1）背景与问题：微生物不是单独行动的，它们会组成一个个“功能小组”来协同工作。这些小组作为一个整体，其丰度变化比单个物种更稳定，并且与生态系统的代谢功能（比如产生某种物质、分解废物）关联更紧密。然而，目前识别这些“功能小组”主要依赖于对微生物基因功能的注释，而基因注释本身容易出错，这是一个大问题。

（2）解决方案：研究者开发了一种全新的、无监督的算法。这个方法的特点是：不依赖容易出错的基因功能预测。只看数据模式：它只分析两种数据的统计变化规律：① 不同样本中各种微生物的数量（物种丰度）；② 同时测得的功能读数（如代谢物浓度、环境因子等）。

算法会根据这些数据的变化规律，自动将行为模式相似的微生物归类到一起，形成潜在的“功能群”。

（3）方法验证与应用（三个例子）：土壤细菌实验：在可控的微宇宙实验中，算法成功找出了那些已经被实验验证的、负责不同代谢任务的功能群。这些群组即使物种成员有变化，其整体功能也保持稳定。海洋微生物：分析海洋数据时，算法发现了一个包含“好氧”和“厌氧”氨氧化细菌的功能群。这个群的总丰度，与海水中的硝酸盐浓度变化高度同步，提示它们共同驱动着海洋氮循环。动物肠道菌群：该方法还能用于生成科学假设。比如，它可以找出那些可能与肠道中某些特定代谢物（如短链脂肪酸）的产量密切相关的微生物组合，为后续研究其具体作用机制提供线索。

Annotation-free discovery of functional groups in microbial communities 微生物群落中功能群的无注释发现

摘要

（1）Recent studies have shown that microbial communities are composed of groups of functionally cohesive taxa whose abundance is more stable and better-associated with metabolic fluxes than that of any individual taxon 最近的研究表明，微生物群落是由功能上紧密结合的分类群组成的，它们的丰度比任何单个分类群更稳定，与代谢通量的关联更好 .

（2） However, identifying these functional groups in a manner that is independent of error-prone functional gene annotations remains a major open problem. 然而，以独立于易错的功能基因注释的方式识别这些功能群仍然是一个主要的公开问题。

（3）  Here we tackle this structure–function problem by developing a novel unsupervised approach that coarse-grains taxa into functional groups, solely on the basis of the patterns of statistical variation in species abundances and functional read-outs.在这里，我们通过开发一种新的无监督方法来解决这种结构-功能问题，该方法仅基于物种丰度和功能读数的统计变化模式，将粗粒分类单元划分为功能组。

（4） We demonstrate the power of this approach on three distinct datasets. On data of replicate microcosms with heterotrophic soil bacteria, our unsupervised algorithm recovered experimentally validated functional groups that divide metabolic labour and remain stable despite large variation in species composition. 我们在三个不同的数据集上展示了这种方法的能力。在具有异养土壤细菌的复制微宇宙的数据上，我们的无监督算法恢复了实验验证的功能组，这些功能组划分代谢劳动并保持稳定，尽管物种组成存在很大差异。  

（5）When leveraged against the ocean microbiome data, our approach discovered a functional group that combines aerobic and anaerobic ammonia oxidizers whose summed abundance tracks closely with nitrate concentrations in the water column. 当对照海洋微生物组数据时，我们的方法发现了一个结合有氧和无氧氨氧化器的功能组，其总丰度与水柱中的硝酸盐浓度密切相关。

（6）Finally, we show that our framework can enable the detection of species groups that are probably responsible for the production or consumption of metabolites abundant in animal gut microbiomes, serving as a hypothesis-generating tool for mechanistic studies.最后，我们表明，我们的框架可以检测可能负责动物肠道微生物群中丰富的代谢物的产生或消耗的物种群，作为机制研究的假设生成工具。 

（7） Overall, this work advances our understanding of structure–function relationships in complex microbiomes and provides a powerful approach to discover functional groups in an objective and systematic manner. 总的来说，这项工作推进了我们对复杂微生物组中结构-功能关系的理解，并提供了一种以客观和系统的方式发现功能群的有力方法。

（8）Results 结果

（9）Theory of extracting functional groups from microbiome data 从微生物组数据中提取官能团的理论

从复杂的微生物群落数据中，自动找出一个由多个物种组成的功能群，这个群作为一个整体，其丰度变化与某个表型/功能读数（如代谢物浓度、环境参数）高度相关，而这种相关性远比单个物种要强。

a. 左图：展示了一个典型的、物种组成复杂的微生物群落（每个颜色代表一个物种）。每个柱状图代表一个样本中不同物种的相对丰度。结论：在这个原始、复杂的群落中，单个物种与目标表型。作用：说明为什么需要新方法——传统单物种分析在这里失效了。b. 方法过程，EQO算法开始工作。它从所有物种中筛选出物种1（红） 和物种2（蓝），将它们组合成一个新的“功能集合体”。将它们的丰度相加后（形成“物种1+2”这个新组合），这个组合的丰度与表型y的关联性变得非常强（折线与柱状图高度同步）。算法通过优化一个数学公式（Max (x^T Qx / x^T Px)）来找到这样的最佳组合。c. “一致性”与“互补性”的几何解释，这是对 (b) 中两个核心概念的直观可视化。坐标轴：黑色垂直轴：代表我们关注的表型变量y。灰色水平轴：代表物种丰度数据在投影到表型轴后剩下的残差（即无法被y解释的部分）。图中显示，物种1和物种2的箭头在表型轴（y轴）上的投影方向相同（都向上）。这意味着，当表型值升高时，两个物种的贡献都会增加（尽管它们本身的丰度可能一升一降）。将它们相加，在表型方向上的信号就增强了。互补性：物种1和物种2的箭头在残差轴（ε轴）上的投影方向相反（一个左，一个右）。这意味着，这两个物种的残差部分（即与表型无关的随机波动或彼此竞争的部分）是相互抵消的。当把它们组合起来时，这些“噪音”就被消除了，使得组合的信号更“纯净”地指向表型方向。结论：一个理想的功能群，其成员应在功能轴（y轴）上一致，以增强功能信号；同时在残差轴（ε轴）上互补（方向相反），以抵消彼此与功能无关的随机波动，从而得到一个与功能强相关的、稳定的集合体信号。

（10） Stable functional groups in replicate microcosms 复制微观世界中的稳定官能团

这幅图展示了在受控的实验室微宇宙实验中，EQO无监督方法如何有效地发现功能群，并与传统的基于分类学的“监督”方法进行对比。图2详解：在复制微宇宙中进行功能群的粗粒化。a. 原始数据 (ASV水平组成)内容：展示了使用葡萄糖作为碳源的多个重复实验样本中，微生物群落在最精细分辨率（ASV水平） 上的原始组成。观察：图像显示，在不同样本中，ASV的组成非常复杂且波动很大。每个小色块代表一个不同的ASV，它们的分布看起来杂乱无章，没有清晰的模式。这表明在精细尺度上，群落的稳定性很差。b. 基于分类学的监督粗粒化。这是传统的、有监督的方法。研究者依据已知的分类学知识（来自数据库的注释），将属于同一个科（Family） 的所有ASV归为一组。例如，将所有标注为“肠杆菌科”的ASV合并，将其丰度相加，作为一个“肠杆菌科”组来观察。图中显示，群落被简化为几个主要的科（如肠杆菌科、假单胞菌科等）。这比原始ASV视图（图a）清晰了一些，但不同样本间各科的相对丰度仍然有相当明显的波动（柱状图高低不一）。这说明在科一级分类水平上，群落的稳定性仍然不够理想。c. 基于EQO的无监督粗粒化。这是论文提出的全新的、无监督的方法。EQO算法不依赖任何分类学标签。它只分析所有ASV的丰度在不同样本间的变化模式，自动找出那些丰度共变模式最稳定的ASV组合。寻找功能上一致的群体，其标志就是作为一个整体，它们的总丰度在不同样本间保持高度稳定。高度稳定性：图中显示，通过EQO找出的功能群（以“物种1+2”为代表的集合），其相对丰度在不同样本间几乎是一条直线，波动极小。这实现了真正的粗粒化——找到了一个内部动态变化但整体输出极其稳定的功能单元。与分类学高度重合：图注中提到一个关键数字：94.0% ± 2.2%。这表示，通过无监督的EQO方法归为同一组的ASV，与通过有监督的分类学方法（归到同一科）的ASV，有高达94%的重合度。意义：这证明了EQO方法的有效性和生物学意义。它不靠先验知识，仅凭数据模式，就自动“发现”了与分类学单元（科）高度一致的群体。这说明，在这个实验中，分类学上的“科”很可能是功能一致性的一个良好代理，而EQO成功地捕捉到了这一点。

（11） Nitrogen cycling in the ocean microbiome 海洋微生物群中的氮循环

EQO方法在真实、复杂的全球海洋微生物组数据中的应用，旨在发现与氮循环（具体是硝酸盐浓度）相关的功能群.图3详解：海洋微生物组中氮循环的功能群。a. 方法：构建“聚合网络”的交叉验证算法，这部分解释了如何从数据中稳健地构建网络图 (b)。数据拆分：将包含微生物丰度和环境因子（此处为硝酸盐浓度）的完整数据集（如Tara Oceans数据），随机拆分为训练集和测试集。训练与验证：训练：在训练集上运行EQO算法，找出与硝酸盐浓度最相关的一个最佳物种组合（功能群）。验证：用测试集计算这个组合的丰度与硝酸盐浓度的相关性（R²）。这确保了发现的相关性不是过拟合的偶然结果。节点重要性：累计一个物种（节点） 在所有100次迭代中，出现在被选中的最佳组合里的那些次数的加权R²值。出现越频繁、且所在组合预测效果越好，该节点越大。边的重要性：累计一对物种（边） 在所有迭代中同时被选入最佳组合的加权R²值。同时出现越频繁、预测效果越好，连接它们的边越粗。生成网络：根据所有物种的节点重要性和成对边的强度，绘制出聚合网络。这个网络直观展示了哪些物种共同地、稳定地与目标功能（硝酸盐）相关。b. 结果：硝酸盐浓度的聚合网络，网络展示：这是应用上述算法后得到的实际网络。每个点（节点）代表一个分类群（如科或属），点的大小代表其个体重要性。两个节点被特别高亮：红色：Nitrosopumilaceae（亚硝化侏儒菌科），是一类好氧氨氧化古菌，负责将氨（NH₃）氧化为亚硝酸盐（NO₂⁻）。蓝色：‘Candidatus Scalindua’（斯钙林德菌属，“候选状态”），是一类厌氧氨氧化细菌，在缺氧条件下将氨和亚硝酸盐直接转化为氮气（N₂）。最强的边：连接这两个节点的边是网络中最粗的之一。这意味着在100次随机数据拆分中，EQO算法反复地、稳定地将这两个物种选入同一个最佳功能群。算法发现，将这两个生理功能截然不同（好氧 vs. 厌氧）、甚至属于不同生命域（古菌 vs. 细菌）的微生物的丰度相加，其总和与海洋中的硝酸盐浓度具有最强的、可重复的关联。这暗示它们共同构成了一个氮循环的功能群，其集体活动主导了硝酸盐的积累或消耗。c. 生物学验证：对溶解氧的相反响应，展示了Nitrosopumilaceae和‘Candidatus Scalindua’ 的丰度如何随海水溶解氧浓度变化。Nitrosopumilaceae 与溶解氧呈正相关（r = +0.27）。这符合其生物学特性：作为好氧菌，它们在氧气充足的水层更丰富。‘Candidatus Scalindua’ 与溶解氧呈强负相关（r = -0.53）。这也符合其生物学特性：作为厌氧菌，它们在缺氧水体（如氧最小区）中繁盛。印证“互补性”：这正是图1中提出的“互补性” 概念的完美体现。它们在功能轴（硝酸盐生产/消耗）上一致（被算法共同选出），但在环境梯度轴（氧气）上表现出完全相反的响应模式，此消彼长。生态意义：这对“搭档”确保了氮转化过程在海洋的不同氧化还原条件下（从富氧到缺氧）都能持续进行。它们的总和（功能群丰度）可能反映了整个水柱或区域的综合氮转化潜力，因此与终产物硝酸盐的浓度稳定相关。

（12） Mapping metabolites to functional groups in gut microbiome 将代谢物映射到肠道微生物组的功能群

展示了EQO方法在动物肠道微生物组中的应用，用于发现与特定代谢物水平相关的、最简化的功能群（“最小集合体”）。图4详解：预测肠道微生物组中代谢物水平的最小集合。

a. 方法性能的整体评估，目的：评估使用EQO发现的“功能群”在预测代谢物水平上，是否比单一的“明星物种”表现更好。方法：目标：针对在超过80%的样本中都检测到的74种不同的代谢物峰值（代表74种可能的代谢物）。X轴：使用单个最佳ASV（即与代谢物最相关的那个物种）来预测代谢物浓度，所能达到的线性回归决定系数 R²。Y轴：使用EQO算法找到的最佳“最小集合体”（由多个ASV组成的功能群）来预测同一代谢物浓度，所能达到的 R²。结果：图中的每个点代表一种代谢物。对角线：如果点落在对角线上，说明单个ASV和集合体的预测能力一样好。实际分布：绝大多数点都分布在对角线上方。这意味着对于大多数代谢物，由多个ASV组成的集合体的预测能力（Y轴值）远高于最好的单个ASV（X轴值）。显著点：通过了严格统计检验的代谢物用实心黑点标出。它们同样主要分布在对角线上方，证明了这种优势不是偶然的，具有统计学意义。核心结论：这从整体上证明，微生物通常以团队（功能群）的形式，而非个体，来更可靠地关联（或驱动）代谢功能。b. 实例解析：腐胺（Putrescine）选择原因：腐胺是通过了严格显著性检验的代谢物之一（即图a中的一个实心黑点），其预测模型非常可靠。预测效果：其代谢物水平可以被一个由9个ASV组成的“最小集合体”强烈预测（即模型R²很高）。这9个ASV被列出（例如：ASV28_ Fusobacterium, ASV51_ Collinsella 等）。功能群行为模式：热图展示了这9个ASV在不同宿主动物样本中的丰度变化。关键观察：这些ASV在样本间表现出明显的交替互补模式。当其中一些ASV丰度高时，另一些则低。宿主排序：动物宿主按照检测到的腐胺水平从高到低排列。生态与功能启示：功能冗余/互补：这9个ASV可能代表了一组能够共同产生或消耗腐胺的微生物。它们之间可能存在功能冗余（都能做类似的事）或代谢互补（共同完成腐胺合成的通路）。稳定性：尽管单个ASV的丰度在宿主间剧烈波动，但它们作为一个集合体的总丰度，却与腐胺浓度保持了稳定的关系。这解释了为何在不同个体差异巨大的肠道中，某些代谢功能却能相对稳定。假设生成：这幅图没有直接证明这9个ASV“生产”了腐胺，但它强有力地提示这组微生物是导致腐胺浓度变化的关键候选驱动者。这为后续的机制研究（例如培养实验、基因敲除、代谢通量分析）提供了明确的、数据驱动的假设目标。

 However, identifying these functional groups in a manner that is independent of error-prone functional gene annotations remains a major open problem. 然而，以独立于易错的功能基因注释的方式识别这些功能群仍然是一个主要的公开问题。