及关键的细胞过程组成的可自由获取的策划和同行评审的途径。该数据库由美国国家癌症研究所与自然出版集团共同创建, 旨在为癌症研究团体和其他对细胞通路感兴趣的研究工具提供服务, 包括神经科学家, 发育生物学家和免疫学家等群体。PID提供了系列搜索功能以促进路径探索, 用户可浏览预定义的一组路径, 或创建以感兴趣的单个分子或细胞过程为中心的交互网络图, 这种网络图能够直观展示分子之间的关系网络。此外, 批量查询工具允许用户上传分子列表（例如来自微阵列实验）并将其覆盖到预定义路径上或可视化完整的分子连接图, 这种功能有助于深入分析分子间的作用关系。用户还可以通过扩展标记语言（XML）和生物通路交换（BioPAX）2级格式下载所需数据包及引用列表, 并获得完整数据库内容供研究使用。每月更新新的途径内容的同时, 该数据库还辅之以其他相关在线工具的实际应用成果作为参考依据。

Through computational approaches, predicting microbial interactions is a critical task.

16.利用计算手段推测微生物间的互动

330. Comprehensive analysis of metabolic and protein interaction networks uncovers new molecular organizational principles

330.代谢网络与蛋白相互作用网络的整合研究揭示了新的分子组织原则

The large-scale structural organization of the bacterial interaction network governing ecological coexistence interactions

14.生态共现相互作用细菌网络的大规模组织
摘要：在自然环境中存在复杂的微生物相互作用网络，在仅关注单个物种及其相互关系的研究中可能无法全面揭示这些复杂性。现有的研究对于环境共现网络的整体构建仍存在诸多挑战。本研究基于科学文献中的同现数据构建了一个这样的网络，并通过分析揭示了物种生活方式与其共同共生伙伴之间数量级的关联性。我们重点考察注释良好的肠道菌群研究，并发现其典型肠道细菌之间的大部分同现交互作用主要集中在该菌群内部形成特定的功能模块化结构。随后我们将这些模块按照与真实肠道分布相吻合的方式进行了聚类分类。通过分析发现各模块间的资源竞争强度、代谢产量以及群体增长速率均与r/K模型预测结果相吻合。总体而言所构建的网络模型可视为细菌群落生态学研究的第一个理论框架，并为后续建立完整的生态系统数据资源库奠定了基础。通过该网络不仅能够预测菌群内的协作关系还能准确刻画菌群间的抑制效应。

This linear neighborhood propagation method is designed to predict the interactions between long non-coding RNAs and proteins.

用于预测非编码RNA-蛋白质相互作用的线性邻域传播方法

By employing metabolic models, we can analyze and comprehend the intricate interactions among various bacterial species within the human gut microbiota.

摘要：人类肠道微生物组对健康具有重要意义，在疾病预防与治疗方面具有潜在价值。基于基因组水平构建代谢模型（GEMs）有助于揭示饮食变化对其微生态群落的影响。我们构建了基于基因组水平的代谢模型（GEMs），分别代表Bacteroidetes、Firmicutes和Euryarchaeota三个主要门类中的典型菌种：Bacteroides thetaiotamicron、Eubacterium rectale和Methanobrevibacter smithii。通过构建动态网络模型来分析这三种菌种间的相互作用关系，并将预测结果与无菌小鼠长期灌注实验数据进行对比验证。进一步利用构建的代谢模型评估各菌种对基质转录组数据所反映的整体微生物群代谢特征的影响程度，并验证这些模型作为研究肠道菌群间相互作用机制的有效工具

333. Analysis of Metabolic Interaction Networks in Community Microbiomes via the VisANT software platform version 5.0

333.VisANT5.0可视化微生物群落中的代谢相互作用网络
摘要：由于微生物群落中的代谢网络具有高度复杂性，在可视化与解释方面仍面临巨大挑战。在本研究中提出的新扩展版本 VisANT 5.0软件工具中得以解决这一难题。我们特别聚焦于通过视觉方式探索微生物之间的代谢相互作用关系，并以COMETS（Computation of Microbial Ecosystems in Time and Space）预测为基础建立了一个动态化学计量模型框架。基于VisANT独特的metagraph实现方法，在本研究中我们展示了如何利用该软件工具来探讨不同时间依赖性的生态系统级代谢网络结构特征。具体而言，在之前的两种细菌间存在的专性交叉互作关系的基础上进一步深入分析了它们之间的具体代谢交互模式变化规律。此外，在理论上构建了一个包含假定最小肠道微生物群落结构的理想化模型框架后发现，在这种情况下能够同时维持多个共存物种间的稳定相互作用关系成为可能。基于此设想开发出的"共生布局"视图方法可被视为一种通用工具，在未来的复杂微生物群落研究以及异质人体组织代谢分析领域均具有重要应用价值。
VisANT 5.0免费开放获取地址为http://visant.bu.edu；COMETS相关资源链接为http://comets.bu.edu。

Interaction networks, ecological resilience, and collective antibiotic tolerance in polymicrobial infections

364.生态互作网络、生态稳定性和集体抗药性在涉及多种微生物感染时形成了小型生态系统
摘要：这些多菌感染构成了小型生态系统中的各种细菌适应环境的状态。尽管这些细菌通常各自独立地被研究以理解其特性及功能[1]。然而，在是否存在抗生素的情况下菌株之间的相互作用程度以及这种相互作用是否会影响其生长状态和整个生态系统的抗药性等问题尚不清楚[1]。为了量化这些关系我们从23名确诊有多菌感染的患者中收集了72个细菌分离株的数据并构建了完整的生态交互网络模型[1]。通过统计分析我们发现该全局网络主要由具有竞争性和合作性的互惠关系构成然而在个体宿主社区中这些合作关系却被消耗殆尽[1]。基于参数化的种群动力学模型我们发现群体间的相互作用会限制群落稳定性并有助于解释所观察到的各种群落组成及其恢复能力[1]。进一步研究表明临床分离物之间经常提供彼此抗药性的保护支持[1]这一现象也与临床相关的抗生素耐药性有关联[1]。综上所述这些结果强调了在涉及多个微生物组分的疾病中菌株间互作对单个病原体生长及存活的重要性同时也影响着其组分组装及恢复能力[1]。

366. The Lotka-Volterra pairwise modeling fails to adequately account for the various pairwise microbial interactions.

366.Lotka-Volterra成对建模不能捕获不同的成对微生物相互作用
摘要：成对模型通常用来描述多种群落。在这些模型中，个体通过与社区中每个物种的成对相互作用（“可加性假设”）接受加性适应效应。所有的成对相互作用通常用一个方程来表示，其中参数反映适应效应的标志和强度（“普遍性假设”）。在这里，我们显示一个单一的方程不能定性地捕获不同的配对微生物相互作用。我们为参与常见化学介导的相互作用的两种微生物物种建立机械参考模型，并试图推导出成对模型。不同的方程式取决于介体是可消耗还是可重复使用，相互作用是否由一个或多个介体介导，有时甚至是社区的定量细节（例如，两种物种的相对适合度，初始条件）是适当的。我们的研究结果，加上在许多物种群体中可能违反可加性假设，表明配对建模常常不能预测微生物动态。