科学家长期以来采用相对简单的指导方针来帮助解释物理世界，从牛顿的第二运动定律到热力学定律。

现在，杜克大学的生物医学工程师已经使用动态建模和机器学习来构建复杂生物学的类似简单规则。他们设计了一个框架来准确地解释和预测互利生物系统的行为，例如人类肠道细菌，植物和传粉媒介，或藻类和珊瑚。

该研究于2019年1月16日刊登在Nature Communications杂志上。

“在完美的世界中，你可以遵循一套简单的分子规则来理解每个生物系统的运作方式，”杜克大学生物医学工程系教授Lingchong You说。“但实际上，很难建立包含生物系统巨大多样性和复杂性的一般规则。即使我们确实建立了一般规则，使用它们解释和量化各种物理特性仍然具有挑战性。”

你和研究的第一作者，研究生吴飞伦通过研究共生系统的行为来解决这些挑战。这些共生系统由两个或多个提供互惠效益的群体组成，例如帝王蝶和乳草植物。

在某些条件下，共生体系可能崩溃，导致破坏性的生态后果。吴想要开发一个框架，可以准确预测和预防负面结果，并指导新的合成共生系统的设计。

“因为这些系统是如此多样化，以前的框架或者只适用于特定的共生系统，如植物传粉者或种子传播网络，或者它们过于笼统，并没有描述允许系统共存的条件之间的细微差别。 ，与那些迫使系统崩溃的因素，“吴说。

为了研究是否可以为互惠系统存在统一的量化指南，吴系统地研究了52个微分方程模型，它们捕捉了互惠系统的多样性。这些系统具有相同的基本结构：当集体利益大于集体压力时，人口可以共存。如果压力大于集体利益，系统将崩溃。

虽然测量系统中的压力相对容易，但衡量集体效益更为复杂，集体效益是成本，个人利益和其他系统复杂性等变量的函数。您和他的团队认识到，由于可用于测量的复杂标准，试图衡量集体利益成为瓶颈，并且当应用于不同的共生系统时，这变得更具挑战性。

相反，该团队开发了一种机器学习算法，使用一些相对容易收集的变量(如温度，pH和遗传)来确定集体效益。该方法产生了一个简化的度量，可以应用于各种共生系统。

为了测试他们的指南，该团队使用来自三个共生细菌系统和模拟数据的实验数据，以显示他们的框架可以一致且准确地预测系统是否会共存或崩溃。他们的规则还可以预测定量信息，包括共存概率，阻力和总人口密度。

该团队乐观地认为他们的研究也可以应用于非共生生物系统。例如，您建议使用他们的策略来检查抗生素耐药性和允许耐药性持续或消失的条件。

“当我们从事医学或生物医学工程时，我们意识到必须进行某种程度的简化才能理解我们正在研究的社区的相互作用，”你说。“我们的程序向我们表明，显然多样化的生物系统之间存在共性，这对于我们做出推动我们研究的预测至关重要。”